亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

近紅外光譜檢測水果內(nèi)部品質(zhì)方法及專用檢測系統(tǒng)與流程

文檔序號:12656853閱讀:1015來源:國知局
近紅外光譜檢測水果內(nèi)部品質(zhì)方法及專用檢測系統(tǒng)與流程

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



背景技術(shù):

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

國內(nèi)外學(xué)者針對便攜式蘋果檢測裝置的設(shè)計(jì)也進(jìn)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(shè)計(jì)出一種基于微處理器的便攜式受損水果檢測裝置,實(shí)現(xiàn)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(biāo)準(zhǔn)差作為閾值的檢測方法。經(jīng)測試,該裝置識別正確率達(dá)到90%以上。樊書祥等人在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裝置、以WinCE為操作系統(tǒng)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(shè)計(jì)提供了參考。Guidetti等人在2010年應(yīng)用便攜式可見―近紅外光譜儀實(shí)驗(yàn)系統(tǒng)(波長范圍450nm-980nm),結(jié)合偏最小二乘法PLS建模,對葡萄樣品鮮果和質(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。研究結(jié)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(guān)品質(zhì)的有效手段。美國Michael S.Wiederoder等人在2011年開發(fā)了可隨身攜帶的高光譜成像系統(tǒng),用于檢測食品處理設(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水果內(nèi)部品質(zhì)方法及專用檢測系統(tǒng)。



技術(shù)實(shí)現(xiàn)要素:

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水果內(nèi)部品質(zhì)方法及專用檢測系統(tǒng)。為了克服目前國內(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)的寒富蘋果品質(zhì)無損檢測方法與系統(tǒng),技術(shù)關(guān)鍵是應(yīng)用可見/近紅外光譜技術(shù),可快速、準(zhǔn)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(jìn)行分析,從而實(shí)現(xiàn)對寒富蘋果品質(zhì)快速無損檢測。

本發(fā)明近紅外光譜檢測水果內(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水果內(nèi)部品質(zhì)的預(yù)測模型;然后針對待檢測水果使用近紅外光譜檢測方法進(jìn)行檢測獲得檢測數(shù)據(jù);將檢測數(shù)據(jù)與在先準(zhǔn)備的預(yù)測模型進(jìn)行對比;得出針對待檢測水果的內(nèi)部品質(zhì)評價結(jié)果;其中:建立基于近紅外光譜檢測水果內(nèi)部品質(zhì)的預(yù)測模型的方法對應(yīng)的內(nèi)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(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應(yīng)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(diǎn)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(shù)據(jù)進(jìn)行預(yù)處理;在原始光譜曲線中,在波長的兩端,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;采集到樣本可見近紅外光譜數(shù)據(jù)導(dǎo)入Unscrambler9.7(美國CAMO公司的化學(xué)計(jì)量學(xué)軟件)中,應(yīng)用此軟件對光譜數(shù)據(jù)分別進(jìn)行消噪預(yù)處理,具體是移動平均線(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);

3)將所述步驟2)預(yù)處理后的校正集樣本光譜中的信息數(shù)據(jù)進(jìn)行偏最小二乘法分析;(偏最小二乘法是多元統(tǒng)計(jì)數(shù)據(jù)分析方法,1983年阿巴諾(C.Albano)和伍德(S.Wold)等人第一次提出該算法;近年來,其在方法和理論方向發(fā)展迅速,應(yīng)用越來越廣泛;它能夠?qū)⒄J(rèn)識性的方法和模型式的方法有機(jī)的整合起來了,在同一算法下,能夠同時完成數(shù)據(jù)結(jié)構(gòu)簡化(主成分分析)、回歸建模(多元線性回歸)以及XY變量之間的相關(guān)性分析(典型相關(guān)分析),即偏最小二乘法≈多元線性回歸+主成分分析+典型相關(guān)分析;偏最小二乘法是一種多因變量對應(yīng)多自變量的回歸建模方法,它應(yīng)用分別對變量X和Y都進(jìn)行分解的方法,首先在變量Y和X中分別提取各自的主成分(通常稱為因子),再將提取的因子根據(jù)二者之間的相關(guān)性大小進(jìn)行排列;所以,在建立模型時,只要對因子數(shù)進(jìn)行選定,就能夠參與建模了;其公式如下:

X=TPT+E

Y=UQT+F

式中,T=[t1,t2,...,tn]和P=[p1,p2,...,pn]分別為X的得分矩陣和載荷矩陣;U=[u1,u2,...,un]和Q=[q1,q2,...,qn]分別為Y的得分矩陣和載荷矩陣;E=[e1,e2,...,en]T和F=[f1,f2,...,fn]T分別為X和Y的殘差矩陣;T和U之間由系數(shù)矩陣B來關(guān)聯(lián),

U=TB

B=(TTT)-1TTY

對于預(yù)測樣品的矩陣X*,由載荷矩陣P得到得分矩陣T*=X*P,通過式2-12和式2-13迭代便可以得出預(yù)測樣品相關(guān)內(nèi)部品質(zhì)的預(yù)測值Y*為:

Y*=T*BQ=X*PBQ);

4)模型的建立:

