一種利用高光譜技術(shù)檢測蘋果酸味的方法
【專利摘要】本發(fā)明公開了一種利用高光譜技術(shù)檢測蘋果酸味的方法,包括如下步驟:通過高光譜分選儀獲取蘋果樣本的高光譜數(shù)據(jù);并通過電子舌獲取所述蘋果樣本的相應(yīng)的味覺數(shù)據(jù);選擇中間的480個(gè)波段作為原始光譜數(shù)據(jù),對其進(jìn)行預(yù)處理后進(jìn)行偏最小二乘回歸建模分析,得出校正集和預(yù)測集相關(guān)系數(shù)R和均方根誤差RMSE,選取18個(gè)局部相關(guān)系數(shù)的極大值和極小值所對應(yīng)波段值作為特征波段建立蘋果酸味預(yù)測模型。本發(fā)明利用高光譜技術(shù)檢測蘋果酸味指標(biāo)的研究方法,通過將高光譜數(shù)據(jù)和電子舌測量的數(shù)據(jù)建立特征波段偏最小二乘回歸模型,為后續(xù)的檢測提供模板,具有方法科學(xué)合理,便于操作,味覺準(zhǔn)確率高等優(yōu)點(diǎn)。
【專利說明】
一種利用高光譜技術(shù)檢測蘋果酸味的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種利用高光譜技術(shù)檢測蘋果酸味的方法。
【背景技術(shù)】
[0002] 在購買水果時(shí),消費(fèi)者不僅重視其外形,而且對于其內(nèi)部品質(zhì)也越來越在乎,內(nèi)部 品質(zhì)主要指標(biāo)包括糖度、酸度、水分、可溶性固體物、脆度、硬度以及水果口感等。在檢測水 果內(nèi)部品質(zhì)時(shí),主要方法有:
[0003] 1、光譜法,可對物體內(nèi)部物理結(jié)構(gòu)及化學(xué)成分進(jìn)行分析。
[0004] 2、介電特性檢測技術(shù),用測試儀測定待測水果的實(shí)際介電參數(shù),由介電參數(shù)來檢 測水果的內(nèi)外部品質(zhì)。
[0005] 3、聲學(xué)特性檢測技術(shù),水果在聲波中對聲波進(jìn)行反射(也包括透射和散射)時(shí),它 的一些特征參數(shù)與它原本的頻率有很大的關(guān)系,不同水果的內(nèi)部組織會(huì)呈現(xiàn)出不同的聲學(xué) 特性,通過這些聲學(xué)特性尋找出與水果品質(zhì)如糖度、堅(jiān)實(shí)度、肉質(zhì)顏色、紋理、成熟度之間的 關(guān)系,從而進(jìn)行檢測與分級。
[0006] 4、力學(xué)特性檢測技術(shù),可實(shí)現(xiàn)無損檢測,檢測參數(shù)是水果的軟硬、口感是否甜脆 等。
[0007] 蘋果的酸味是消費(fèi)者最重要的口感指標(biāo)之一,目前尚未有合適的方法能夠無算檢 測蘋果酸味,因此,亟需發(fā)展一種快速、無損、高效的檢測方法來檢測蘋果酸味品質(zhì)。
【發(fā)明內(nèi)容】
[0008] 為解決上述問題,本發(fā)明提供了一種利用高光譜技術(shù)檢測蘋果酸味的方法。
[0009] 為實(shí)現(xiàn)上述目的,本發(fā)明采取的技術(shù)方案為:
[0010] -種利用高光譜技術(shù)檢測蘋果酸味的方法,包括如下步驟:
[0011] S1、通過高光譜分選儀獲取12個(gè)蘋果樣本的高光譜數(shù)據(jù),對每一個(gè)蘋果分別選取 上、下、左、右、中5個(gè)感興趣區(qū)域,然后求5個(gè)感興趣區(qū)域的平均光譜作為該樣本的光譜數(shù) 據(jù);并通過電子舌獲取所述蘋果樣本的相應(yīng)的味覺數(shù)據(jù);
[0012] S2、選擇中間的480個(gè)波段作為原始光譜數(shù)據(jù),并對所得的原始光譜依次進(jìn)行多元 散射校正(MSC)、Savitzky-Golay(S-G)卷積平滑和MSC+S-G的光譜預(yù)處理;
[0013] S3、對預(yù)處理后的光譜進(jìn)行偏最小二乘回歸(PLSR)建模分析,得出校正集和預(yù)測 集相關(guān)系數(shù)R和均方根誤差RMSE;
[0014] S4、選取18個(gè)局部相關(guān)系數(shù)的極大值和極小值所對應(yīng)波段值作為特征波段,依次 是422nm、435nm、456nm、478nm、492nm、523nm、527nm、571nm、660nm、680nm、695nm、722nm、 874]1111、89111111、94111111、97611111、992111]1和1003111]1建立蘋果酸味預(yù)測模型。
