[發(fā)明專(zhuān)利]近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710117277.6
• 申請(qǐng)日: 2017-03-01
• 公開(kāi)（公告）號(hào): CN106841103A
• 公開(kāi)（公告）日: 2017-06-13
• 發(fā)明（設(shè)計(jì)）人: 寧曉峰;裴軍強(qiáng);宮元娟;王芳;馮雨龍;劉詩(shī)曼;郭娜;秦軍偉;王丹陽(yáng)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 沈陽(yáng)農(nóng)業(yè)大學(xué)
• 主分類(lèi)號(hào): G01N21/359
• 分類(lèi)號(hào): G01N21/359;G01N21/3563
• 代理公司: 沈陽(yáng)晨創(chuàng)科技專(zhuān)利代理有限責(zé)任公司21001
• 代理人: 樊南星

技術(shù)領(lǐng)域

本發(fā)明涉及應(yīng)用近紅外光譜技術(shù)對(duì)農(nóng)產(chǎn)品進(jìn)行無(wú)損檢測(cè)的應(yīng)用技術(shù)領(lǐng)域，特別提供了一種近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。

背景技術(shù)

隨著生活水平的不斷提高，消費(fèi)者在購(gòu)買(mǎi)水果時(shí)，不僅關(guān)注大小、顏色和外形等外部品質(zhì)，而且對(duì)口感、糖度和酸度等內(nèi)部品質(zhì)也提出了更高的要求。目前，對(duì)于水果內(nèi)部品質(zhì)的檢測(cè)，大多采用人工感官評(píng)定和常規(guī)化學(xué)分析的方法。人工感官評(píng)定法，具有主觀性強(qiáng)、評(píng)價(jià)標(biāo)準(zhǔn)不一等缺點(diǎn)而對(duì)于常規(guī)化學(xué)分析方法，雖然其具有檢測(cè)準(zhǔn)確度高和準(zhǔn)確性強(qiáng)等優(yōu)點(diǎn)，但其檢測(cè)工作量大，檢測(cè)時(shí)間長(zhǎng)，并且需對(duì)樣品進(jìn)行破壞，這些都不適用于水果內(nèi)部品質(zhì)的快速無(wú)損檢測(cè)。

國(guó)內(nèi)外學(xué)者針對(duì)便攜式蘋(píng)果檢測(cè)裝置的設(shè)計(jì)也進(jìn)行了大量研究。康志亮等人在2010年利用可見(jiàn)光近紅外漫反射的原理，設(shè)計(jì)出一種基于微處理器的便攜式受損水果檢測(cè)裝置，實(shí)現(xiàn)了對(duì)受損蘋(píng)果與正常蘋(píng)果的識(shí)別和分類(lèi)。該作者以紅富士蘋(píng)果作為樣本，通過(guò)對(duì)測(cè)試電壓的分析，提出以標(biāo)準(zhǔn)差作為閾值的檢測(cè)方法。經(jīng)測(cè)試，該裝置識(shí)別正確率達(dá)到90％以上。樊書(shū)祥等人在2014年設(shè)計(jì)了以ARM9處理器為核心、以微型光譜儀和自制果托作為光譜檢測(cè)裝置、以WinCE為操作系統(tǒng)的便攜式蘋(píng)果糖度光譜檢測(cè)儀。研究表明，該檢測(cè)儀能較好地滿(mǎn)足蘋(píng)果糖度的快速無(wú)損檢測(cè)。該研究為快速、便攜的蘋(píng)果糖度光譜檢測(cè)儀設(shè)計(jì)提供了參考。Guidetti等人在2010年應(yīng)用便攜式可見(jiàn)―近紅外光譜儀實(shí)驗(yàn)系統(tǒng)(波長(zhǎng)范圍450nm-980nm)，結(jié)合偏最小二乘法PLS建模，對(duì)葡萄樣品鮮果和質(zhì)地均勻的果漿的成熟度指標(biāo)(可溶性固形物(TSS)、可滴定酸度和pH值)和苯酚成熟度指標(biāo)(花青素和多酚含量)進(jìn)行了檢測(cè)。研究結(jié)果表明：該便攜式可見(jiàn)―近紅外光譜儀可以作為一種快速無(wú)損檢測(cè)葡萄相關(guān)品質(zhì)的有效手段。美國(guó)Michael S.Wiederoder等人在2011年開(kāi)發(fā)了可隨身攜帶的高光譜成像系統(tǒng)，用于檢測(cè)食品處理設(shè)備上的污染物，該裝置前端需架在三腳架上，電池、筆記本電腦及濾光器在后置背包中，增加了操作的復(fù)雜性。