根據(jù)所述步驟2)、3)將得到預(yù)處理后的數(shù)據(jù)應(yīng)用偏最小二乘法進(jìn)行建模并記錄各模型下的模型衡量指標(biāo),最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分;以建模集40個樣本為研究對象,建立樣本的糖度的可見近紅外光譜預(yù)測模型;其糖度模型公式為:

Y=11.3628+(-9.2609)X1+0.0031X2+(-0.0284)X3+…+

(-0.0003)X1230+(-9.2609)X1231 (2)

式中Y—蘋果樣品的糖度值,°Brix

X1…X1231—寒富蘋果光譜信息1231個波長點(diǎn)下的光譜反射率

再利用此模型對檢驗(yàn)集20個樣本進(jìn)行預(yù)測,得到建模集、檢驗(yàn)集樣本品質(zhì)測量值與預(yù)測值結(jié)果對比;

20個蘋果樣本的檢測值與真實(shí)值對比如圖6所示。

根據(jù)20個蘋果樣本的檢測值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立絕對偏差分布圖,如圖7所示。

由圖6和圖7可知,絕大多數(shù)樣本的預(yù)測值和測量值的絕對偏差值均在0.15以內(nèi),絕對偏差值很小,滿足在果蔬檢測中的實(shí)際生產(chǎn)要求,所以此模型可應(yīng)用于寒富蘋果糖度的實(shí)際檢測;

5)預(yù)測模型顯示:

對所述步驟4)所建立模型進(jìn)行分析,所得預(yù)測模型預(yù)測精度較高,預(yù)測可靠,滿足蘋果品質(zhì)檢測要求,且可得到寒富蘋果糖度組合預(yù)測PLS(PLS即組合預(yù)測:偏最小二乘法)預(yù)測模型表達(dá)式,并最終在輸入預(yù)測集樣品光譜數(shù)據(jù)后,完成預(yù)測結(jié)果的顯示。

所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法,其特征在于:針對已知糖度含量的各種典型的寒富蘋果樣品,用近紅外光譜儀采集寒富蘋果樣本表面的光譜信息獲得各種樣本的光譜代表信息之后還需對光譜代表信息進(jìn)行下述預(yù)處理:將寒富蘋果光譜數(shù)據(jù)導(dǎo)入軟件Unscrambler9.7中,進(jìn)行樣本糖度數(shù)據(jù)的預(yù)處理,各種預(yù)處理方法如表2所示:

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

數(shù)學(xué)模型的建立后,需要有各項(xiàng)指標(biāo)對模型的準(zhǔn)確性、可靠性、穩(wěn)定性和預(yù)測能力等指標(biāo)作出衡量和評價,判定系數(shù)R2,校正均方根誤差RMSEC,預(yù)測均方根誤差RMSEP,偏離率Bias;判定系數(shù)R2越高,RMSEP≤RMSEC時,說明所建模型預(yù)測效果最佳;由表2分析得知品質(zhì)數(shù)據(jù)最佳預(yù)處理辦法,蘋果糖度的最佳光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分(MSC+SD)。

按照權(quán)利要求1或2所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法,其特征在于:所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法使用專用檢測系統(tǒng),專用檢測系統(tǒng)的構(gòu)成如下:

主要有光譜儀10、飛凌OK6410-A開發(fā)板3、鹵素?zé)艄庠?、移動電源5,光纖探頭7、降壓模塊9、裝置外箱1;其中:電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電;電源5供入電壓為24V;鹵素?zé)艄庠?與檢測探頭7通過電路進(jìn)行連接,以為檢測探頭7供電;電源5還通過降壓模塊9連接著光譜儀10以便為光譜儀10供電;降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V;光譜儀10還與飛凌OK-6410A開發(fā)板3連接,以便為飛凌OK6410-A開發(fā)板3供電;其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法的專用檢測系統(tǒng)還滿足如下要求:光譜儀10具體為可見/近紅外光譜儀,具體購自美國海洋公司,用來對蘋果的光譜信息進(jìn)行采集,它采用索尼Sony公司的第二代ILX511B CCD(其中,ILX511B CCD為2048像素線性圖像傳感器),波長范圍350-1000nm;波長分辨率在0.3-10nm之間,信噪比250:1,最快采樣速度是1ms;

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開發(fā)板3即ARM11處理器連接;

飛凌OK6410-A開發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器,同時核心板ARM11處理器搭載S3C6410芯片,底板設(shè)置有各種外圍電路,S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動、手持等終端設(shè)備;S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成;USB接口電路用于飛凌OK6410-A開發(fā)板3和光譜儀10之間的通信,LCD觸摸屏用于對整個檢測過程的控制和信息的輸出、顯示,SD接口電路用來對光譜數(shù)據(jù)和糖度、酸度的存儲;

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈,其型號為SPL-HL-H,產(chǎn)自杭州譜鐳光電技術(shù)有限公司,其為一款精密型光纖耦合輸出鹵鎢燈,其波長范圍覆蓋了可見光-近紅外光(VIS-NIR),波長為360-2500nm;高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn),而優(yōu)化的穩(wěn)壓電路設(shè)計(jì),確保了鹵鎢燈光源的穩(wěn)光譜輸出,其輸出穩(wěn)定性達(dá)0.2%;

