CH708057A2 - Near-infrared method for determining the constituents of the lotus root. - Google Patents
Near-infrared method for determining the constituents of the lotus root. Download PDFInfo
- Publication number
- CH708057A2 CH708057A2 CH6582014A CH6582014A CH708057A2 CH 708057 A2 CH708057 A2 CH 708057A2 CH 6582014 A CH6582014 A CH 6582014A CH 6582014 A CH6582014 A CH 6582014A CH 708057 A2 CH708057 A2 CH 708057A2
- Authority
- CH
- Switzerland
- Prior art keywords
- lotus root
- internal components
- nir
- salt
- nir spectroscopy
- Prior art date
Links
- 240000002853 Nelumbo nucifera Species 0.000 title claims abstract description 90
- 235000006508 Nelumbo nucifera Nutrition 0.000 title claims abstract description 90
- 238000003333 near-infrared imaging Methods 0.000 title claims abstract description 5
- 239000000470 constituent Substances 0.000 title 1
- 150000003839 salts Chemical class 0.000 claims abstract description 50
- 238000004497 NIR spectroscopy Methods 0.000 claims abstract description 40
- 230000001066 destructive effect Effects 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims abstract description 24
- 238000012360 testing method Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000010219 correlation analysis Methods 0.000 claims abstract description 10
- 238000000611 regression analysis Methods 0.000 claims abstract description 10
- 239000000126 substance Substances 0.000 claims abstract description 7
- 238000009659 non-destructive testing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 41
- 238000001228 spectrum Methods 0.000 claims description 23
- 229920002472 Starch Polymers 0.000 claims description 12
- 239000000835 fiber Substances 0.000 claims description 12
- 235000019698 starch Nutrition 0.000 claims description 12
- 239000008107 starch Substances 0.000 claims description 12
- 102000004169 proteins and genes Human genes 0.000 claims description 11
- 108090000623 proteins and genes Proteins 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 2
- 239000004615 ingredient Substances 0.000 abstract description 2
- 235000018102 proteins Nutrition 0.000 description 10
- 239000000523 sample Substances 0.000 description 10
- 238000005457 optimization Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- AUNGANRZJHBGPY-SCRDCRAPSA-N Riboflavin Chemical compound OC[C@@H](O)[C@@H](O)[C@@H](O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-SCRDCRAPSA-N 0.000 description 2
- 102100040396 Transcobalamin-1 Human genes 0.000 description 2
- 101710124861 Transcobalamin-1 Proteins 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 208000032544 Cicatrix Diseases 0.000 description 1
- AUNGANRZJHBGPY-UHFFFAOYSA-N D-Lyxoflavin Natural products OCC(O)C(O)C(O)CN1C=2C=C(C)C(C)=CC=2N=C2C1=NC(=O)NC2=O AUNGANRZJHBGPY-UHFFFAOYSA-N 0.000 description 1
- 206010012735 Diarrhoea Diseases 0.000 description 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 description 1
- 241000209445 Nelumbonaceae Species 0.000 description 1
- PVNIIMVLHYAWGP-UHFFFAOYSA-N Niacin Chemical compound OC(=O)C1=CC=CN=C1 PVNIIMVLHYAWGP-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- JZRWCGZRTZMZEH-UHFFFAOYSA-N Thiamine Natural products CC1=C(CCO)SC=[N+]1CC1=CN=C(C)N=C1N JZRWCGZRTZMZEH-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 235000001465 calcium Nutrition 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 229960005069 calcium Drugs 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 150000001746 carotenes Chemical class 0.000 description 1
- 235000005473 carotenes Nutrition 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001784 detoxification Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000001848 dysentery Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 235000001968 nicotinic acid Nutrition 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 229960003512 nicotinic acid Drugs 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 235000014786 phosphorus Nutrition 0.000 description 1
- 235000021135 plant-based food Nutrition 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 235000019192 riboflavin Nutrition 0.000 description 1
- 229960002477 riboflavin Drugs 0.000 description 1
- 239000002151 riboflavin Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 231100000241 scar Toxicity 0.000 description 1
- 230000037387 scars Effects 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 235000019157 thiamine Nutrition 0.000 description 1
- KYMBYSLLVAOCFI-UHFFFAOYSA-N thiamine Chemical compound CC1=C(CCO)SCN1CC1=CN=C(C)N=C1N KYMBYSLLVAOCFI-UHFFFAOYSA-N 0.000 description 1
- 229960003495 thiamine Drugs 0.000 description 1
- 239000011721 thiamine Substances 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Die vorliegende Erfindung betrifft ein Nahinfrarot-Verfahren zur Bestimmung von Inhaltsstoffen der Lotuswurzel. Mit diesem Verfahren wird der Anwendungsbereich der Nahinfrarot-Spektroskopie(NIR-Spektroskopie) deutlich erweitert, es kann nicht nur die herkömmlichen frischen Proben prüfen, sondern auch die verarbeiteten Proben prüfen. Bei der vorliegenden Erfindung werden zuerst die mit verschiedener Salz- oder Zuckerkonzentration gewürzten Lotuswurzelproben gesammelt, folgend werden die NIR-Spektralinformation und die physikalischen und chemischen Daten der internen Komponenten gesammelt, nach der Vorverarbeitung der Spektraldaten werden mittels der kleinsten Quadrate die NIR-Spektroskopie-Modelle in verschiedener Konzentration erzeugt. Dann werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch kann korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. Auf Basis der NIR-Spektroskopie-Modelle in verschiedener Konzentration wird dann ein NIR-Spektroskopie-Modell für die internen Komponenten der Lotuswurzel erzeugt, welches nicht von der Salz- oder Zuckerkonzentrationsänderung interferiert wird. Mit diesem NIR-Spektroskopie-Modell kann die NIR-Spektralinformation der geprüften Proben in den Parametern der internen Komponenten der gewürzten Lotuswurzel umgewandelt werden, um die zerstörungsfreie Prüfung der internen Komponenten der gewürzten Lotuswurzel zu realisieren. Mit dem erfindungsgemässen Verfahren kann es effektiv korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von der Lotuswurzel interferieren kann, damit kann die zerstörungsfreie Prüfung der internen Komponenten der gewürzten Lotuswurzel mit verschiedener Salz- oder Zuckerkonzentration schnell, präzise und echtzeitig realisiert werden.The present invention relates to a near-infrared method for the determination of lotus root ingredients. With this method, the scope of near-infrared spectroscopy (NIR spectroscopy) is significantly expanded, it can not only check the conventional fresh samples, but also examine the processed samples. In the present invention, the lotus root samples seasoned with different salt or sugar concentration are first collected, followed by collecting the NIR spectral information and the physical and chemical data of the internal components, after the pre-processing of the spectral data, the least square NIR spectroscopy models produced in different concentration. Then, the correlation analysis and the invariant regression analysis of the NIR spectroscopy are performed on the salt or sugar content and the internal components of the lotus root, thereby it can be corrected that the salt or sugar concentration change can interfere with the non-destructive near infrared testing of the internal components of lotus root. Based on the NIR spectroscopy models in different concentrations, an NIR spectroscopy model for the internal components of the lotus root is generated, which is not affected by the salt or sugar concentration change. With this NIR spectroscopy model, the NIR spectral information of the tested samples can be converted into the parameters of the internal components of the spiced lotus root to realize the nondestructive testing of the internal components of the spiced lotus root. With the method of the present invention, it can be effectively corrected that the salt or sugar concentration change can interfere with the non-destructive near infrared testing of the internal components of the lotus root, thus allowing the nondestructive testing of the internal components of the flavored lotus root with different salt or sugar concentration quickly, accurately and be realized real-time.
