CN102313715A

CN102313715A - 基于激光技术的蜂蜜品质检测方法

Info

Publication number: CN102313715A
Application number: CN201110226041A
Authority: CN
Inventors: 孟超英; 陈红茜; 庆兆珅; 朱大洲; 屠振华; 李辉; 王水
Original assignee: China Agricultural University
Current assignee: China Agricultural University
Priority date: 2011-08-08
Filing date: 2011-08-08
Publication date: 2012-01-11

Abstract

本发明公开了一种基于激光技术的蜂蜜品质检测方法，涉及蜂蜜品质检测技术领域，包括：S1：采集待测蜂蜜的近红外光谱，并进行预处理，对经预处理后的近红外光谱进行分析，筛选出特征波长；S2：根据所述特征波长确定激光器的工作波长，用所述激光器照射所述待测蜂蜜，通过摄像头采集到相应的光斑图像；S3：对所述光斑图像进行处理，并提取图像特征参数；S4：利用所述图像特征参数与所述待测蜂蜜的品质参数之间的关系建立进行计算，以获得所述待测蜂蜜的品质参数。本发明的优点为：1、识别检测费用便宜；2、样品前处理简单；3、蜂蜜主要成分的同时检测；4、快速无损；5、便携和用于现场检查；6、便于实现在线检测。

Description

基于激光技术的蜂蜜品质检测方法

技术领域

本发明涉及蜂蜜品质检测技术领域，特别涉及一种基于激光技术的蜂蜜品质检测方法。

背景技术

蜂蜜是蜜蜂将采集的植物花蜜或植物细胞渗出的蜜露，或昆虫排泄的甘露混以蜂蜜唾液腺的分泌物，经充分酿制而储藏在蜂巢里的甜味物质。蜂产品的营养和药用价值都极高，在欧洲的很多国家已被列为动物源天然保健食品。

但是，近年来，在利益的驱动下，有些个体户及厂家将掺假蜂蜜以天然蜂蜜的形式投放市场的现象在我国很多地区都日趋严重。因此，制定完善的蜂蜜质量标准，研究快速高效的蜂蜜品质检测技术和方法具有重要的意义，它能保证产品质量、打击假冒伪劣产品。传统蜂蜜品质的检测方法都有费时、费力，且检测成本较高等缺点。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何提高蜂蜜品质的检测方法的检测效率，并降低检测复杂度及成本。

(二)技术方案

为解决上述技术问题，本发明提供了一种基于激光技术的蜂蜜品质检测方法，包括以下步骤：

S1：采集待测蜂蜜的近红外光谱，并对所述近红外光谱进行预处理，运用遗传算法对经预处理后的近红外光谱进行分析，筛选出所述待测蜂蜜的特征波长；

S2：根据所述特征波长确定激光器的工作波长，用所述激光器照射所述待测蜂蜜，通过摄像头采集到相应的光斑图像；

S3：对所述光斑图像进行处理，并提取所述光斑图像的图像特征参数；

S4：利用所述图像特征参数与所述待测蜂蜜的品质参数之间的关系建立进行计算，以获得所述待测蜂蜜的品质参数。

优选地，步骤S1之前还包括步骤：

S0：对待测蜂蜜进行水浴加热，再冷却至室温，以获得匀质流体状态的待测蜂蜜。

优选地，所述图像特征参数包括光强均值、光斑像素强度频率和光晕像素强度频率中的至少一个。

优选地，所述品质参数为所述待测蜂蜜中水和可溶性固形物的含量。

优选地，所述近红外光谱的波长范围为600～1100nm。

优选地，步骤S1中对所述近红外光谱进行预处理时，所述预处理包括背景去除、校正、去噪声和选择特征数据点中的至少一种。

优选地，所述背景去除通过求导变换实现，所述校正通过附加散射校正和/或正交信号校正实现，所述去噪声通过平滑和/或小波去噪实现，所述选择特征数据点通过遗传算法实现。

优选地，步骤S3中对所述光斑图像进行处理时，所述处理包括灰度转换、背景分割、噪声去除和边缘检测中的至少一种。

优选地，所述灰度转换通过加权平均值法实现，所述背景分割通过阈值分割算法或区域分割算法实现，所述噪声去除通过中值滤波、均值滤波和线性滤波中至少一种方法实现，所述边缘检测通过小波变换、傅里叶变换、边缘算子法、曲线拟合法、模板匹配法和门限化法中至少一种方法实现。