[0015] 其中,所述步驟S2采用The Unscrambler Startup9.7軟件建立特征波段偏最小二 乘回歸(PLSR)模型。
[0016] 其中,所述步驟S1中味覺數(shù)據(jù)具體通過以下步驟獲?。?br>[0017] 將所述蘋果樣本進(jìn)行研磨榨汁,分別稱取30ml果汁,倒入60ml蒸餾水,一分鐘后, 充分混合,放入離心機(jī)3000rpm離心10分鐘,取上層清液,得到2個(gè)樣本溶液待檢;每份待檢 測樣品用電子舌測量6次,每次測量結(jié)束后電子舌自動(dòng)清洗,直到2個(gè)待測樣品全部測量完 畢,每一個(gè)樣本獲得6個(gè)數(shù)據(jù),共12個(gè)數(shù)據(jù),測完一組蘋果樣本后,進(jìn)行下一次測量;重復(fù)上 述步驟,完成其余6組蘋果的檢測,共得72組蘋果酸味數(shù)據(jù),與高光譜數(shù)據(jù)相對應(yīng)。
[0018] 本發(fā)明具有以下有益效果:
[0019] 利用高光譜技術(shù)檢測蘋果口感指標(biāo)(酸味)的研究方法,將高光譜數(shù)據(jù)和電子舌測 量的數(shù)據(jù)運(yùn)用The Unscrambler Startup9.7軟件建立特征波段偏最小二乘回歸(PLSR)模 型,為后續(xù)的檢測提供模板,具有方法科學(xué)合理,便于操作,味覺準(zhǔn)確率高等優(yōu)點(diǎn)。
【附圖說明】
[0020] 圖1為本發(fā)明實(shí)施例中蘋果酸味與光譜反射值的回歸曲線圖。
[0021] 圖2為本發(fā)明實(shí)施例中酸味PLSR訓(xùn)練結(jié)果示意圖。
[0022] 圖3為本發(fā)明實(shí)施例中樣本酸味模型預(yù)測結(jié)果示意圖。
【具體實(shí)施方式】
[0023]為了使本發(fā)明的目的及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合實(shí)施例對本發(fā)明進(jìn)行進(jìn)一步 詳細(xì)說明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā) 明。
[0024]以下實(shí)施例中,所使用的高光譜(380-1038nm)分選儀選用是北京卓立漢光儀器有 限公司提供的GaiaSorter "蓋亞"型號;所使用的電子舌選用是日本Insent公司提供的 SA402B型號,所使用的數(shù)據(jù)預(yù)處理和建模軟件選用是The Unscrambler Startup9.7型號。
[0025] 實(shí)施例
[0026] 對12個(gè)蘋果樣本通過高光譜分選儀獲得其高光譜數(shù)據(jù),對一個(gè)蘋果分別選取上、 下、左、右、中5個(gè)感興趣區(qū)域(每個(gè)感興趣區(qū)域大小大約為100像素點(diǎn)),然后求5個(gè)感興趣區(qū) 域的平均光譜作為該樣本的光譜數(shù)據(jù),對一個(gè)蘋果樣本反復(fù)進(jìn)行6次,獲得6個(gè)光譜數(shù)據(jù),共 72組數(shù)據(jù)。
[0027]對于72個(gè)樣本數(shù)據(jù),根據(jù)校正集和預(yù)測集樣本數(shù)3:1的原則,54個(gè)作為校正集,18 個(gè)作為預(yù)測集。為了確保試驗(yàn)校正集和預(yù)測集更加具有代表性,本文采用每隔3個(gè)樣本就選 擇1個(gè)樣本為預(yù)測集的方法,并確保最大與最小值都在校正集中。選擇中間的480個(gè)波段作 為原始光譜數(shù)據(jù),同樣對原始光譜數(shù)據(jù)做了 MSC、S-G卷積平滑和MSC+S-G處理。對三種預(yù)處 理后的光譜進(jìn)行偏最小二乘回歸(PLSR)建模分析,得出校正集和預(yù)測集相關(guān)系數(shù)R和均方 根誤差RMSE。其結(jié)果統(tǒng)計(jì)如表1。
[0028] 表1酸味光譜預(yù)處理PLSR模型結(jié)果
[0029]
[0030] 由上表可以看出,對酸味進(jìn)行PLSR建模效果最好的是MSC預(yù)處理方法,其相關(guān)系數(shù) 達(dá)到0.9530,預(yù)測集均方根誤差為0.7575。
[0031] 對蘋果酸味與預(yù)處理后得到的光譜反射值進(jìn)行對比和回歸分析,選取局部相關(guān)系 數(shù)波峰和波谷所對應(yīng)的波段值作為特征波段。蘋果酸味與預(yù)處理后得到的光譜反射值的回 歸曲線如圖1所示。