移動電源5的輸出電壓為24V,其為整個裝置的供電時間約2小時,可為光源提供穩(wěn)定、長久的電壓,滿足室外檢測的需求;

所用檢測探頭包括探頭罩、光纖接口、光纖接口固定座三部分;

另外,在降壓模塊9上粘貼有散熱片,達(dá)到為降壓模塊9散熱以及整個裝置系統(tǒng)散熱的目的,且整個裝置外箱1處于開放狀態(tài),這樣可以大幅度地對整個裝置系統(tǒng)進(jìn)行散熱;

本發(fā)明系統(tǒng)用飛凌OK6410-A開發(fā)板代替典型檢測系統(tǒng)中的計(jì)算機(jī),且本發(fā)明系統(tǒng)用移動電源對整個裝置進(jìn)行供電,供電時間較長,可用于室外檢測的使用。

本發(fā)明還要求保護(hù)近紅外光譜檢測水果內(nèi)部品質(zhì)的專用檢測系統(tǒng),其特征在于:所述近紅外光譜檢測水果內(nèi)部品質(zhì)的專用檢測系統(tǒng)的構(gòu)成如下:

主要有USB2000+可見/光譜儀10、飛凌OK6410-A開發(fā)板3、鹵素?zé)艄庠?、移動電源5,光纖探頭7、降壓模塊9、裝置外箱1;其中:電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電;電源5供入電壓為24V;鹵素?zé)艄庠?與檢測探頭7通過電路進(jìn)行連接,以為檢測探頭7供電;電源5還通過降壓模塊9連接著光譜儀10以便為光譜儀10供電;降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V;光譜儀10還與飛凌OK-6410A開發(fā)板3連接,以便為飛凌OK6410-A開發(fā)板3供電;其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測水果內(nèi)部品質(zhì)的專用檢測系統(tǒng)還滿足如下要求:光譜儀10具體為可見/近紅外光譜儀,具體購自美國海洋公司,用來對蘋果的光譜信息進(jìn)行采集,它采用索尼Sony公司的第二代ILX511B CCD(其中,ILX511B CCD為2048像素線性圖像傳感器),波長范圍350-1000nm;波長分辨率在0.3-10nm之間,信噪比250:1,最快采樣速度是1ms;

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開發(fā)板3即ARM11處理器連接;

飛凌OK6410-A開發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器,同時核心板ARM11處理器搭載S3C6410芯片,底板設(shè)置有各種外圍電路,S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動、手持等終端設(shè)備;S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成;USB接口電路用于飛凌OK6410-A開發(fā)板3和光譜儀10之間的通信,LCD觸摸屏用于對整個檢測過程的控制和信息的輸出、顯示,SD接口電路用來對光譜數(shù)據(jù)和糖度、酸度的存儲;

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈,其型號為SPL-HL-H,產(chǎn)自杭州譜鐳光電技術(shù)有限公司,其為一款精密型光纖耦合輸出鹵鎢燈,其波長范圍覆蓋了可見光-近紅外光(VIS-NIR),波長為360-2500nm;高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn),而優(yōu)化的穩(wěn)壓電路設(shè)計(jì),確保了鹵鎢燈光源的穩(wěn)光譜輸出,其輸出穩(wěn)定性達(dá)0.2%;

移動電源5的輸出電壓為24V,其為整個裝置的供電時間約2小時,可為光源提供穩(wěn)定、長久的電壓,滿足室外檢測的需求;

所用檢測探頭包括探頭罩、光纖接口、光纖接口固定座三部分;

另外,在降壓模塊9上粘貼有散熱片,達(dá)到為降壓模塊9散熱以及整個裝置系統(tǒng)散熱的目的,且整個裝置外箱1處于開放狀態(tài),這樣可以大幅度地對整個裝置系統(tǒng)進(jìn)行散熱;

本發(fā)明系統(tǒng)用飛凌OK6410-A開發(fā)板代替典型檢測系統(tǒng)中的計(jì)算機(jī),且本發(fā)明系統(tǒng)用移動電源對整個裝置進(jìn)行供電,供電時間較長,可用于室外檢測的使用。

如圖1、圖3所示,本發(fā)明系統(tǒng)的工作原理為:將寒富蘋果樣品放在光纖探頭7的檢測位置,鹵素?zé)艄庠?照射被檢測的樣品,從樣品中透過的光經(jīng)光纖探頭7和光纖傳給光譜儀10,光譜儀通過串口把數(shù)據(jù)傳送給ARM11嵌入式主板處理系統(tǒng)進(jìn)行處理,并將結(jié)果顯示在LED觸摸屏上。

如圖2所示,其檢測系統(tǒng)工作過程為:開始檢測前,先對剛購入的寒富蘋果樣品清洗并編寫蘋果樣品信息及產(chǎn)地,然后打開裝置電源,啟動系統(tǒng)硬件(開發(fā)板、光源),光源預(yù)熱3分鐘。光源的光譜強(qiáng)度達(dá)到穩(wěn)定后開始檢測,同時,選擇光譜儀的設(shè)置參數(shù)(平滑度、積分時間、采樣次數(shù))。然后把檢測探頭靠近寒富蘋果樣品表面,再按下操作界面的開始檢測按鈕,光譜儀采集寒富蘋果樣品光譜數(shù)據(jù),并把檢測到的數(shù)據(jù)輸入到內(nèi)嵌的數(shù)學(xué)模型進(jìn)行預(yù)測分析,返回檢測參數(shù)及等級信息,輸出到界面上。