优选地，步骤S4中的所述图像特征参数与所述待测蜂蜜的品质参数之间的关系是通过对若干样品进行建立数学模型所确定。

(三)有益效果

本发明的优点如下：1、识别检测费用便宜；采用激光漫反射光谱图像技术检测蜂蜜品质，其仪器购置费用远远低于传统的近红外光谱技术中所需仪器，同时在建立模型后，检测蜂蜜品质的耗材费用基本可以忽略；2、样品前处理简单；对于市场执法部门，对于市场上的成品蜂蜜，流动性好的可直接测定，流动性较差或已结晶的，经过水浴加热后即可测定；3、蜂蜜主要成分的同时检测；本发明可以同时检测待测蜂蜜中的含水量和可溶性固形物含量；4、快速无损；对待测蜂蜜激光图像的采集时间非常短，直接使用激光器照射待测蜂蜜，然后接收到其形成的激光光斑图像即可进行分析；在模型建立以后，利用普通台式计算机的模型计算时间基本可以忽略；5、便携和用于现场检查；由于激光漫反射光谱图像技术中待测蜂蜜的前处理非常简单，同时检测方便，检测速度快，因此可以直接让执法人员随身携带；6、便于实现在线检测；由于现有技术中最常用的近红外光谱技术对于复杂有机成分的分辨能力弱，且不易实现在线检测，会受到光纤附件的影响，并且主要根据官能团的吸收来检测组份的含量，其分析指标是一维光谱，而激光漫反射光谱图像技术则能有效地利用光量子在介质的传播过程中发生衰减的程度来分析样品的内部品质，因此，使用激光漫反射光谱图像技术对复杂物质进行检测时，可以通过光对不同组分的衰减程度不同，来区分含有相同官能团的不同化学组份，相比起使用近红外光谱技术，避免了其对复杂体系分析力度的不足，并且便于实现在线检测。

附图说明

图1是按照本发明一种实施方式的基于激光技术的蜂蜜品质检测方法的流程图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

参照图1，本实施方式的基于激光技术的蜂蜜品质检测方法，包括以下步骤：

S1：采集待测蜂蜜的近红外光谱，并对所述近红外光谱进行预处理，运用遗传算法对经预处理后的近红外光谱进行分析，筛选出所述待测蜂蜜的特征波长；本实施方式中，采用荷兰avantes公司的电荷耦合元件(Charge-coupled Device，CCD)型近红外光谱仪，波段范围600～1100nm，采集液体时可采用透射池(光程为20mm)、石英液体透反射光纤，扫描次数：32次取平均，以空气作为参比；

S2：根据所述特征波长确定激光器的工作波长，用所述激光器照射所述待测蜂蜜，通过摄像头采集到相应的光斑图像；本实施方式中，受到CCD摄像头(本实施方式中，CCD摄像头采用ModelTK2C1430EC，JVC Corporation，Japan)采集波段范围的限制，所述激光器可以是400～1000nm波长范围内的激光器，根据遗传算法筛选的特征波长；采用遗传算法对原始光谱筛选特征波长，其主要步骤如下：(1)编码：对所有的波长编码，每个波长是1个基因，对基因进行0-1编码，若编码是1，则建模时包含此波长；若为0，则反之。1种0-1编码的组合称为1条染色体，其长度是被编码的波长数。(2)选择初始群体：假如初始群体有N个体，每个体的染色体长度是m，则随机产生N个m位的0-1二进制数作为初始群体。(3)适应值函数：为了使遗传算法对适应值较高的个体有更多的生存机会，通过对目标函数进行变换得到的适应值函数是1/(1+RMSEP)，其中，RMSEP为预测均方根误差；(4)复制：以“轮盘赌”的方式，每个个体的选择概率与其适应度成比例。(5)交叉：交叉运算是指两个相互配对的染色体按某种方式相互交换其部分基因，采用普通单点交叉方式。(6)变异：变异是以一定概率产生变异基因数，用随机方法选出发生变异的基因；如果所选的基因的编码为1，则变为0；反之编码为0，则变为1。重复(4)、(5)、(6)直到有最优解，迭代停止；本实施方式中，计算获得所述特征波长分别为738、938和980nm，应用波长分别为738、938和980nm的激光器，采集不同激光器下待测蜂蜜的激光光斑图像。当然，由于不同的激光器焦距不同，因此在采用不同波长的激光器作为发光光源时，待测蜂蜜表面距镜头的距离也不同。通过调节样品支架高度，CCD摄像头和激光器距离蜂蜜样品表面的距离可以随时准确地调整。由于CCD摄像头对不同波长激光的感应性不同，因此，为了使CCD摄像头能够清晰地采集不同波长下的激光光斑图像，各个波长下的激光器的工作功率也不同。表1为不同激光器的具体参数。

