详情

原文传递基于单积分球的水果可溶性固形物检测方法及设备

专利名称：	基于单积分球的水果可溶性固形物检测方法及设备
摘要：	本发明涉及可溶性固形物检测设备技术领域，公开了一种基于单积分球的水果可溶性固形物检测方法及设备，该方法首先获取目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱基于所述目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，得到所述目标水果的总反射率光谱；将所述目标水果的总反射率光谱输入至预设的可溶性固形物含量预测模型，输出所述目标水果的可溶性固体物含量。该方法利用水果果皮果肉组织的反射光谱信息对水果可溶性固形物近红外检测模型的影响，提高了模型的稳定性和适用性，为实际生产中水果可溶性固形物含量的检测提供了新的检测思路，提高了可溶性固形物的预测精度。
专利类型：	发明专利
申请人：	北京农业智能装备技术研究中心
发明人：	樊书祥;黄文倩;夏宇;张驰;何鑫;王哲理
专利状态：	有效
申请日期：	1900-01-20T00:00:00+0805
发布日期：	1900-01-20T21:00:00+0805
申请号：	CN201911404604.1
公开号：	CN111044469A
代理机构：	北京路浩知识产权代理有限公司
代理人：	韩世虹
分类号：	G01N21/31;G;G01;G01N;G01N21;G01N21/31
申请人地址：	100097 北京市海淀区曙光花园中路11号农科大厦A座1107
主权项：	1.一种基于单积分球的水果可溶性固形物检测方法，其特征在于，包括：获取目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱；基于所述目标水果的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，得到所述目标水果的总反射率光谱；将所述目标水果的总反射率光谱输入至预设的可溶性固形物含量预测模型，输出所述目标水果的可溶性固体物含量。 2.根据权利要求1所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，所述预设的可溶性固形物含量预测模型通过以下步骤得到：获取第一校正集的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，基于所述第一校正集的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，得到所述第一校正集的总反射率光谱，所述第一校正集包括用于建立模型的水果样本；获取所述第一校正集的可溶性固体物含量的实测值，基于所述第一校正集的可溶性固体物含量的实测值和所述第一校正集的预设波段范围内的总反射率光谱，利用偏最小二乘算法建立可溶性固形物含量预测模型。 3.根据权利要求2所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，总反射率光谱的计算公式具体为：其中，R'c为总反射率光谱，R'为果皮果肉漫反射光谱，R'r为果皮果肉漫反射参考光谱，D为关闭光源且盖上光谱仪进光孔后采集的暗光谱。 4.根据权利要求2所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，在所述得到所述第一校正集的总反射率光谱之后，在所述基于所述第一校正集的可溶性固体物含量的实测值和所述第一校正集的预设波段范围内的总反射率光谱，利用偏最小二乘算法建立可溶性固形物含量预测模型之前，还包括：通过竞争性自适应重加权算法从所述第一校正集的预设波段范围内的总反射率光谱中筛选出若干个第一特征波长，从所述第一校正集的总反射率光谱中提取所述第一特征波长处的总反射率光谱，作为第一总反射率预测光谱；其中，所述第一总反射率预测光谱用于结合偏最小二乘算法建立可溶性固形物含量预测模型。 5.根据权利要求4所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，所述获取第一校正集的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，基于所述第一校正集的果皮果肉漫反射光谱和果皮果肉漫反射参考光谱，得到所述第一校正集的总反射率光谱，还包括：获取所述第一校正集的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，基于所述第一校正集的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，得到所述第一校正集的果肉吸收系数光谱；通过竞争性自适应重加权算法从所述第一校正集的预设波段范围内的果肉吸收系数光谱中筛选出若干个第二特征波长，从所述第一校正集的总反射率光谱中提取所述第一特征波长处和所述第二特征波长处的总反射率光谱，作为第二总反射率预测光谱；其中，所述第二总反射率预测光谱用于结合偏最小二乘算法建立可溶性固形物含量预测模型。 6.一种基于单积分球的水果可溶性固形物检测方法，其特征在于，包括：获取目标水果的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱；基于所述目标水果的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，得到所述目标水果的果肉吸收系数光谱；将所述目标水果的果肉吸收系数光谱输入至预设的可溶性固形物含量预测模型，输出所述目标水果的可溶性固体物含量。 7.根据权利要求6所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，所述预设的可溶性固形物含量预测模型通过以下步骤得到：获取第二校正集的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，基于所述第二校正集的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，得到所述第二校正集的果肉吸收系数光谱，所述第二校正集包括用于建立模型的水果样本；获取所述第二校正集的可溶性固体物含量的实测值，基于所述第二校正集的可溶性固体物含量的实测值和所述第二校正集的预设波段范围内的果肉吸收系数光谱，利用偏最小二乘算法建立可溶性固形物含量预测模型。 8.根据权利要求7所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，所述基于所述第二校正集的果肉透射光谱、果肉透射参考光谱、果肉反射光谱和果肉反射参考光谱，得到所述第二校正集的果肉吸收系数光谱，具体为：按照如下公式计算出果肉透射率光谱和果肉反射率光谱，其中，Tc为果肉透射率光谱，T为果肉透射光谱，Tr为果肉透射参考光谱，Rc为果肉反射率光谱，R为果肉漫反射光谱，Rr为果肉漫反射参考光谱，D为关闭光源且盖上光谱仪进光孔后采集的暗光谱；将果肉透射率光谱Tc、果肉反射率光谱Rc和散射各向异性因子g代入开源的反向倍加算法中进行计算，得到果肉吸收系数光谱μa，其中散射各向异性因子g为常数。 9.根据权利要求8所述的基于单积分球的水果可溶性固形物检测方法，其特征在于，在所述得到所述第二校正集的果肉吸收系数光谱之后，在所述基于所述第二校正集的可溶性固体物含量的实测值和所述第二校正集的预设波段范围内的果肉吸收系数光谱，利用偏最小二乘算法建立可溶性固形物含量预测模型之前，还包括：通过竞争性自适应重加权算法从所述第二校正集的预设波段范围内的果肉吸收系数光谱中筛选出若干个第三特征波长，从所述第二校正集的果肉吸收系数光谱中提取所述第三特征波长处的果肉吸收系数光谱，作为果肉吸收系数预测光谱；其中，所述果肉吸收系数预测光谱用于结合偏最小二乘算法建立可溶性固形物含量预测模型。 10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至9中任一项所述的方法。
所属类别：	发明专利