本發(fā)明提出的一種近紅外光譜無損檢測寒富蘋果內(nèi)部品質(zhì)的軟件系統(tǒng),是在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上,采用VS2005編程工具,設(shè)計(jì)出人性化的軟件系統(tǒng),完成光譜儀參數(shù)設(shè)置、采集暗光譜、去除暗光譜、存儲參考光譜、樣品光譜數(shù)據(jù)采集和存儲,并把采集到的光譜數(shù)據(jù)載入到軟件模型方程中,計(jì)算出樣品的糖度值,并在屏幕上顯示出檢測結(jié)果。軟件在編寫、調(diào)試無誤后,交叉編譯到便攜式裝置ARM11板中,在WinCE6.0系統(tǒng)下運(yùn)行該軟件,其效果如圖5所示。

本發(fā)明選用購于沈陽農(nóng)業(yè)大學(xué)院內(nèi)水果超市的“寒富蘋果”,為保證樣本的代表性和豐富性,統(tǒng)一選取無明顯缺陷、色澤統(tǒng)一、儲藏時間較為接近,使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的蘋果樣本。

應(yīng)用臺灣LINK便攜式RHB-080型手持折光糖度儀測量樣本糖度測定樣品中的糖度含量,以這批樣品作為建立數(shù)學(xué)模型的校正集來建立數(shù)學(xué)模型,提出了一種利用寒富蘋果的近紅外光譜中包含樣品的主要成分及測量的信息測定其糖度含量的方法,該方法應(yīng)用化學(xué)計(jì)量學(xué)方法對寒富蘋果近紅外光譜和糖度含量進(jìn)行關(guān)聯(lián)研究,可以確定這兩者之間的定性或定量關(guān)系,即預(yù)測模型。

建立預(yù)測模型后,只要測量出未知樣品的近紅外光譜,根據(jù)預(yù)測模型就可以確定寒富蘋果的糖度含量。該方法具有分析速度快、分析效率高,不使用任何化學(xué)試劑,分析成本低,且對環(huán)境不造成任何污染的優(yōu)點(diǎn)。

應(yīng)用可見/近紅外光譜技術(shù)檢測水果品質(zhì)是國內(nèi)外農(nóng)產(chǎn)品科學(xué)研究的熱點(diǎn)之一,一個典型的檢測系統(tǒng)通常由暗箱、光譜儀、計(jì)算機(jī)、光源、檢測探頭等組成?,F(xiàn)有技術(shù)中相關(guān)的檢測系統(tǒng)通??梢杂?jì)算機(jī)作為處理平臺,存在體積大、不便于在室外操作,移動不方便等缺點(diǎn)。

而本發(fā)明基于嵌入式系統(tǒng)和可見/近紅外光譜檢測技術(shù),以ARM11(advanced RISC machines)處理器為核心,以鹵素?zé)艄庠?和USB2000+可見/近紅外光譜儀為光譜檢測裝置的核心部分,在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上,采用vs2005編程工具,設(shè)計(jì)出人機(jī)交互界面;同時,利用飛凌OK6410-A開發(fā)板代替實(shí)驗(yàn)室計(jì)算機(jī)來進(jìn)行數(shù)據(jù)處理,利用移動電源對其整個裝置系統(tǒng)進(jìn)行長時間供電,使該檢測系統(tǒng)體積大幅度減小,可在室外長時間操作,達(dá)到嵌入式和便攜式目的。

本發(fā)明基于近紅外光譜技術(shù),具有分析速度快、非破壞性、樣品無需預(yù)處理,可以實(shí)現(xiàn)對多組分同時測定,以及低成本和操作簡單等優(yōu)點(diǎn)。其具有可預(yù)期的較為巨大的經(jīng)濟(jì)價值和社會價值。

附圖說明

下面結(jié)合附圖及實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明:

圖1為檢測系統(tǒng)工作原理框圖;

圖2為寒富蘋果檢測流程圖;

圖3為檢測系統(tǒng)硬件構(gòu)成原理示意簡圖;

圖4裝置軟件系統(tǒng)界面;

圖5為樣本可見/近紅外光漫反射率光譜圖;

圖6為20個蘋果樣本的糖度檢測值與真實(shí)值對比圖;

圖7為根據(jù)20個蘋果樣本的檢測值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立的絕對偏差分布圖。

具體實(shí)施方式

附圖標(biāo)記含義如下:1-外箱;2-LED觸摸屏;3-開發(fā)板主板;4-鹵素?zé)艄庠矗?-電源;6-散熱片;7-檢測探頭;8-光纖;9-降壓模塊;10-近紅外光譜儀。

