[發明專利]一種基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法

在審

• 申請號: 202110208473.0
• 申請日: 2021-02-24
• 公開（公告）號: CN113008815A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 張璐;張慧;顏繼忠;鄭潔;殷文俊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G01N21/31
• 分類號: G01N21/31;G01N21/01
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 黃美娟;朱思蘭

1.一種基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法，其特征在于，所述方法包括如下步驟：

(1)樣本高光譜采集

采集不同批次的酸棗仁藥材作為樣本，利用高光譜成像系統進行高光譜圖像信息的采集；

(2)理化檢測總黃酮含量

用理化檢測方法測定酸棗仁樣本中總黃酮的含量，作為實測值；

(3)樣本高光譜圖像黑白校正

在高光譜數據采集之前對樣本高光譜圖像進行黑白校正，以減少其他無關因素的干擾；

黑白校正公式為：R_cal＝(R_raw﹣R_dark)/(R_white﹣R_dark)

其中，R_white為采集標準Teflon白板得到的全白標定圖像，R_dark為關閉相機快門得到的全黑標定圖像，R_raw為采集到的原始高光譜圖像，R_cal為經過黑白校正后的高光譜圖像；

(4)感興趣區域平均光譜的自動提取

使用Spyder(python 3.7)用來對黑白校正后的高光譜圖像進行后續的處理與分析；先對黑白校正后的高光譜圖像進行掩膜操作生成新的灰度圖像，對其進行二進制閾值分割和背景去除得到二進制圖像；同時由于酸棗仁樣本存在聚集情況，故采用分水嶺算法分割了聚集樣本，得到了分開的單粒樣本圖像及其光譜矩陣；對同一批次的每粒樣本的光譜矩陣進行平均化處理，即可獲得每批次樣本的平均光譜值，實現感興趣區域平均光譜的自動提取；

(5)預測模型建立

利用自動提取出的感興趣區域的平均光譜與理化檢測的總黃酮含量相對應建立預測模型，通過篩選不同的光譜預處理方法及提取特征波長方法以提高模型的預測精度，同時對所建立的預測模型進行評估；

樣本通過Kennard-Stone算法以7：3的比例劃分校正集與預測集；

光譜預處理方法包括：一階導數、二階導數、S-G平滑、多元散射校正、標準正態變量變換、標準化、中心化；

提取特征波長方法包括：連續投影算法、競爭性自適應重加權算法、向后閾值區間偏最小二乘篩選法、聯合區間偏最小二乘法、遺傳算法；

所建立的預測模型為偏最小二乘回歸PLSR模型；

PLSR模型性能的評價指標主要以決定系數R²和均方根誤差RMSE來表示；R²越接近于1，RMSE越接近于0時，模型性能較好；若R²的值高于0.9，則表示該模型有很好的預測能力；

(6)實際樣品檢測

采集待測樣品的高光譜圖像信息，將待測樣品的高光譜圖像數據輸入步驟(5)建立的預測模型中，即可獲得待測樣品的總黃酮含量。

2.如權利要求1所述基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法，其特征在于，步驟(1)中，樣本數量大于或者等于50批次，并且批次間總黃酮含量有所差異。

3.如權利要求1所述基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法，其特征在于，步驟(1)中，高光譜圖像采集操作參數設置如下：水平移動平臺的速度為1.6mm·s^-1，鏡頭與樣品之間的距離為20.5cm，CCD相機曝光時間為26ms；獲得高光譜數據立方體，其寬為640像素，長為1000像素，以1.67nm的間隔從898nm到1751nm的512個波長。

4.如權利要求1所述基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法，其特征在于，步驟(2)中，理化檢測總黃酮的方法為酶標儀測定法，測得酸棗仁總黃酮供試品溶液的吸光度值，并按照標準曲線計算每個樣本中的總黃酮含量的實測值。

5.如權利要求1所述基于高光譜圖像信息無損檢測酸棗仁中總黃酮的方法，其特征在于，步驟(5)中，校正集58個樣本，預測集26個樣本。