表1

工作波长[nm]	功率[mW]	焦距[mm]	光束尺寸[mm]
				738	5	65	0.8×0.8
938	20	55	1.5×4.0
				980	30	50	0.5×0.5

S3：对所述光斑图像进行处理，并提取所述光斑图像的图像特征参数，所述图像特征参数包括光强均值、光斑像素强度频率和光晕像素强度频率中的至少一个；

S4：利用所述图像特征参数与所述待测蜂蜜的品质参数之间的关系进行计算，以获得所述待测蜂蜜的品质参数，所述品质参数为所述待测蜂蜜中水和可溶性固形物的含量。

由于葡萄糖具有容易结晶的特性，因此分离出来的蜂蜜，在较低的温度下放置一段时间，葡萄糖就会逐渐结晶，而且蜂蜜相对比较粘稠，因此为了使蜂蜜样品能处于比较好的匀质流体状态，便于对其采集激光光斑图像，往往需要针对流动性比较差或者是已经结晶的蜂蜜样品进行水浴加热，优选地，在步骤S1之前还包括步骤：

S0：对待测蜂蜜进行水浴加热(本实施方式中，采用40～60℃水浴加热30分钟以上)，再冷却至室温，以获得匀质流体状态的待测蜂蜜；经水浴加热后的蜂蜜在短期内(2～3天)常温下不会马上再结晶。在应用至蜂蜜生产过程的检测中时，由于蜂蜜的生产工艺包括融蜜、浓缩等受热过程，在装罐前均可检测其品质参数。

步骤S1中对所述近红外光谱进行预处理时，所述预处理包括背景去除、校正、去噪声和选择特征数据点中的至少一种。

所述背景去除通过求导变换实现，所述校正通过附加散射校正和/或正交信号校正实现，所述去噪声通过平滑和/或小波去噪实现，所述选择特征数据点通过遗传算法实现。

本实施方式中对采集的近红外光谱进行预处理的算法包括：S-G平滑、一阶导数法和二阶导数法。在S-G平滑中，所选的平滑点数越少，平滑能力越差，去噪效果越差，但能保留光谱的有用信息；所选的平滑点数越多，平滑能力越好，能去除绝大部分噪声，但也会丢失部分有用的光谱信息。一阶导数可以消除基线漂移或平缓背景干扰的影响，也可以提供比原光谱更高的分辨率和更清晰的光谱轮廓变化。二阶导数可以消除光谱的旋转误差。

步骤S3中对所述光斑图像进行处理时，所述处理包括灰度转换、背景分割、噪声去除和边缘检测中的至少一种，

所述灰度转换通过加权平均值法实现，所述背景分割通过阈值分割算法或区域分割算法实现，所述噪声去除通过中值滤波、均值滤波和线性滤波中至少一种方法实现，所述边缘检测通过小波变换、傅里叶变换、边缘算子法、曲线拟合法、模板匹配法和门限化法中至少一种方法实现。

本实施方式中，对所述光斑图像进行处理时具体包括以下步骤：将采集到的激光图像进行灰度转化，便于之后的图像处理和特征参数的提取；完成背景分割，由于在图像处理研究中，往往只对图像的某一部分感兴趣，该部分就被称为目标或前景，那么就需要将其与背景分割开，使用灰度阈值分割算法完成背景分割；最后是对图像的去噪，选取中值滤波完成去噪。

在步骤S4中，计算所述待测蜂蜜的品质参数之前需要获得所述图像特征参数与所述待测蜂蜜的品质参数之间的关系，本实施方式中，通过样品来建立数学模型的方式获得所述图像特征参数与所述待测蜂蜜的品质参数之间的关系，本实施方式中，可以根据测量精度的要求进行选择样品，例如：为了更准确的测量中部地区蜂蜜的品质，就以中部地方蜂蜜为样品；为了能够使所建立的模型适用于更多地区更多种类的蜂蜜而容许一定的测量误差，就以多地区多种类的蜂蜜作为样品。

本实施方式中，采集了青藏高原、河北、浙江、福建、宁夏、东北、山西、湖南、湖北、江西、北京等全国各个蜂蜜著名产地的蜂蜜样品，不仅充分代表国内样品品种和产地的特性，也代表了我国蜂蜜的主要出口品种的样本。蜂蜜品种也具有代表性，共收集洋槐、枣花、五味子、蒲公英、益母草、黄连、紫云英、荆条、党参、雪脂莲、荔枝、椴树、兰花草、枸杞、菊花、桂花、玫瑰花、油菜、柑橘19种单植物源蜂蜜，以及混合植物源蜂蜜共49个样品，样品采集回后放置于4℃冰柜中贮藏，并按照商业部标准SN/T 0852-2000(进出口蜂蜜检验办法)，测定蜂蜜样品中的水分含量。