實(shí)施例1

近紅外光譜檢測水果內(nèi)部品質(zhì)方法:首先建立基于近紅外光譜檢測水果內(nèi)部品質(zhì)的預(yù)測模型;然后針對待檢測水果使用近紅外光譜檢測方法進(jìn)行檢測獲得檢測數(shù)據(jù);將檢測數(shù)據(jù)與在先準(zhǔn)備的預(yù)測模型進(jìn)行對比;得出針對待檢測水果的內(nèi)部品質(zhì)評價結(jié)果;其中:建立基于近紅外光譜檢測水果內(nèi)部品質(zhì)的預(yù)測模型的方法對應(yīng)的內(nèi)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(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應(yīng)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(diǎn)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(shù)據(jù)進(jìn)行預(yù)處理;在原始光譜曲線中,在波長的兩端,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;采集到樣本可見近紅外光譜數(shù)據(jù)導(dǎo)入Unscrambler9.7(美國CAMO公司的化學(xué)計(jì)量學(xué)軟件)中,應(yīng)用此軟件對光譜數(shù)據(jù)分別進(jìn)行消噪預(yù)處理,具體是移動平均線(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);

3)將所述步驟2)預(yù)處理后的校正集樣本光譜中的信息數(shù)據(jù)進(jìn)行偏最小二乘法分析;(偏最小二乘法是多元統(tǒng)計(jì)數(shù)據(jù)分析方法,1983年阿巴諾(C.Albano)和伍德(S.Wold)等人第一次提出該算法;近年來,其在方法和理論方向發(fā)展迅速,應(yīng)用越來越廣泛;它能夠?qū)⒄J(rèn)識性的方法和模型式的方法有機(jī)的整合起來了,在同一算法下,能夠同時完成數(shù)據(jù)結(jié)構(gòu)簡化(主成分分析)、回歸建模(多元線性回歸)以及XY變量之間的相關(guān)性分析(典型相關(guān)分析),即偏最小二乘法≈多元線性回歸+主成分分析+典型相關(guān)分析;偏最小二乘法是一種多因變量對應(yīng)多自變量的回歸建模方法,它應(yīng)用分別對變量X和Y都進(jìn)行分解的方法,首先在變量Y和X中分別提取各自的主成分(通常稱為因子),再將提取的因子根據(jù)二者之間的相關(guān)性大小進(jìn)行排列;所以,在建立模型時,只要對因子數(shù)進(jìn)行選定,就能夠參與建模了;其公式如下:

X=TPT+E

Y=UQT+F

式中,T=[t1,t2,...,tn]和P=[p1,p2,...,pn]分別為X的得分矩陣和載荷矩陣;U=[u1,u2,...,un]和Q=[q1,q2,...,qn]分別為Y的得分矩陣和載荷矩陣;E=[e1,e2,...,en]T和F=[f1,f2,...,fn]T分別為X和Y的殘差矩陣;T和U之間由系數(shù)矩陣B來關(guān)聯(lián),

U=TB

B=(TTT)-1TTY

對于預(yù)測樣品的矩陣X*,由載荷矩陣P得到得分矩陣T*=X*P,通過式2-12和式2-13迭代便可以得出預(yù)測樣品相關(guān)內(nèi)部品質(zhì)的預(yù)測值Y*為:

Y*=T*BQ=X*PBQ);

4)模型的建立:

根據(jù)所述步驟2)、3)將得到預(yù)處理后的數(shù)據(jù)應(yīng)用偏最小二乘法進(jìn)行建模并記錄各模型下的模型衡量指標(biāo),最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分;以建模集40個樣本為研究對象,建立樣本的糖度的可見近紅外光譜預(yù)測模型;其糖度模型公式為:

Y=11.3628+(-9.2609)X1+0.0031X2+(-0.0284)X3+…+

(-0.0003)X1230+(-9.2609)X1231 (2)

式中Y—蘋果樣品的糖度值,°Brix

X1…X1231—寒富蘋果光譜信息1231個波長點(diǎn)下的光譜反射率

再利用此模型對檢驗(yàn)集20個樣本進(jìn)行預(yù)測,得到建模集、檢驗(yàn)集樣本品質(zhì)測量值與預(yù)測值結(jié)果對比;

20個蘋果樣本的檢測值與真實(shí)值對比如圖6所示。

根據(jù)20個蘋果樣本的檢測值與真實(shí)值的統(tǒng)計(jì)結(jié)果建立絕對偏差分布圖,如圖7所示。

由圖6和圖7可知,絕大多數(shù)樣本的預(yù)測值和測量值的絕對偏差值均在0.15以內(nèi),絕對偏差值很小,滿足在果蔬檢測中的實(shí)際生產(chǎn)要求,所以此模型可應(yīng)用于寒富蘋果糖度的實(shí)際檢測;

5)預(yù)測模型顯示:

對所述步驟4)所建立模型進(jìn)行分析,所得預(yù)測模型預(yù)測精度較高,預(yù)測可靠,滿足蘋果品質(zhì)檢測要求,且可得到寒富蘋果糖度組合預(yù)測PLS(PLS即組合預(yù)測:偏最小二乘法)預(yù)測模型表達(dá)式,并最終在輸入預(yù)測集樣品光譜數(shù)據(jù)后,完成預(yù)測結(jié)果的顯示。