Description
Gebiet der ErfindungField of invention
[0001] Die vorliegende Erfindung betrifft ein nicht von Würze interferiertes, zerstörungsfreies Nahinfrarot-Verfahren zum Prüfen der internen Komponenten der Lotuswurzel, insbesondere ein nicht von Würze interferiertes, zerstörungsfreies Verfahren zum Prüfen der internen Komponenten der Lotuswurzel mittels des Nahinfrarotspektrums. The present invention relates to a non-wort-interfered, non-destructive near-infrared method for testing the internal components of the lotus root, in particular a non-wort-interfered, non-destructive method for testing the internal components of the lotus root using the near-infrared spectrum.
Technischer HintergrundTechnical background
[0002] Die Lotuswurzel ist eine grosse mehrjährige Pflanzenart der Gattung aus der Familie der Lotosgewächse, und eine spezifische Gemüse in China. Mit der weiteren Vertiefung der Reform und Öffnung in China vergrössern sich die Lotusanbauflächen immer weiter, hat derzeit mehr als 20k Hektare, die Lotusanbauflächen befinden sich vor allem in der Nähe von Yangtze-Fluss und die südliche Provinzen, insbesondere befinden sich die meisten Lotusanbauflächen in Tai-See, Hongze-See, Dongting-See und Poyang-See und ihre Umgebungsbereiche, dabei sind die jährige Produktion über 2 Millionen Tonnen. Die Lotuswurzel ist extrem reich an Nährstoffen, enthält Stärke, Rohfaser, Eiweiss, Carotin, Thiamin, Riboflavin, Niacin und Kalzium, Phosphor, Eisen und anderen Mineralien, kann als Nahrungsmittel und Medikament verwendet werden, welche folgende Effekte aufweist: Wärmebereinigung, Entgiftung, Behandlung von Durchfall, Ruhr und Schwindel. Derzeit wird sich die Verarbeitung der Lotuswurzel weiter entwickelt, sind mehr als zehn Reihe von fast 100 verarbeiteten Produkten entwickelt geworden, z.B. gesalzene, frische, gefrorene, gekochte Lotuswurzel sowie Lotuswurzel Getränke und Stärkeprodukte aus Lotuswurzel usw., wobei sich der Bedarf von der mit Zucker oder Salz gewürzten Lotuswurzelprodukten immer vergrössert. The lotus root is a large perennial species of the genus from the lotus family, and a specific vegetable in China. With the further deepening of the reform and opening up in China, the lotus cultivation areas continue to increase, currently has more than 20k hectares, the lotus cultivation areas are mainly located near the Yangtze River and the southern provinces, in particular, most of the lotus cultivation areas are in Tai Lake, Hongze Lake, Dongting Lake and Poyang Lake and their surrounding areas, with annual production over 2 million tons. The lotus root is extremely rich in nutrients, contains starch, crude fiber, protein, carotene, thiamine, riboflavin, niacin and calcium, phosphorus, iron and other minerals, can be used as food and medicine, which has the following effects: heat cleansing, detoxification, treatment of diarrhea, dysentery and dizziness. Currently, lotus root processing is being developed, more than ten series of nearly 100 processed products have been developed, e.g. Salted, fresh, frozen, cooked lotus root as well as lotus root drinks and starch products made from lotus root etc., whereby the demand for lotus root products flavored with sugar or salt is constantly increasing.
[0003] Wegen der anthropogenen und natürlichen Auswirkung weist die Lotuswurzel grossen individuellen Unterschied: Während der Verarbeitung wird die Lotuswurzel mit verschiedener Konzentration gewürzt, dadurch wird Lotuswurzel in verschiedener Qualität produziert. Um gewürzte Lotuswurzel mit guter Qualität zu produzieren, ist es nicht genug, nur die externe Eigenschaften zu prüfen, z.B. Farbe, Form und Grösse. Hier ist es notwendig, die interne Komponente der gewürzten Lotuswurzel zu prüfen. In China ist derzeit die Qualitätsprüfung von Obst und Gemüse relativ rückständig, meistens wird mit dem menschlichen Sinne geprüft, solche subjektive Bewertungsmethode wird stark von persönlicher Erfahrung, Farbeerkennung, Stimmung, Müdigkeit und Licht beeinflusst, deswegen ist die Produktivität sehr gering und die Abweichung sehr gross, in diesem Fall weist die Exportprodukte schlechte Qualität und nicht wettbewerbsfähig auf dem internationalen Markt. Andererseits wird die Lotuswurzel mit der chemischen Methode geprüft, problematisch ist aber bei der chemischen Methode, dass die Lotuswurzel zerstört werden muss, welche kompliziert ist und viel Zeit kostet, deswegen kann mit der chemischen Methode die Lotuswurzel nicht schnell, umweltfreundlich und zerstörungsfrei geprüft werden. Die vorliegende Erfindung kann dann effektiv die obigen Nachteile überwinden, damit können Stärke, Rohfaser und Protein von der mit verschiedener Konzentration gewürzten Lotuswurzel parallel geprüft werden, das erfindungsgemässe Verfahren weist folgende Vorteile auf: schnell, zerstörungsfrei, sicher, effizient, kostengünstig und gleichzeitige Prüfung von mehreren Komponenten, welche positive für die Produktion und Qualitätsbewertung sowie Reduzierung von Probenahme von Obst und Gemüse sind. Because of the anthropogenic and natural effects, the lotus root has great individual differences: During processing, the lotus root is spiced with different concentrations, which means that lotus root is produced in different quality. To produce good quality flavored lotus root, it is not enough just to check the external properties, e.g. Color, shape and size. Here it is necessary to examine the internal component of the seasoned lotus root. In China, the quality inspection of fruit and vegetables is currently relatively backward, mostly with the human senses, such subjective evaluation methods are strongly influenced by personal experience, color recognition, mood, tiredness and light, so the productivity is very low and the deviation is very large , in this case, the export product exhibits poor quality and not competitive in the international market. On the other hand, the lotus root is tested with the chemical method, but the problem with the chemical method is that the lotus root has to be destroyed, which is complicated and takes a lot of time, which is why the lotus root cannot be tested quickly, environmentally friendly and non-destructively with the chemical method. The present invention can then effectively overcome the above disadvantages, so that starch, crude fiber and protein from the lotus root seasoned with different concentrations can be tested in parallel several components that are positive for the production and quality assessment as well as reducing the sampling of fruits and vegetables.