[0032]選擇18個(gè)局部相關(guān)系數(shù)極大值和極小值作為特征波段,分別是422nm、435nm、 456nm、478nm、492nm、523nm、527nm、571nm、660nm、680nm、695nm、722nm、874nm、891nm、 941]11]1。976111]1、992111]1和1003nm建立蘋果酸味預(yù)測模型,酸味模型訓(xùn)練結(jié)果中校正集的相關(guān) 系數(shù)為0.9439,校正均方根誤差為0.9543。結(jié)果如圖2所示。
[0033]特征波段下建立偏最小二乘模型,預(yù)測集的相關(guān)系數(shù)為0.9700,預(yù)測均方根誤差 為0.8587,說明該模型效果比較好,預(yù)測集中真實(shí)值與預(yù)測值統(tǒng)計(jì)數(shù)據(jù)見表2,相對誤差絕 對值的平均值為〇. 042189。
[0034]表2真實(shí)值與預(yù)測值統(tǒng)計(jì)表
[0037]通過特征波段下的光譜反射率可以評價(jià)出蘋果的酸味,18個(gè)樣本的預(yù)測模型結(jié)果 如圖3。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式,應(yīng)當(dāng)指出,對于本技術(shù)領(lǐng)域的普通技術(shù)人員 來說,在不脫離本發(fā)明原理的前提下,還可以作出若干改進(jìn)和潤飾,這些改進(jìn)和潤飾也應(yīng)視 為本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種利用高光譜技術(shù)檢測蘋果酸味的方法,其特征在于,包括如下步驟: 51、 通過高光譜分選儀獲取12個(gè)蘋果樣本的高光譜數(shù)據(jù),對每一個(gè)蘋果分別選取上、 下、左、右、中5個(gè)感興趣區(qū)域,然后求5個(gè)感興趣區(qū)域的平均光譜作為該樣本的光譜數(shù)據(jù);并 通過電子舌獲取所述蘋果樣本的相應(yīng)的味覺數(shù)據(jù); 52、 選擇中間的480個(gè)波段作為原始光譜數(shù)據(jù),并對所得的原始光譜依次進(jìn)行多元散射 校正(MSC)、Savitzky-Golay(S_G)卷積平滑和MSC+S-G的光譜預(yù)處理; 53、 對預(yù)處理后的光譜進(jìn)行偏最小二乘回歸(PLSR)建模分析,得出校正集和預(yù)測集相 關(guān)系數(shù)R和均方根誤差RMSE; 54、 選取18個(gè)局部相關(guān)系數(shù)的極大值和極小值所對應(yīng)波段值作為特征波段,依次是 422nm、435nm、456nm、478nm、492nm、523nm、527nm、571nm、660nm、680nm、695nm、722nm、 87411111、89111111、94111111、97611111、99211111和100311111建立蘋果酸味預(yù)測模型。2. 根據(jù)權(quán)利要求1所述的一種利用高光譜技術(shù)檢測蘋果酸味的方法,其特征在于,所述 步驟S2采用The Unscrambler Startup9.7軟件建立特征波段偏最小二乘回歸(PLSR)模型。3. 根據(jù)權(quán)利要求1所述的一種利用高光譜技術(shù)檢測蘋果酸味的方法,其特征在于,所述 步驟S1中味覺數(shù)據(jù)具體通過以下步驟獲?。?將所述蘋果樣本進(jìn)行研磨榨汁,分別稱取30ml果汁,倒入60ml蒸餾水,一分鐘后,充分 混合,放入離心機(jī)3000rpm離心10分鐘,取上層清液,得到2個(gè)樣本溶液待檢;每份待檢測樣 品用電子舌測量6次,每次測量結(jié)束后電子舌自動(dòng)清洗,直到2個(gè)待測樣品全部測量完畢,每 一個(gè)樣本獲得6個(gè)數(shù)據(jù),共12個(gè)數(shù)據(jù),測完一組蘋果樣本后,進(jìn)行下一次測量;重復(fù)上述步 驟,完成其余6組蘋果的檢測,共得72組蘋果酸味數(shù)據(jù),與高光譜數(shù)據(jù)相對應(yīng)。
【文檔編號】G01N21/25GK105866043SQ201610389810
【公開日】2016年8月17日
【申請日】2016年6月6日
【發(fā)明人】劉晶晶, 劉付龍, 南海峰, 高競, 英宇翔, 楊漢瑞, 張晉寶
【申請人】東北電力大學(xué)