針對已知糖度含量的各種典型的寒富蘋果樣品,用近紅外光譜儀采集寒富蘋果樣本表面的光譜信息獲得各種樣本的光譜代表信息之后還需對光譜代表信息進(jìn)行下述預(yù)處理:將寒富蘋果光譜數(shù)據(jù)導(dǎo)入軟件Unscrambler9.7中,進(jìn)行樣本糖度數(shù)據(jù)的預(yù)處理,各種預(yù)處理方法如表2所示:

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

數(shù)學(xué)模型的建立后,需要有各項(xiàng)指標(biāo)對模型的準(zhǔn)確性、可靠性、穩(wěn)定性和預(yù)測能力等指標(biāo)作出衡量和評價,判定系數(shù)R2,校正均方根誤差RMSEC,預(yù)測均方根誤差RMSEP,偏離率Bias;判定系數(shù)R2越高,RMSEP≤RMSEC時,說明所建模型預(yù)測效果最佳;由表2分析得知品質(zhì)數(shù)據(jù)最佳預(yù)處理辦法,蘋果糖度的最佳光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分(MSC+SD)。

所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法使用專用檢測系統(tǒng),專用檢測系統(tǒng)的構(gòu)成如下:

主要有光譜儀10、飛凌OK6410-A開發(fā)板3、鹵素?zé)艄庠?、移動電源5,光纖探頭7、降壓模塊9、裝置外箱1;其中:電源5連接著鹵素?zé)艄庠?以便為鹵素?zé)艄庠?供電;電源5供入電壓為24V;鹵素?zé)艄庠?與檢測探頭7通過電路進(jìn)行連接,以為檢測探頭7供電;電源5還通過降壓模塊9連接著光譜儀10以便為光譜儀10供電;降壓模塊9的具體把24V電壓轉(zhuǎn)換為5V;光譜儀10還與飛凌OK-6410A開發(fā)板3連接,以便為飛凌OK6410-A開發(fā)板3供電;其他裝置都布置在裝置外箱1上。

所述近紅外光譜檢測水果內(nèi)部品質(zhì)方法的專用檢測系統(tǒng)還滿足如下要求:光譜儀10具體為可見/近紅外光譜儀,具體購自美國海洋公司,用來對蘋果的光譜信息進(jìn)行采集,它采用索尼Sony公司的第二代ILX511B CCD(其中,ILX511B CCD為2048像素線性圖像傳感器),波長范圍350-1000nm;波長分辨率在0.3-10nm之間,信噪比250:1,最快采樣速度是1ms;

USB2000+光譜儀由USB數(shù)據(jù)線接口與飛凌OK6410-A開發(fā)板3即ARM11處理器連接;

飛凌OK6410-A開發(fā)板3具體是基于三星(SUMSUNG)公司的ARM11處理器,同時核心板ARM11處理器搭載S3C6410芯片,底板設(shè)置有各種外圍電路,S3C6410是SUMSUNG(三星)公司基于ARM 1176的16/32位的高性能低功耗的RISC(Reduced Instruction Set Computer)通用處理器,適用于移動、手持等終端設(shè)備;S3C6410的外圍電路主要由USB接口電路、SD接口電路、電壓轉(zhuǎn)換電路、蜂鳴器以及LCD觸摸屏等構(gòu)成;USB接口電路用于飛凌OK6410-A開發(fā)板3和光譜儀10之間的通信,LCD觸摸屏用于對整個檢測過程的控制和信息的輸出、顯示,SD接口電路用來對光譜數(shù)據(jù)和糖度、酸度的存儲;

鹵素?zé)艄庠?為SPL-HL系列鹵鎢燈,其型號為SPL-HL-H,產(chǎn)自杭州譜鐳光電技術(shù)有限公司,其為一款精密型光纖耦合輸出鹵鎢燈,其波長范圍覆蓋了可見光-近紅外光(VIS-NIR),波長為360-2500nm;高效優(yōu)化的光學(xué)設(shè)計(jì)使得鹵鎢燈具備低功耗高亮度輸出優(yōu)點(diǎn),而優(yōu)化的穩(wěn)壓電路設(shè)計(jì),確保了鹵鎢燈光源的穩(wěn)光譜輸出,其輸出穩(wěn)定性達(dá)0.2%;

移動電源5的輸出電壓為24V,其為整個裝置的供電時間約2小時,可為光源提供穩(wěn)定、長久的電壓,滿足室外檢測的需求;

所用檢測探頭包括探頭罩、光纖接口、光纖接口固定座三部分;

另外,在降壓模塊9上粘貼有散熱片,達(dá)到為降壓模塊9散熱以及整個裝置系統(tǒng)散熱的目的,且整個裝置外箱1處于開放狀態(tài),這樣可以大幅度地對整個裝置系統(tǒng)進(jìn)行散熱;

本實(shí)施例系統(tǒng)用飛凌OK6410-A開發(fā)板代替典型檢測系統(tǒng)中的計(jì)算機(jī),且本實(shí)施例系統(tǒng)用移動電源對整個裝置進(jìn)行供電,供電時間較長,可用于室外檢測的使用。