[0004] Derzeit gibt es viele zerstörungsfreie NIR-Spektroskopie zum Prüfen der Qualität von Obst. Liu Yande (2005, Zhejiang University, Dissertation)hat ein zerstörungsfreies Verfahren zum Prüfen des Zucker- und Säuregehalts von Obst veröffentlicht, Li Xin (2007, Shenyang Agricultural University, Masterarbeit) hat ein zerstörungsfreies Verfahren zum Prüfen der Qualität von Apfelbirne veröffentlicht, dabei werden die lösliche Feststoffe, Gesamtzucker, Säure, Vitamin C, Wassergehalt und Fruchtgewicht von Apfelbirne geprüft. Xia Junfang(2007) hat eine NIR-Spektroskopie zum exakten Prüfen von Vitamin-C-Gehalt von Zitrusgewächs veröffentlicht. Cao Xia(2013) hat eine zerstörungsfreie NIR-Spektroskopie zum Prüfen des Zuckergehalts von Mango veröffentlicht. Aber solche Prüfungsverfahren sind nicht viel für Gemüse verwendet, es gibt nur eine Veröffentlichung über das zerstörungsfreie NIR-Verfahren zum Prüfen der internen Komponenten der Lotuswurzel, Zhang Zongjun(2008) hat die NIR-Spektroskopie-Modelle von Wasser, Zucker, Rohfaser und Härte in der Lotuswurzel veröffentlicht. Im Vergleich mit der obigen Veröffentlichung wird bei der vorliegenden Erfindung die verarbeitete gewürzte Lotwurzel geprüft, insbesondere betrifft die vorliegende Erfindung das nicht von Salz- oder Zuckerkonzentration interferierte, zerstörungsfreies Nahinfrarot-Verfahren zum Prüfen der internen Komponenten der Lotuswurzel. There are currently many non-destructive NIR spectroscopy for checking the quality of fruit. Liu Yande (2005, Zhejiang University, dissertation) has published a non-destructive method for testing the sugar and acidity of fruit, Li Xin (2007, Shenyang Agricultural University, master's thesis) has published a non-destructive method for testing the quality of apple pear, in the process The soluble solids, total sugar, acidity, vitamin C, water content, and fruit weight of apple pear were examined. Xia Junfang (2007) published a NIR spectroscopy for the exact testing of vitamin C content in citrus plants. Cao Xia (2013) published a non-destructive NIR spectroscopy for testing the sugar content of mango. But such testing methods are not used much for vegetables, there is only one publication on the non-destructive NIR method for testing the internal components of the lotus root, Zhang Zongjun (2008) has the NIR spectroscopy models of water, sugar, crude fiber and hardness in the lotus root released. In comparison with the above publication, the present invention examines the processed seasoned solder root, and more particularly, the present invention relates to the near-infrared non-destructive non-destructive method of examining the internal components of the lotus root, which is not interfered by salt or sugar concentration.
[0005] Derzeit ist ganz wenige Veröffentlichung über die Auswirkung des Gehaltsunterschieds der Komponenten auf der zerstörungsfreien NIR-Spektroskopie bekannt. Zhang Zong (2005) hat die Auswirkung des Gehaltsunterschieds des Wassers auf die Stabilität des Analysemodells der NIR-Spektroskopie, dabei wird sie jeweils durch spektrale Vorverarbeitung, Auswahl des Wirkungsbereichs und Kalibrierung des Modells realisiert, gibt es hier aber keine Korrektur des Modells. Zhang Lingshuai(2005) hat die Auswirkung von drei verschiedenen Feuchtigkeitsgehaltsgradienten auf der zerstörungsfreien NIR-Spektroskopie zum Prüfen des Weizenproteingehalts, während der Prüfung muss die geprüfte Probe geeigneten Wassergehalt aufweisen. Im Vergleich mit der obigen Veröffentlichung werden bei der vorliegenden Erfindung zuerst die NIR-Spektroskopie-Modelle in verschiedener Salz- oder Zuckerkonzentration analysiert, dann werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch kann korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann, auf Basis der NIR-Spektroskopie-Modelle in verschiedener Konzentration wird schliesslich ein NIR-Spektroskopie-Modell für die internen Komponenten der Lotuswurzel erzeugt, welches nicht von der Salz- oder Zuckerkonzentrationsänderung interferiert wird. Very few publications are currently known about the effect of the difference in content of the components on non-destructive NIR spectroscopy. Zhang Zong (2005) has the effect of the difference in content of the water on the stability of the analysis model of NIR spectroscopy, it is realized by spectral preprocessing, selection of the range of action and calibration of the model, but there is no correction of the model. Zhang Lingshuai (2005) has the effect of three different moisture content gradients on the non-destructive NIR spectroscopy for testing the wheat protein content, during the test the tested sample must have suitable water content. In comparison with the above publication, in the present invention, first the NIR spectroscopy models are analyzed in different salt or sugar concentrations, then the correlation analysis and the invariant regression analysis of the NIR spectroscopy of the salt or sugar content and the internal components of the lotus root are analyzed carried out, thereby correcting the fact that the salt or sugar concentration change can interfere with the non-destructive near-infrared testing of the internal components of the lotus root, based on the NIR spectroscopy models in different concentrations, a NIR spectroscopy model is finally created for the internal components of Lotus root is produced which is not interfered with by the change in salt or sugar concentration.
Beschreibung der ErfindungDescription of the invention
[0006] Die vorliegende Erfindung liegt daher die Aufgabe zu Grunde, ein nicht von Würze interferiertes, zerstörungsfreies Nahinfrarot-Verfahren zum Prüfen der internen Komponenten der Lotuswurzel zu stellen, welches die Nachteile des herkömmlichen Verfahren überwinden kann. Bei der vorliegenden Erfindung werden zuerst die NIR-Spektroskopie-Modelle in verschiedener Salz- oder Zuckerkonzentration analysiert, dann werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch kann korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann, auf Basis der NIR-Spektroskopie-Modelle in verschiedener Konzentration wird schliesslich ein NIR-Spektroskopie-Modell für die internen Komponenten der Lotuswurzel erzeugt, welches nicht von der Salz- oder Zuckerkonzentrationsänderung interferiert wird. Mit der vorliegenden Erfindung kann die zerstörungsfreie Prüfung der internen Komponenten der gewürzten Lotuswurzel mit verschiedener Salz- oder Zuckerkonzentration einfach, praktisch und zuverlässig realisiert werden. The present invention is therefore based on the object of providing a non-wort interfered, non-destructive near-infrared method for testing the internal components of the lotus root, which can overcome the disadvantages of the conventional method. In the present invention, the NIR spectroscopy models are first analyzed in different salt or sugar concentrations, then the correlation analysis and the invariant regression analysis of the NIR spectroscopy are carried out on the salt or sugar content and the internal components of the lotus root, which can be used to correct that the salt or sugar concentration change can interfere with the non-destructive near-infrared testing of the internal components of the lotus root, based on the NIR spectroscopy models in different concentrations, an NIR spectroscopy model is finally generated for the internal components of the lotus root, which is not from the change in salt or sugar concentration is interfered with. With the present invention, the non-destructive testing of the internal components of the spiced lotus root with different salt or sugar concentrations can be realized simply, practically and reliably.