建立数学模型的方法与上述的基于激光技术的蜂蜜品质检测方法基本相同，首先，采集蜂蜜样品的近红外光谱，并对所述近红外光谱进行预处理，运用遗传算法对经预处理后的近红外光谱进行分析，筛选出所述蜂蜜样品的特征波长；然后，根据所述特征波长确定激光器的工作波长，用所述激光器照射所述蜂蜜样品，通过摄像头采集到相应的光斑图像；之后，对所述光斑图像进行处理，并提取所述光斑图像的图像特征参数，所述图像特征参数包括光强均值、光斑像素强度频率和光晕像素强度频率中的至少一个；最后，根据所述图像特征参数和所述蜂蜜样品的品质参数建立数学模型。其中，在采集到光斑图像时，确定好摄像头和激光器距离蜂蜜样品表面的距离后，将所有的蜂蜜样品逐个采集激光光斑图像，该图像被摄像头记录下来并以RGB格式存储，所有蜂蜜样品采集完毕之后，需要更换另一个激光器(本实施方式中，应用波长分别为738、938和980nm的激光器)进行实验，这时，需要再次调节摄像头和激光器距离蜂蜜样品表面的距离，直至得到清晰准确的光斑图像。

本实施方式中，建立数学模型的具体过程如下：将提取出来的三种不同的图像特征参数矩阵X分别与建模样品的水分浓度y作为输入数据，输入到偏最小二乘回归算法软件中，经过迭代运算，软件自动计算出偏最小二乘回归模型的一系列参数，从而得到水分预测模型的函数表达式。

利用上述数学模型进行待测蜂蜜的品质检测方法中步骤S4中的计算步骤如下：

按照上述蜂蜜激光图像采集的方法分别采集待测蜂蜜的激光图像，经过上述图像处理算法对图像进行处理，然后提取上述三种不同的图像特征参数，利用上述数学模型便可以计算出上述待测蜂蜜中的水分含量。该计算过程也可以编成程序，输入待测蜂蜜的不同图像特征参数x，就可以自动计算出水分含量。

同样，使用上述建立数学模型的方法，可以建立可溶性固形物含量与图像特征参数的函数关系，从而通过待测蜂蜜的图像特征参数得到可溶性固形物含量。

蜂蜜各指标和不同图像特征参数偏最小二乘回归建模的结果如表2所示。其中，校正集与预测集按照2∶1的比例关系随机选择49个蜂蜜样品中33个作为校正集，其余16个作为预测集，校正集用来建立模型，预测集用来对模型进行验证。表2中，r为模型的相关系数，r越接近1，模型准确度越高，RMSEC为校正均方根误差，RMSECV为交互验证均方根误差，RMSEP为预测均方根误差。

表2

结果表明，利用这三种不同的图像特征参数检测蜂蜜的品质，光晕像素强度频率建立的模型效果是最好的，能够测定蜂蜜水分和可溶性固形物的含量。

以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims

1.一种基于激光技术的蜂蜜品质检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的蜂蜜品质检测方法，其特征在于，步骤S1之前还包括步骤：

3.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，所述图像特征参数包括光强均值、光斑像素强度频率和光晕像素强度频率中的至少一个。

4.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，所述品质参数为所述待测蜂蜜中水和可溶性固形物的含量。

5.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，所述近红外光谱的波长范围为600～1100nm。

6.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，步骤S1中对所述近红外光谱进行预处理时，所述预处理包括背景去除、校正、去噪声和选择特征数据点中的至少一种。

7.如权利要求6所述的蜂蜜品质检测方法，其特征在于，所述背景去除通过求导变换实现，所述校正通过附加散射校正和/或正交信号校正实现，所述去噪声通过平滑和/或小波去噪实现，所述选择特征数据点通过遗传算法实现。

8.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，步骤S3中对所述光斑图像进行处理时，所述处理包括灰度转换、背景分割、噪声去除和边缘检测中的至少一种。

9.如权利要求8所述的蜂蜜品质检测方法，其特征在于，所述灰度转换通过加权平均值法实现，所述背景分割通过阈值分割算法或区域分割算法实现，所述噪声去除通过中值滤波、均值滤波和线性滤波中至少一种方法实现，所述边缘检测通过小波变换、傅里叶变换、边缘算子法、曲线拟合法、模板匹配法和门限化法中至少一种方法实现。

10.如权利要求1或2所述的蜂蜜品质检测方法，其特征在于，步骤S4中的所述图像特征参数与所述待测蜂蜜的品质参数之间的关系是通过对若干样品进行建立数学模型所确定。