[實用新型]一種近紅外光譜檢測水果內部品質的專用檢測系統有效
| 申請號: | 201720191816.6 | 申請日: | 2017-03-01 |
| 公開(公告)號: | CN206788033U | 公開(公告)日: | 2017-12-22 |
| 發明(設計)人: | 寧曉峰;裴軍強;宮元娟;王芳;馮雨龍;劉詩曼;郭娜;秦軍偉;王丹陽 | 申請(專利權)人: | 沈陽農業大學 |
| 主分類號: | G01N21/359 | 分類號: | G01N21/359;G01N21/3563 |
| 代理公司: | 沈陽晨創科技專利代理有限責任公司21001 | 代理人: | 樊南星 |
| 地址: | 110000 遼*** | 國省代碼: | 遼寧;21 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 紅外 光譜 檢測 水果 內部 品質 專用 系統 | ||
技術領域
本實用新型涉及應用近紅外光譜技術對農產品進行無損檢測的應用技術領域,特別提供了一種近紅外光譜檢測水果內部品質的專用檢測系統。
背景技術
隨著生活水平的不斷提高,消費者在購買水果時,不僅關注大小、顏色和外形等外部品質,而且對口感、糖度和酸度等內部品質也提出了更高的要求。目前,對于水果內部品質的檢測,大多采用人工感官評定和常規化學分析的方法。人工感官評定法,具有主觀性強、評價標準不一等缺點而對于常規化學分析方法,雖然其具有檢測準確度高和準確性強等優點,但其檢測工作量大,檢測時間長,并且需對樣品進行破壞,這些都不適用于水果內部品質的快速無損檢測。
國內外學者針對便攜式蘋果檢測裝置的設計也進行了大量研究??抵玖恋热嗽?010年利用可見光近紅外漫反射的原理,設計出一種基于微處理器的便攜式受損水果檢測裝置,實現了對受損蘋果與正常蘋果的識別和分類。該作者以紅富士蘋果作為樣本,通過對測試電壓的分析,提出以標準差作為閾值的檢測方法。經測試,該裝置識別正確率達到90%以上。樊書祥等人在2014年設計了以ARM9處理器為核心、以微型光譜儀和自制果托作為光譜檢測裝置、以WinCE為操作系統的便攜式蘋果糖度光譜檢測儀。研究表明,該檢測儀能較好地滿足蘋果糖度的快速無損檢測。該研究為快速、便攜的蘋果糖度光譜檢測儀設計提供了參考。Guidetti等人在2010年應用便攜式可見―近紅外光譜儀實驗系統(波長范圍450nm-980nm),結合偏最小二乘法PLS建模,對葡萄樣品鮮果和質地均勻的果漿的成熟度指標(可溶性固形物(TSS)、可滴定酸度和pH值)和苯酚成熟度指標(花青素和多酚含量)進行了檢測。研究結果表明:該便攜式可見―近紅外光譜儀可以作為一種快速無損檢測葡萄相關品質的有效手段。美國Michael S.Wiederoder等人在2011年開發了可隨身攜帶的高光譜成像系統,用于檢測食品處理設備上的污染物,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,增加了操作的復雜性。
人們迫切希望獲得一種技術效果優良的近紅外光譜檢測水果內部品質的專用檢測系統。
實用新型內容
本實用新型的目的是提供一種技術效果優良的近紅外光譜檢測水果內部品質的專用檢測系統。為了克服目前國內外現有技術的缺陷,本實用新型特提供了一種基于近紅外光譜技術的寒富蘋果品質無損檢測方法與系統,技術關鍵是應用可見/近紅外光譜技術,可快速、準確地采集被測寒富蘋果表面的可見及近紅外光譜圖像信息,并對其進行分析,從而實現對寒富蘋果品質快速無損檢測。
本實用新型一種近紅外光譜檢測水果內部品質方法,其特征在于:首先建立基于近紅外光譜檢測水果內部品質的預測模型;然后針對待檢測水果使用近紅外光譜檢測方法進行檢測獲得檢測數據;將檢測數據與在先準備的預測模型進行對比;得出針對待檢測水果的內部品質評價結果;其中:建立基于近紅外光譜檢測水果內部品質的預測模型的方法對應的內容依次要求如下:
1)首先對已知糖度含量的各種典型的寒富蘋果樣品用光譜儀(10)采集寒富蘋果樣本表面的光譜信息,每個樣本采集至少3個不同點的光譜信息,然后進行平均處理作為各種典型樣本各自對應的光譜代表信息,寒富蘋果光譜信息是寒富蘋果在485.01-900.71nm波長中1231個波長點下的光譜反射率;
2)對所述步驟1)所得寒富蘋果樣本光譜數據進行預處理;在原始光譜曲線中,在波長的兩端,光譜數據所摻雜的噪聲較多,信噪比較低,為了提高所建立模型的準確性,選取485.01-900.71nm波長下的光譜反射率數據進行預處理和建模;采集到樣本可見近紅外光譜數據導入Unscrambler9.7(美國CAMO公司的化學計量學軟件)中,應用此軟件對光譜數據分別進行消噪預處理,具體是移動平均線(Moving average,MA)和多項式卷積平滑法(Savitzky-Golay,SG);光程校正預處理為:多元散射校正(Multiplicative Scatter Correction,MSC),標準正態變量變換(Standard Normal Variate Correction,SNV)和矢量歸一化(Vector Normalization,VN))和微分預處理以便獲得校正集樣本光譜數據;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于沈陽農業大學,未經沈陽農業大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201720191816.6/2.html,轉載請聲明來源鉆瓜專利網。