[0007] Der vorliegenden Erfindung liegt die technische Lehre zu Grunde: Zuerst werden die mit verschiedener Salz- oder Zuckerkonzentration gewürzten Lotuswurzelproben gesammelt, folgend werden die NIR-Spektralinformation und die physikalischen und chemischen Daten der internen Komponenten gesammelt, nach der Vorverarbeitung der Spektraldaten werden mittels der kleinsten Quadrate die NIR-Spektroskopie-Modelle in verschiedener Konzentration erzeugt. Dann werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch kann korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. Auf Basis der NIR-Spektroskopie-Modelle in verschiedener Konzentration wird dann ein NIR-Spektroskopie-Modell für die internen Komponenten der Lotuswurzel erzeugt, welches nicht von der Salz- oder Zuckerkonzentrationsänderung interferiert wird. Mit diesem NIR-Spektroskopie-Modell kann die NIR-Spektralinformation der geprüften Proben in den Parametern der internen Komponenten der gewürzten Lotuswurzel umgewandelt werden, um die zerstörungsfreie Prüfung der internen Komponenten der gewürzten Lotuswurzel zu realisieren. [0007] The present invention is based on the technical teaching: First, the lotus root samples spiced with different salt or sugar concentrations are collected, then the NIR spectral information and the physical and chemical data of the internal components are collected, after the pre-processing of the spectral data, the NIR spectroscopy models are generated in different concentrations using the smallest squares . Then the correlation analysis and the invariant regression analysis of the NIR spectroscopy of the salt or sugar content and the internal components of the lotus root can be carried out, thereby correcting that the salt or sugar concentration change can interfere with the non-destructive near-infrared testing of the internal components of the lotus root. On the basis of the NIR spectroscopy models in various concentrations, an NIR spectroscopy model is then generated for the internal components of the lotus root, which is not interfered with by the change in salt or sugar concentration. With this NIR spectroscopy model, the NIR spectral information of the tested samples can be converted into the parameters of the internal components of the spiced lotus root in order to realize the non-destructive testing of the internal components of the spiced lotus root.
[0008] Der Wellenlängenbereich des NIR-Spektrums liegt in dem Bereich 4000-10 000 cm-1, und die NIR-Spektralinformation mit NIR-diffuser Reflexion gesammelt wird, wobei die Auflösung 8 cm-1 ist. The wavelength range of the NIR spectrum is in the range 4000-10 000 cm-1, and the NIR spectral information is collected with NIR diffuse reflection, the resolution being 8 cm-1.
[0009] Die internen Komponenten der gewürzten Lotuswurzel sind eine oder mehrere von Stärke, Rohfaser und Protein, wobei die Referenzwerte nach GB-Standard erhalten werden. The internal components of the seasoned lotus root are one or more of starch, crude fiber and protein, the reference values being obtained according to GB standard.
[0010] Vorzugsweise wird die gesammelte NIR-Spektralinformation vorverarbeitet, wobei die Vorverarbeitung folgende enthalten kann: multiplikative Streukorrektur, derivative Transformation, ausserdem wird die Basisliniedrift der Spektraldaten beseitigt, die Wirkung von Hintergrundstörung vermindert, um das Rauschen zu beseitigen und das Signal-Rausch-Verhältnis zu verbessern. Preferably, the collected NIR spectral information is preprocessed, wherein the preprocessing can contain the following: multiplicative scatter correction, derivative transformation, in addition, the baseline drift of the spectral data is eliminated, the effect of background interference is reduced in order to eliminate the noise and the signal-to-noise Improve relationship.
[0011] Vorzugsweise werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch es effektiv korrigiert werden kann, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. Preferably, the correlation analysis and the invariant regression analysis of the NIR spectroscopy of the salt or sugar content and the internal components of the lotus root are carried out, thereby effectively correcting that the salt or sugar concentration change the non-destructive near-infrared testing of the internal components from lotus root can interfere.
[0012] Bei dem Erzeugen der NIR-Spektroskopie-Modelle werden die Option zum Analysieren der Spektraldaten in der Spektralanalysesoftware TQ analyst und matlab verwendet, wobei wird das mathematische Modell mittels der kleinsten Quadrate erzeugt. Dazwischen wird das Modell immer wieder optimiert. When generating the NIR spectroscopy models, the option to analyze the spectral data in the spectrum analysis software TQ analyst and matlab are used, the mathematical model being generated using the least squares. In between, the model is optimized again and again.
[0013] Die Lotuswurzel mit Salz oder Zucker wird gewürzt, wobei die Konzentration in dem Bereich 5-20% liegt. The lotus root is seasoned with salt or sugar, the concentration being in the range 5-20%.
[0014] Im Vergleich zu dem Stand der Technik weist die vorliegende Erfindung folgende Vorteile: In comparison to the prior art, the present invention has the following advantages:
[0015] 1. Ohne Verarbeitung können mehre Komponenten parallel prüft werden. 1. Several components can be tested in parallel without processing.
[0016] 2. Mit dem bestehende Nah-Infrarot-Spektrometer wird die gesammelte NIR-Spektral-information vorverarbeitet, wobei die Vorverarbeitung folgende enthalten kann: multiplikative Streukorrektur, derivative Transformation, dann werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salz- oder Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, dadurch kann korrigiert werden, dass die Salz- oder Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. 2. With the existing near-infrared spectrometer, the collected NIR spectral information is preprocessed, the preprocessing may contain the following: multiplicative scatter correction, derivative transformation, then the correlation analysis and the invariant regression analysis of the NIR spectroscopy Salt or sugar content and the internal components of the lotus root, this can correct that the salt or sugar concentration change can interfere with the non-destructive near-infrared testing of the internal components of the lotus root.
[0017] 3. Auf Basis der NIR-Spektroskopie-Modelle in verschiedener Konzentration wird schliesslich ein NIR-Spektroskopie-Modell für die internen Komponenten der Lotuswurzel erzeugt, welches nicht von der Salz- oder Zuckerkonzentrationsänderung interferiert wird. 3. On the basis of the NIR spectroscopy models in different concentrations, an NIR spectroscopy model is finally generated for the internal components of the lotus root, which is not interfered by the change in salt or sugar concentration.
AusführungsbeispielEmbodiment
[0018] Die vorliegende Erfindung wird nachfolgend unter Bezugnahme auf die vorteilhafter Ausführungsform beispielhaft beschrieben. Bei der vorliegenden Erfindung werden folgende Vorrichtungen verwendet: Nah-Infrarot-Spektrometer, Chemikaliendosierungssoftware und Rechner. The present invention is described below with reference to the advantageous embodiment by way of example. The devices used in the present invention include: near infrared spectrometers, chemical dosing software, and computers.
[0019] Das zerstörungsfreie Nahinfrarot-Verfahren zum Prüfen der internen Komponenten der mit Salz gewürzten Lotuswurzel in Ausführungsform 1 umfasst folgende Schritte: The near-infrared non-destructive method of inspecting the internal components of the salted lotus root in Embodiment 1 comprises the following steps:
[0020] 1. Herstellung von Proben. Dabei werden die ungewürzte Lotuswurzelprobe und die Lotuswurzelproben mit eine Salzkonzentration von 5%, 10%, 15% und 20% gesammelt, anschliessend werden der Kalibrierungssatz und der Vorhersagesatz ausgewählt, wobei der Kalibrierungssatz und der Vorhersagesatz für die Modellierung in verschiedener Salzkonzentration notwendig sind, und Kalibrierungssatz: Vorhersagesatz = 4:1. Die ungewürzte Lotuswurzelprobe wird hier als Referenz verwendet. 1. Preparation of samples. The unseasoned lotus root sample and the lotus root samples with a salt concentration of 5%, 10%, 15% and 20% are collected, then the calibration set and the prediction set are selected, the calibration set and the prediction set being necessary for modeling in different salt concentrations, and Calibration set: prediction set = 4: 1. The unseasoned lotus root sample is used here as a reference.