人們迫切希望獲得一種技術(shù)效果優(yōu)良的近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種技術(shù)效果優(yōu)良的近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法及專(zhuān)用檢測(cè)系統(tǒng)。為了克服目前國(guó)內(nèi)外現(xiàn)有技術(shù)的缺陷，本發(fā)明特提供了一種基于近紅外光譜技術(shù)的寒富蘋(píng)果品質(zhì)無(wú)損檢測(cè)方法與系統(tǒng)，技術(shù)關(guān)鍵是應(yīng)用可見(jiàn)/近紅外光譜技術(shù)，可快速、準(zhǔn)確地采集被測(cè)寒富蘋(píng)果表面的可見(jiàn)及近紅外光譜圖像信息，并對(duì)其進(jìn)行分析，從而實(shí)現(xiàn)對(duì)寒富蘋(píng)果品質(zhì)快速無(wú)損檢測(cè)。

本發(fā)明近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)方法，其特征在于：首先建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型；然后針對(duì)待檢測(cè)水果使用近紅外光譜檢測(cè)方法進(jìn)行檢測(cè)獲得檢測(cè)數(shù)據(jù)；將檢測(cè)數(shù)據(jù)與在先準(zhǔn)備的預(yù)測(cè)模型進(jìn)行對(duì)比；得出針對(duì)待檢測(cè)水果的內(nèi)部品質(zhì)評(píng)價(jià)結(jié)果；其中：建立基于近紅外光譜檢測(cè)水果內(nèi)部品質(zhì)的預(yù)測(cè)模型的方法對(duì)應(yīng)的內(nèi)容依次要求如下：

1)首先對(duì)已知糖度含量的各種典型的寒富蘋(píng)果樣品用光譜儀(10)采集寒富蘋(píng)果樣本表面的光譜信息，每個(gè)樣本采集至少3個(gè)不同點(diǎn)的光譜信息，然后進(jìn)行平均處理作為各種典型樣本各自對(duì)應(yīng)的光譜代表信息，寒富蘋(píng)果光譜信息是寒富蘋(píng)果在485.01-900.71nm波長(zhǎng)中1231個(gè)波長(zhǎng)點(diǎn)下的光譜反射率；

2)對(duì)所述步驟1)所得寒富蘋(píng)果樣本光譜數(shù)據(jù)進(jìn)行預(yù)處理；在原始光譜曲線(xiàn)中，在波長(zhǎng)的兩端，光譜數(shù)據(jù)所摻雜的噪聲較多，信噪比較低，為了提高所建立模型的準(zhǔn)確性，選取485.01-900.71nm波長(zhǎng)下的光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理和建模；采集到樣本可見(jiàn)近紅外光譜數(shù)據(jù)導(dǎo)入U(xiǎn)nscrambler9.7(美國(guó)CAMO公司的化學(xué)計(jì)量學(xué)軟件)中，應(yīng)用此軟件對(duì)光譜數(shù)據(jù)分別進(jìn)行消噪預(yù)處理，具體是移動(dòng)平均線(xiàn)(Moving average，MA)和多項(xiàng)式卷積平滑法(Savitzky-Golay，SG)；光程校正預(yù)處理為：多元散射校正(Multiplicative Scatter Correction,MSC)，標(biāo)準(zhǔn)正態(tài)變量變換(Standard Normal Variate Correction，SNV)和矢量歸一化(Vector Normalization，VN))和微分預(yù)處理以便獲得校正集樣本光譜數(shù)據(jù)；