如圖1、圖3所示,本實(shí)施例系統(tǒng)的工作原理為:將寒富蘋果樣品放在光纖探頭7的檢測位置,鹵素?zé)艄庠?照射被檢測的樣品,從樣品中透過的光經(jīng)光纖探頭7和光纖傳給光譜儀10,光譜儀通過串口把數(shù)據(jù)傳送給ARM 11嵌入式主板處理系統(tǒng)進(jìn)行處理,并將結(jié)果顯示在LED觸摸屏上。

如圖2所示,其檢測系統(tǒng)工作過程為:開始檢測前,先對剛購入的寒富蘋果樣品清洗并編寫蘋果樣品信息及產(chǎn)地,然后打開裝置電源,啟動系統(tǒng)硬件(開發(fā)板、光源),光源預(yù)熱3分鐘。光源的光譜強(qiáng)度達(dá)到穩(wěn)定后開始檢測,同時,選擇光譜儀的設(shè)置參數(shù)(平滑度、積分時間、采樣次數(shù))。然后把檢測探頭靠近寒富蘋果樣品表面,再按下操作界面的開始檢測按鈕,光譜儀采集寒富蘋果樣品光譜數(shù)據(jù),并把檢測到的數(shù)據(jù)輸入到內(nèi)嵌的數(shù)學(xué)模型進(jìn)行預(yù)測分析,返回檢測參數(shù)及等級信息,輸出到界面上。

本實(shí)施例提出的一種近紅外光譜無損檢測寒富蘋果內(nèi)部品質(zhì)的軟件系統(tǒng),是在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上,采用VS2005編程工具,設(shè)計(jì)出人性化的軟件系統(tǒng),完成光譜儀參數(shù)設(shè)置、采集暗光譜、去除暗光譜、存儲參考光譜、樣品光譜數(shù)據(jù)采集和存儲,并把采集到的光譜數(shù)據(jù)載入到軟件模型方程中,計(jì)算出樣品的糖度值,并在屏幕上顯示出檢測結(jié)果。軟件在編寫、調(diào)試無誤后,交叉編譯到便攜式裝置ARM11板中,在WinCE6.0系統(tǒng)下運(yùn)行該軟件,其效果如圖5所示。

本實(shí)施例選用購于沈陽農(nóng)業(yè)大學(xué)院內(nèi)水果超市的“寒富蘋果”,為保證樣本的代表性和豐富性,統(tǒng)一選取無明顯缺陷、色澤統(tǒng)一、儲藏時間較為接近,使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的蘋果樣本。

應(yīng)用臺灣LINK便攜式RHB-080型手持折光糖度儀測量樣本糖度測定樣品中的糖度含量,以這批樣品作為建立數(shù)學(xué)模型的校正集來建立數(shù)學(xué)模型,提出了一種利用寒富蘋果的近紅外光譜中包含樣品的主要成分及測量的信息測定其糖度含量的方法,該方法應(yīng)用化學(xué)計(jì)量學(xué)方法對寒富蘋果近紅外光譜和糖度含量進(jìn)行關(guān)聯(lián)研究,可以確定這兩者之間的定性或定量關(guān)系,即預(yù)測模型。

建立預(yù)測模型后,只要測量出未知樣品的近紅外光譜,根據(jù)預(yù)測模型就可以確定寒富蘋果的糖度含量。該方法具有分析速度快、分析效率高,不使用任何化學(xué)試劑,分析成本低,且對環(huán)境不造成任何污染的優(yōu)點(diǎn)。

應(yīng)用可見/近紅外光譜技術(shù)檢測水果品質(zhì)是國內(nèi)外農(nóng)產(chǎn)品科學(xué)研究的熱點(diǎn)之一,一個典型的檢測系統(tǒng)通常由暗箱、光譜儀、計(jì)算機(jī)、光源、檢測探頭等組成。現(xiàn)有技術(shù)中相關(guān)的檢測系統(tǒng)通??梢杂?jì)算機(jī)作為處理平臺,存在體積大、不便于在室外操作,移動不方便等缺點(diǎn)。

而本實(shí)施例基于嵌入式系統(tǒng)和可見/近紅外光譜檢測技術(shù),以ARM11(advanced RISC machines)處理器為核心,以鹵素?zé)艄庠?和USB2000+可見/近紅外光譜儀為光譜檢測裝置的核心部分,在ARM11內(nèi)嵌的WinCE6.0系統(tǒng)上,采用vs2005編程工具,設(shè)計(jì)出人機(jī)交互界面;同時,利用飛凌OK6410-A開發(fā)板代替實(shí)驗(yàn)室計(jì)算機(jī)來進(jìn)行數(shù)據(jù)處理,利用移動電源對其整個裝置系統(tǒng)進(jìn)行長時間供電,使該檢測系統(tǒng)體積大幅度減小,可在室外長時間操作,達(dá)到嵌入式和便攜式目的。

本實(shí)施例基于近紅外光譜技術(shù),具有分析速度快、非破壞性、樣品無需預(yù)處理,可以實(shí)現(xiàn)對多組分同時測定,以及低成本和操作簡單等優(yōu)點(diǎn)。其具有可預(yù)期的較為巨大的經(jīng)濟(jì)價值和社會價值。