[0021] 2. Sammlung der Spektren der Proben. Mit dem Nah-Infrarot-Spektrometer werden die Spektren der gewürzten Lotuswurzelproben gesammelt, wobei NIR-diffuser Reflexion verwendet wird, und die Testparameter sind: Wellenlängenbereich des NIR-Spektrums=4000-10 000cm-1, Auflösung=8 cm-1, Abtastzahl=16. Während der NIR-Spektroskopie wird ein sauberes Teil des Lotuswurzel reibungslos auf der Sonde der diffusen Reflexion gelegt, jede Probe wird hier 4 Mals geprüft, wobei an der Prüfungsstelle der Durchmesser maximal ist, und die offensichtliche Oberflächendefekte(Kratzer, Narben usw.) möglichst vermieden werden sollen, danach werden die Spektren aus den 4 Prüfungen gemittelt, um ein Durch Schnittsspektrum jeder Lotuswurzel zu erhalten. 2. Collection of the spectra of the samples. The near infrared spectrometer is used to collect the spectra of the spiced lotus root samples using NIR diffuse reflection and the test parameters are: wavelength range of the NIR spectrum = 4000-10 000cm-1, resolution = 8 cm-1, number of samples = 16. During the NIR spectroscopy, a clean part of the lotus root is smoothly placed on the diffuse reflection probe, each sample is checked here 4 times, with the maximum diameter at the test site, avoiding obvious surface defects (scratches, scars, etc.) as much as possible are to be, then the spectra from the 4 tests are averaged in order to obtain an average spectrum of each lotus root.
[0022] 3. Ermittlung der Referenzwerte der Proben. Nach der Sammlung von Kalibrierungssatz und Vorhersagesatz soll so schnell wie möglichst die Referenzwerte der internen Komponenten ermittelt werden, wobei die Referenzwerte auf der Trockenbasis angegeben werden sollen. Der Stärkegehalt wird hier nach GB/T 5009.9-2008 «Ermittlung der Stärke in Lebensmitteln» ermittelt; Der Rohfasergehalt wird nach GB/T 5009.10-2003 «Ermittlung des Rohfaser in pflanzlichen Lebensmitteln» ermittelt; Der Proteingehalt wird nach GB/T 5009.5-2010 «Ermittlung der Protein in Lebensmitteln» ermittelt. 3. Determination of the reference values of the samples. After the calibration set and the prediction set have been collected, the reference values of the internal components should be determined as quickly as possible, the reference values being given on a dry basis. The starch content is determined here according to GB / T 5009.9-2008 “Determination of starch in food”; The crude fiber content is determined according to GB / T 5009.10-2003 "Determination of crude fiber in plant-based foods"; The protein content is determined according to GB / T 5009.5-2010 «Determination of protein in food».
[0023] 4. Vorverarbeitung der Spektraldaten. Die Sammlung und Verarbeitung des NIR-Spektrums werden mit TQ Analyst realisiert. Um die Basisliniedrift der Spektraldaten und die Wirkung von Hintergrundstörung zu vermindern, das Rauschen zu beseitigen und das Signal-Rausch-Verhältnis zu verbessern, werden die entsprechenden Parameter angepasst und optimiert. Die Vorverarbeitung kann mit folgende Methodik realisiert: Zentralisierung, Standard-Variablentransformation, zusätzliche Streukorrektur, orthogonalen Signalkorrektur, Glättung, Wavelet-Rauschunterdrückung, Ableitung Wellenlängenänderung und genetische Algorithmen Optimierung usw. Es hängt von der Qualität des Spektrums und dem Zustand der Hintergrundstörung ab, ob die Spektraldaten vorverarbeitet werden müssen oder welche Vorverarbeitungsmethode hier verwendet wird. Während der Vorverarbeitung können ein der oben beschriebenen Verfahren oder die Kombination von mehreren oben beschriebenen Verfahren verwendet werden. Nach der mehrmalige Optimierungsberechnung werden die Optimierungsparameter der Modellierung der internen Komponenten der Lotuswurzel in verschiedener Salzkonzentration erhalten, wie in Tabelle 1 gezeigt: 4. Pre-processing of the spectral data. The NIR spectrum is collected and processed with TQ Analyst. In order to reduce the baseline drift of the spectral data and the effect of background interference, to eliminate the noise and to improve the signal-to-noise ratio, the corresponding parameters are adjusted and optimized. The preprocessing can be implemented with the following methodology: centralization, standard variable transformation, additional scatter correction, orthogonal signal correction, smoothing, wavelet noise suppression, derivation of wavelength change and genetic algorithms optimization, etc. It depends on the quality of the spectrum and the state of the background interference whether the Spectral data need to be preprocessed or what preprocessing method is used here. One of the methods described above or a combination of several methods described above can be used during preprocessing. After the repeated optimization calculation, the optimization parameters of the modeling of the internal components of the lotus root are obtained in different salt concentrations, as shown in Table 1:
[0024] Tabelle 1, die Optimierungsparameter der Modellierung der internen Komponenten der Lotuswurzel in verschiedener Salzkonzentration Stärke Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur, volles Spektrum Multiplikative Streukorrektur, volles: Spektrum Protein Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Rohfaser Originales Spektrum Originales Spektrum originales Spektrum Originales Spektrum Originales SpektrumTable 1, the optimization parameters of the modeling of the internal components of the lotus root in different salt concentration Strength Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Multiplicative scatter correction, full spectrum Multiplicative scatter correction, full: spectrum protein Multiplicative scatter correction + first Derivation Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Crude fiber original Spectrum originals Spectrum original Spectrum originals Spectrum originals spectrum
[0025] 5. Erzeugung der Korrekturmodelle in verschiedenen Gradienten. Hier werden die Option zum Analysieren der Spektraldaten in der Spektralanalysesoftware TQ analyst und matlab verwendet werden, wobei wird das Vorhersagemodell Basis auf der Spektraldaten von dem Kalibrierungssatz und dem Vorhersagesatz nach der Vorverarbeitung und der geprüften Referenzwerte von Stärke, Rohfaser und Protein der Lotuswurzel mittels der kleinsten Quadrate erzeugt, Dazwischen wird das Modell immer wieder optimiert. Um die Genauigkeit der Konzentrationsprüfung des Modells zu bewerten, werden hier Korrelationskoeffizienten (R), die Standardabweichung der Standardabweichung der Eichprobensatz (RMSEC) und Vorhersage Probensatz (RMSEP) verwendet. Wie in Tabelle 2 gezeigt, die Korrekturmodelle werden nach der Salzkonzentration von niedrigen zu hohen als Model 1, Model 2, Model 3, Model 4, Model 5 benannt. Die Korrelationskoeffizienten der Korrekturmodelle in aller Salzkonzentration sind grösser als 0.9200, d.h. die Vorhersage ist exakt. RMSEP von Model 2-5 ist kleiner als RMSEP von Model 1, d.h. die Vorhersage von Model 2-5 ist exakter als die Vorhersage von Model 1. Dies liegt darin begründet, dass das Salz keine Nahinfrafrot-Spitzenabsorption verursacht, jedoch die Störung des Wassers auf eine zerstörungsfreie Nahinfrarot-Detektion innerhalb der Lotuswurzel beeinflusst, wodurch indirekt die zerstörungsfreie Detektion der internen Komponenten der Lotuswurzel beeinträchtigt wird. 5. Generation of the correction models in different gradients. Here the option to analyze the spectral data in the spectral analysis software TQ analyst and matlab is used, whereby the prediction model is based on the spectral data from the calibration set and the prediction set after preprocessing and the checked reference values of starch, crude fiber and protein of the lotus root using the smallest Squares generated, in between the model is optimized again and again. To evaluate the accuracy of the concentration test of the model, correlation coefficients (R), the standard deviation of the standard deviation of the calibration sample set (RMSEC) and prediction sample set (RMSEP) are used. As shown in Table 2, the correction models are named as Model 1, Model 2, Model 3, Model 4, Model 5 according to the salt concentration from low to high. The correlation coefficients of the correction models in all salt concentrations are greater than 0.9200, i.e. the prediction is exact. Model 2-5 RMSEP is smaller than Model 1 RMSEP, i.e. The prediction of Model 2-5 is more accurate than the prediction of Model 1. This is because the salt does not cause near-infrared peak absorption, but the disturbance of the water affects a nondestructive near-infrared detection within the lotus root, thereby indirectly the non-destructive Detection of the internal components of the lotus root is impaired.
[0026] Tabelle 2 Korrekturmodelle in verschiedenen Salzgradienten Stärke R 0.9554 0.9587 0.9600 0.9590 0.9632 0.9645 Protein RMSEC 0.7416 0.7310 0.7400 0.7302 0.6894 0.6847 RMSEP 1.0506 1.000 0.9343 0.9630 0.9209 0.9198 Stärke R 0.9790 0.9814 0.9820 0.9846 0.9899 0.9801 Protein RMSEC 0.2436 0.2329 0.2136 0.2230 0.2120 0.2000 RMSEP 0.2700 0.2688 0.2650 0.2578 0.2510 0.2497 Stärke R 0.9223 0.9331 0.9357 0.9399 0.9460 0.9489 RMSEC 0.1500 0.1466 0.1456 0.1443 0.1321 0.1299 RMSEP 0.1734 0.1710 0.1703 0.1690 0.1675 0.1650Table 2 Correction models in different salt gradients Strength R 0.9554 0.9587 0.9600 0.9590 0.9632 0.9645 Protein RMSEC 0.7416 0.7310 0.7400 0.7302 0.6894 0.6847 RMSEP 1.0506 1.000 0.9343 0.9630 0.9209 0.9198 Strength R 0.9790 0.9814 0.9820 0.9846 0.9899 0.9801 0.22 RMSEC 0.232000 RMSEC 0.232000 0.2688 0.2650 0.2578 0.2510 0.2497 Thickness R 0.9223 0.9331 0.9357 0.9399 0.9460 0.9489 RMSEC 0.1500 0.1466 0.1456 0.1443 0.1321 0.1299 RMSEP 0.1734 0.1710 0.1703 0.1690 0.1675 0.1650
[0027] 6. Erzeugung des vollen Korrekturmodells. Hier werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Salzgehalt und der internen Komponenten der Lotuswurzel durchgeführt, um die negative NIR-Spektrum-Korrelation von dem Salzgehalt und der internen Komponenten der Lotuswurzel zu erhalten. Basis auf die Modelle in verschiedener Salzkonzentration können die inkrementelle Vorhersagewerte ΔC der internen Komponenten berechnet, wie in Tabelle 3 gezeigt. Anschliessend wird das quantitative Verhältnis(einheitliche Regression) zwischen der Salzkonzentration CSalzund der inkrementelle Vorhersagewerte ΔC der internen Komponenten erstellt, dann wird dieser Anstieg aus der Vorhersagewert abgezogen, dadurch kann korrigiert werden, dass die Salzkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. Schliesslich wird Basis auf den Korrekturmodellen in verschiedenen Salzgradienten ein NIR-Spektrum-Modell erzeugt, welches nicht von der Salzkonzentrationsänderung interferiert wird, wie in Tabelle 2 gezeigt. Wobei, 6. Generation of the full correction model. Here, the correlation analysis and the invariant regression analysis of the NIR spectroscopy of the salinity and internal components of the lotus root are performed to obtain the negative NIR spectrum correlation of the salinity and internal components of the lotus root. Based on the models in different salt concentrations, the incremental predictive values ΔC of the internal components can be calculated as shown in Table 3. Then the quantitative ratio (uniform regression) between the salt concentration CSalt and the incremental prediction values ΔC of the internal components is established, then this increase is subtracted from the prediction value, so that it can be corrected that the salt concentration change interferes with the non-destructive near-infrared testing of the internal components of lotus root can. Finally, based on the correction models in different salt gradients, an NIR spectrum model is generated which is not interfered by the change in salt concentration, as shown in Table 2. In which,
Cei ist der Vorhersage der i-th Probe in experimenteller Gruppe; Cci ist der Vorhersage der i-th Probe in Referenzgruppe; n ist die Probenzahl in verschiedener Gradienten, hier n ist 20. Cei is the prediction of the i-th sample in experimental group; Cci is the prediction of the i-th sample in reference group; n is the number of samples in different gradients, here n is 20.
[0028] Tabelle 3 die inkrementelle Vorhersagewerte der internen Komponenten in verschiedener Salzkonzentration Model 2 0.3921 0.06675 0.03341 Model 3 0.3502 0.05330 0.02842 Model 4 0.2809 0.04781 0.02488 Model 5 0.2380 0.03816 0.02009Table 3 shows the incremental prediction values of the internal components in different salt concentrations Model 2 0.3921 0.06675 0.03341 Model 3 0.3502 0.05330 0.02842 Model 4 0.2809 0.04781 0.02488 Model 5 0.2380 0.03816 0.02009
[0029] Tabelle 4 quantitatives Verhältnis (einheitliche Regression) zwischen der Salzkonzentration CSalzund der inkrementelle Vorhersagewerte ΔC der internen Komponenten Stärke - 0.0106 0.4482 0.9898 Protein - 0.0018 0.0743 0.9744 Rohfaser - 0.0009 0.0376 0.9961Table 4 quantitative relationship (uniform regression) between the salt concentration C salt and the incremental predictive values ΔC of the internal components starch - 0.0106 0.4482 0.9898 protein - 0.0018 0.0743 0.9744 crude fiber - 0.0009 0.0376 0.9961
[0030] 7. Ermittlung der internen Komponenten der geprüften Proben. Hier wird das NIR-Spektrum der geprüften Proben nach Vorverarbeitung in Schritt 3 in den Vorhersagewert der internen Komponenten der geprüften Proben aus dem vollen Korrekturmodell hinzugefügt, nach dem quantitatives Verhältnis in Schritt 6(Tabelle 4) kann der inkrementelle Vorhersagewerte berechnet, schliesslich wird dieser Anstieg aus der Vorhersagewert abgezogen, um den korrigierte Vorhersagewert zu erhalten. 7. Determination of the internal components of the samples tested. Here, after preprocessing in step 3, the NIR spectrum of the tested samples is added to the prediction value of the internal components of the tested samples from the full correction model; the incremental prediction value can be calculated according to the quantitative ratio in step 6 (Table 4), and finally this increase is calculated subtracted from the predicted value to obtain the corrected predicted value.
[0031] Das zerstörungsfreie Nahinfrarot-Verfahren zum Prüfen der internen Komponenten der mit Zucker gewürzten Lotuswurzel in Ausführungsform 2 umfasst folgende Schritte: The near-infrared non-destructive method of inspecting the internal components of the sugar-flavored lotus root in Embodiment 2 comprises the following steps:
[0032] 1. Herstellung von Proben. Dabei werden die ungewürzte Lotuswurzelprobe und die Lotuswurzelproben mit eine Zuckerkonzentration von 5%, 10%, 15% und 20% gesammelt, die Andere sind gleich wie Ausführungsform 1. 1. Preparation of samples. At this time, the unseasoned lotus root sample and the lotus root samples having a sugar concentration of 5%, 10%, 15% and 20% are collected, the others are the same as Embodiment 1.