實(shí)施例2

1.試驗(yàn)材料:試驗(yàn)樣品為“寒富蘋果”,產(chǎn)自遼寧省沈陽市,采自沈陽農(nóng)業(yè)大學(xué)科研實(shí)驗(yàn)基地。樣本數(shù)量為60個,為保證樣本的代表性和豐富性,統(tǒng)一選取無明顯缺陷、色澤統(tǒng)一的蘋果樣本。使用游標(biāo)卡尺挑選直徑范圍在70-100mm之間的樣本,將60個樣本分為建模集40個和檢驗(yàn)集20個。采摘當(dāng)天帶回實(shí)驗(yàn)室,將其清洗擦干,編號、標(biāo)記后用0.2mm聚乙烯塑料保鮮膜包裝,放在(0±0.5)℃冷藏室中貯藏備用。試驗(yàn)前從冷藏室中取出,放置5h,使樣本整體溫度與試驗(yàn)環(huán)境(溫度為21℃、相對濕度為19%)保持一致。

2.光譜數(shù)據(jù)采集:打開檢測系統(tǒng)電源,預(yù)熱3分鐘,設(shè)置系統(tǒng)檢測參數(shù),積分時間是100ms,平均次數(shù)為2,平滑度為6。將標(biāo)準(zhǔn)校正黑參考板放置在檢測探頭上,采集暗光譜,然后放置標(biāo)準(zhǔn)校正白板,采集參考光譜。再把檢測探頭放置在蘋果表面,對寒富蘋果樣本進(jìn)行采集,為了得到更具代表性的信息,應(yīng)對蘋果陰陽面都進(jìn)行照射并按比例進(jìn)行采集。每個樣本采集3個不同點(diǎn)的光譜信息然后進(jìn)行平均處理作為該光譜的代表信息,樣本可見/近紅外光漫反射率光譜圖如圖5所示。光譜反射率計(jì)算公式為:

式中:Rλ—波長λ下該蘋果樣品光譜反射率;

Sλ—波長λ下該蘋果樣品所反射的光譜強(qiáng)度;

Dλ—暗光譜的光譜強(qiáng)度;

R—參考光譜的光譜強(qiáng)度。

3.蘋果品質(zhì)物理化學(xué)方法標(biāo)定:蘋果品質(zhì)包括果形大小、顏色、氣味、營養(yǎng)物質(zhì)含量、褐變程度、可食率等幾個指標(biāo)。試驗(yàn)中主要選取糖度作為寒富蘋果化學(xué)品質(zhì)評價指標(biāo)。按照國家標(biāo)準(zhǔn)GB/T10651-2008(鮮蘋果),應(yīng)用臺灣LINK便攜式RHB-080型手持折光糖度儀測量樣本糖度。試驗(yàn)中取樣部位均為樣本光譜采集區(qū)域。測定結(jié)果如表1所示。

表1寒富蘋果糖酸脆度化學(xué)值的統(tǒng)計(jì)表

4.光譜數(shù)據(jù)預(yù)處理

在原始光譜曲線中,在波長的兩端,光譜數(shù)據(jù)所摻雜的噪聲較多,信噪比較低,為了提高要建立模型的準(zhǔn)確性,選取485.01-900.71nm波長下的光譜反射率數(shù)據(jù)進(jìn)行預(yù)處理和建模。采集到樣本可見近紅外光譜數(shù)據(jù)導(dǎo)入Unscrambler9.7(美國CAMO公司)中,定量分析光譜信息,確定適合蘋果品質(zhì)信息的預(yù)處理方法,建立糖度數(shù)學(xué)模型。

對于樣本糖度,不同的光譜數(shù)據(jù)預(yù)處理方法,得到的偏最小二乘法(PLS)數(shù)學(xué)建模結(jié)果不同。綜合各模型評價指標(biāo)結(jié)果,發(fā)現(xiàn)多元散射校正結(jié)合二階微分的光譜數(shù)據(jù)預(yù)處理方法決定系數(shù)(0.9908)更高,校正均方根誤差(0.1242)和預(yù)測均方根誤差(0.1189)相對較小,且RMSEP(0.1189)<RMSEC(0.1242)。說明對于糖度品質(zhì),最適合的光譜數(shù)據(jù)預(yù)處理方法為多元散射校正結(jié)合二階微分。

表2樣本糖度數(shù)據(jù)預(yù)處理方法統(tǒng)計(jì)表

樣本糖度品質(zhì)預(yù)測模型,決定系數(shù)R2=0.9852,預(yù)測均方根誤差RMSEP(0.0958)<校正均方根誤差RMSEC(0.1172),偏差值Bias=-0.0133??芍?,該預(yù)測模型預(yù)測結(jié)果合理,預(yù)測精度相對理想。試驗(yàn)以建模集40個樣本為研究對象,建立樣本的糖度可見/近紅外光譜預(yù)測模型,再利用此模型對檢驗(yàn)集20個樣本預(yù)測。

表3檢驗(yàn)集樣本糖度真實(shí)值與預(yù)測值統(tǒng)計(jì)表

絕大多數(shù)樣本的預(yù)測值和測量值的絕對偏差值均在0.15以內(nèi),絕對偏差值很小,滿足在果蔬檢測中的實(shí)際生產(chǎn)要求,所以此模型可應(yīng)用于寒富蘋果糖度的實(shí)際檢測。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1