[0033] 2. Sammlung der Spektren der Proben, gleich wie Ausführungsform 1. 2. Collection of the spectra of the samples, same as embodiment 1.
[0034] 3. Ermittlung der Referenzwerte der Proben, gleich wie Ausführungsform 1. 3. Determination of the reference values of the samples, same as embodiment 1.
[0035] 4. Vorverarbeitung der Spektraldaten, gleich wie Ausführungsform 1. 4. Pre-processing of the spectral data, the same as embodiment 1.
[0036] Tabelle 5, die Optimierungsparameter der Modellierung der internen Komponenten der Lotuswurzel in verschiedener Zuckerkonzentration Stärke Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + Glättung Multiplikative Streukorrektur+ Glättung Multiplikative Streukorrektur + Glättung Protein Multiplikative Streukorrektur + erste Ableitung Multiplikative Streukorrektur + zweite Ableitung Multiplikative Streukorrektur + zweite Ableitung Multiplikative Streukorrektur + zweite Ableitung Multiplikative Streukorrektur + zweite Ableitung Rohfaser Originales Spektrum multiplikative Streukorrektur multiplikative Streukorrektur multiplikative Streukorrektur multiplikative StreukorrekturTable 5, the optimization parameters of the modeling of the internal components of the lotus root in different sugar concentration Strength Multiplicative scatter correction + first derivative Multiplicative scatter correction + first derivative Multiplicative scatter correction + smoothing Multiplicative scatter correction + smoothing Multiplicative scatter correction + smoothing protein Multiplicative scatter correction + second scatter correction Derivation multiplicative scatter correction + second derivation multiplicative scatter correction + second derivative multiplicative scatter correction + second derivative crude fiber original Spectrum multiplicative scatter correction multiplicative scatter correction multiplicative scatter correction multiplicative scatter correction
[0037] 5. Erzeugung der Korrekturmodelle in verschiedenen Gradienten. Das Model wird unter Anwendung des Verfahrens gemäss Ausführungsbeispiel 1 hergestellt. Die Ergebnisse sind in Tabelle 6 gezeigt. Die Korrelationskoeffizienten der Korrekturmodelle in allen Zuckerkonzentrationen sind grösser als 0.9100, d.h. die Vorhersage ist exakt. RMSEP von Model 2-5 ist kleiner als RMSEP von Model 1, d.h. die Vorhersage von Model 2-5 ist exakter als die Vorhersage von Model 1. Dies liegt darin begründet, dass die Hinzugabe von Zucker als Geschmacksbestandteil bewirkt, dass die Lotuswurzel eine zusätzliche Komponente zur Nahinfrafort-Spitzenabsorption erhält, welche eine zerstörungsfreie Nahinfrarot-Detektion der internen Komponenten der Lotuswurzel beeinflusst. 5. Generation of the correction models in different gradients. The model is produced using the method according to embodiment 1. The results are shown in Table 6. The correlation coefficients of the correction models in all sugar concentrations are greater than 0.9100, i.e. the prediction is exact. Model 2-5 RMSEP is smaller than Model 1 RMSEP, i.e. The prediction of Model 2-5 is more exact than the prediction of Model 1. This is due to the fact that the addition of sugar as a flavor ingredient causes the lotus root to receive an additional component for near-infrared peak absorption, which enables non-destructive near-infrared detection of the internal Components of the lotus root influenced.
[0038] Tabelle 6 Korrekturmodelle in verschiedenen Zuckergradienten Model 1 Model 2 Model 3 Model 4 Model 5 Stärke Protein R 10.9554 0.9550 0.9510 0.9523 0.9501 0.9600 RMSEC 0.7416 1.2210 1.3002 1.3205 1.3451 0.7298 RMSEP 1.0506 1.8801 1.8715 1.8938 1.9200 1.0003 Stärke Protein R 0.9790 0.9780 0.9767 0.9763 0.9757 0.9800 RMSEC 0.2436 0.3689 0.3700 0.3798 0.3820 0.2310 RMSEP 0.2700 0.3891 0.3920 0.4003 0.4123 0.2618 Stärke R 0.9223 0.9220 0.9219 0.9213 0.9119 0.9330 RMSEC 0.1500 0.2890 0.2976 0.2989 0.2998 0.1430 RMSEP 0.1734 0.3100 0.3218 0.3236 0.3245 0.1701Table 6 Correction models in different sugar gradients Model 1 Model 2 Model 3 Model 4 Model 5 starch Protein R 10.9554 0.9550 0.9510 0.9523 0.9501 0.9600 RMSEC 0.7416 1.2210 1.3002 1.3205 1.3451 0.7298 RMSEP 1.0506 1.8801 1.8715 1.8938 1.9200 1.0003 Starch Protein R.
[0039] 6. Erzeugung des vollen Korrekturmodells. Hier werden die Korrelationsanalyse und die invariante Regressionsanalyse der NIR-Spektroskopie von dem Zuckergehalt und der internen Komponenten der Lotuswurzel durchgeführt, um die postitive NIR-Spektrum-Korrelation von dem Zuckergehalt und der internen Komponenten der Lotuswurzel zu erhalten. Die Berechnung der inkrementellen Vorhersagewerte ΔC ist dieselbe wie in Ausführungsbeispiel 1. Die Ergebnisse sind in Tabelle 7 gezeigt. Anschliessend wird das quantitative Verhältnis (wie in Tabelle 8 gezeigt) zwischen der Zuckerkonzentration CZuckerund der inkrementelle Vorhersagewerte ΔC der internen Komponenten erstellt, dann wird dieser Anstieg aus der Vorhersagewert abgezogen, dadurch kann korrigiert werden, dass die Zuckerkonzentrationsänderung das zerstörungsfreie Nahinfrarot-Prüfen der internen Komponenten von Lotuswurzel interferieren kann. Schliesslich wird Basis auf den Korrekturmodellen in verschiedenen Zuckergradienten ein NIR-Spektrum-Modell erzeugt, welches nicht von der Zuckerkonzentrationsänderung interferiert wird, wie in Tabelle 6 gezeigt. 6. Generation of the full correction model. Here, the correlation analysis and the invariant regression analysis of the NIR spectroscopy of the sugar content and the internal components of the lotus root are performed to obtain the positive NIR spectrum correlation of the sugar content and the internal components of the lotus root. The calculation of the incremental predicted values ΔC is the same as in Embodiment 1. The results are shown in Table 7. Then the quantitative relationship (as shown in Table 8) between the sugar concentration C sugar and the incremental forecast value ΔC of the internal components is established, then this increase is subtracted from the forecast value, so that the change in sugar concentration can be corrected for the non-destructive near-infrared testing of the internal components from lotus root can interfere. Finally, based on the correction models in different sugar gradients, an NIR spectrum model is generated which is not interfered by the change in sugar concentration, as shown in Table 6.
[0040] Tabelle 7 die inkrementelle Vorhersagewerte der internen Komponenten in verschiedener Zuckerkonzentration Model 2 0.4120 0.07920 0.03890 Model 3 0.5388 0.09865 0.04899 Model 4 0.6899 0.11010 0.05260 Model 5 0.7990 0.12310 0.06090Table 7 shows the incremental prediction values of the internal components in various sugar concentrations Model 2 0.4120 0.07920 0.03890 Model 3 0.5388 0.09865 0.04899 Model 4 0.6899 0.11010 0.05260 Model 5 0.7990 0.12310 0.06090
[0041] Tabelle 8 quantitatives Verhältnis (einheitliche Regression) zwischen der Zuckerkonzentration CZuckerund der inkrementelle Vorhersagewerte ΔC der internen Komponenten Stärke 0.0262 0.2819 0.9965 Protein 0.0029 0.0670 0.9856 Rohfaser 0.0014 0.0329 0.9718Table 8 quantitative relationship (uniform regression) between the sugar concentration C sugar and the incremental prediction values ΔC of the internal components starch 0.0262 0.2819 0.9965 protein 0.0029 0.0670 0.9856 crude fiber 0.0014 0.0329 0.9718
[0042] 7. Ermittlung der internen Komponenten der geprüften Proben, gleich wie Ausführungsform 1. 7. Determination of the internal components of the tested samples, same as embodiment 1.
Claims (7)
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310167960.2A CN103344597B (en) | 2013-05-06 | 2013-05-06 | Anti-flavored-interference near infrared non-destructive testing method for internal components of lotus roots |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CH708057A2 true CH708057A2 (en) | 2014-11-14 |
| CH708057B1 CH708057B1 (en) | 2015-08-14 |
Family
ID=49279411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CH00658/14A CH708057B1 (en) | 2013-05-06 | 2014-05-03 | Near-infrared method for determining the constituents of the lotus root. |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN103344597B (en) |
| CH (1) | CH708057B1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856072A (en) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | Kiwi berry based on Vis/NIR expands fruit detection method and device |
| CN117368146A (en) * | 2023-12-08 | 2024-01-09 | 苏陀科技(北京)有限公司 | Rapid detection method for mycelium protein content |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2015147403A1 (en) * | 2014-03-28 | 2015-10-01 | 강원대학교산학협력단 | Method for simultaneously analyzing, by using near-infrared spectroscopy, quantities of nutritional content contained in various kinds of food having different raw materials and shapes |
| CN105092523A (en) * | 2015-08-25 | 2015-11-25 | 江南大学 | Scheme based on near infrared technology and used for detecting phosphorous in water |
| CN105699301B (en) * | 2015-12-31 | 2019-05-28 | 深圳市芭田生态工程股份有限公司 | A method of utilizing crude fibre in spectrographic determination agricultural product |
| ES2774983B2 (en) | 2019-01-22 | 2021-06-10 | Univ Sevilla | PORTABLE DEVICE AND METHOD FOR NON-INVASIVE ESTIMATION OF GLUCOSE LEVEL IN BLOOD |
| CN113310943A (en) * | 2021-05-22 | 2021-08-27 | 福州大学 | Lotus root starch adulteration identification method based on machine learning |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2418474A1 (en) * | 2010-08-02 | 2012-02-15 | OOO "Novye Energeticheskie Technologii" | Near infrared spectroscopy method for simultaneously determining the components of raw milk |
| CN102353644A (en) * | 2011-06-30 | 2012-02-15 | 上海海洋大学 | Rapid near infrared spectroscopy method for simultaneously detecting moisture content and protein content of Trichiurus japonicus surimi |
| CN102279168A (en) * | 2011-07-20 | 2011-12-14 | 浙江大学 | Near-infrared spectroscopic technology-based method for fast and undamaged analysis of nutritional quality of whole cottonseed |
| CN103959292A (en) * | 2011-09-23 | 2014-07-30 | 陶氏益农公司 | Chemometrics for near infrared spectral analysis |
-
2013
- 2013-05-06 CN CN201310167960.2A patent/CN103344597B/en active Active
-
2014
- 2014-05-03 CH CH00658/14A patent/CH708057B1/en not_active IP Right Cessation
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109856072A (en) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | Kiwi berry based on Vis/NIR expands fruit detection method and device |
| CN117368146A (en) * | 2023-12-08 | 2024-01-09 | 苏陀科技(北京)有限公司 | Rapid detection method for mycelium protein content |
| CN117368146B (en) * | 2023-12-08 | 2024-03-12 | 苏陀科技(北京)有限公司 | Rapid detection method for mycelium protein content |
Also Published As
| Publication number | Publication date |
|---|---|
| CH708057B1 (en) | 2015-08-14 |
| CN103344597B (en) | 2015-06-10 |
| CN103344597A (en) | 2013-10-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CH708057A2 (en) | Near-infrared method for determining the constituents of the lotus root. | |
| Jha et al. | Modeling of color values for nondestructive evaluation of maturity of mango | |
| CN105181643A (en) | Near-infrared inspection method for rice quality and application thereof | |
| CN107796782A (en) | Redrying quality stability evaluation method based on tobacco leaf characteristic spectrum consistency metric | |
| CN110646407A (en) | Method for rapidly detecting content of phosphorus element in aquatic product based on laser-induced breakdown spectroscopy technology | |
| CN110308111B (en) | Method for rapidly predicting time for smoldering yellow tea by using near infrared spectrum technology | |
| Ali et al. | Prediction of total soluble solids and pH in banana using near infrared spectroscopy | |
| CN109374548A (en) | A method of quickly measuring nutritional ingredient in rice using near-infrared | |
| DE112013006218T5 (en) | Organic material production method, organic substance production method recording method and organic substance production method recording apparatus | |
| Cayuela et al. | NIR prediction of fruit moisture, free acidity and oil content in intact olives | |
| CN102937575B (en) | Watermelon sugar degree rapid modeling method based on secondary spectrum recombination | |
| Valero et al. | Selection models for the internal quality of fruit, based on time domain laser reflectance spectroscopy | |
| Seehanam et al. | Internal disorder evaluation of ‘Namdokmai Sithong’mango by near infrared spectroscopy | |
| EP3612835B1 (en) | Method for detecting the rancidity of oilseeds, seeds and nuts | |
| XIA et al. | Application of wavelet transform in the prediction of navel orange vitamin C content by near-infrared spectroscopy | |
| CN107796779A (en) | The near infrared spectrum diagnostic method of rubber tree LTN content | |
| Xue et al. | Study of Malus Asiatica Nakai’s firmness during different shelf lives based on visible/near-infrared spectroscopy | |
| Dong et al. | Nondestructive method for analysis of the soybean quality | |
| Wang et al. | Vitamin C content estimation of chilies using Vis/NIR spectroscopy | |
| Li | Classification of black tea leaf water content based on hyperspectral imaging | |
| CN110320174B (en) | Method for rapidly predicting time for smoldering yellow tea by applying polynomial net structure artificial neural network | |
| Hsieh et al. | Applied visible/near-infrared spectroscopy on detecting the sugar content and hardness of pearl guava | |
| CN112763448A (en) | ATR-FTIR technology-based method for rapidly detecting content of polysaccharides in rice bran | |
| Hashim et al. | A numerical analysis of correlation between sucrose level measurement and near-infrared (NIR) for various grades of watermelon ripeness | |
| Zhang et al. | Robust model of fresh jujube soluble solids content with near-infrared (NIR) spectroscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PCAR | Change of the address of the representative |
Free format text: NEW ADDRESS: ZUERCHERSTRASSE 42, 5330 BAD ZURZACH (CH) |
|
| PCAR | Change of the address of the representative |
Free format text: NEW ADDRESS: OBERMATTWEG 12, 6052 HERGISWIL NW (CH) |
|
| PL | Patent ceased |