CN103063603B - 机炒龙井茶叶水分含量在线检测装置 - Google Patents
机炒龙井茶叶水分含量在线检测装置 Download PDFInfo
- Publication number
- CN103063603B CN103063603B CN201210571483.1A CN201210571483A CN103063603B CN 103063603 B CN103063603 B CN 103063603B CN 201210571483 A CN201210571483 A CN 201210571483A CN 103063603 B CN103063603 B CN 103063603B
- Authority
- CN
- China
- Prior art keywords
- light source
- light
- machine
- fried
- longjing tea
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于光谱特征参数的机炒龙井茶叶水分含量在线检测装置,首先利用均匀设计方法确定了样本采样方案,利用高光谱仪获取了机炒龙井茶叶的全波段光谱,进行光谱预处理和分析;通过与机炒龙井茶叶水分含量的相关性分析,确定了敏感光谱波段并求取了光谱特征参数,利用小样本非统计理论和蚁群算法建立了反演模型来预测机炒龙井茶叶水分含量。利用本发明提供的技术方案可实现机炒龙井茶叶水分含量的在线实时检测并且可用于全自动茶叶加工设备系统中提高生产效率。
Description
技术领域
本发明涉及基于红外光谱的检测技术,尤其是可实现对茶叶水分含量的在线检测技术,具体涉及机炒龙井茶叶水分含量在线检测装置。
背景技术
茶叶水分在线检测是机炒茶叶生产过程中最重要的环节。茶叶是一种干燥的农产品。食品学理论认为,绝对干燥的食品因各类成分直接暴露于空气,易受空气中氧气的氧化。而当水分子以氢键和食品成分结合,呈单分子层状态时,似在食品表面蒙上一层保护膜,食品得到保护,使氧化进度变缓。许多研究表明,当茶叶中的含水量在3%左右时,茶叶成分与水分子几乎呈单层分子关系,对脂质与空气中氧分子起较好的隔离作用,阻止脂质的氧化变质。但当水分含量超过一定数量后,情况大变,不但不能起保护膜作用,反而起溶剂作用。溶剂的特性是使溶质扩散,加剧反应。当茶叶水分含量超过6%,或外界大气相对湿度高于6O%以上时,会使茶叶中的化学变化十分激烈,如叶绿素的变性、分解,色泽变褐变深;茶多酚、氨基酸等呈味物质迅速减少;组成新茶香气的二甲硫、苯乙醇等芳香物质锐减,而对香气不利的挥发性成分大量增加,导致茶叶品质变劣。因此,成品茶的含水量必须控制在6%以下,超过此限度则要复火烘干,才能保存。
现有技术中大多采用的是烘箱法和快速水分测定仪法,其基本原理都是通过加热方式,快速干燥样品,通过测量前后样品重量的变化从而得到茶叶水分的含量。该方法测量过程复杂,一般需要几分钟时间,故不能满足茶叶水分实时检测的要求。因此有必要设计一种简便、快速、无损坏的方法,以实时检测茶叶中的水分含量。
发明内容
针对上述现有技术的不足之处,本发明的目的是提供一种结构简单、快速、易于控制、性能可靠的基于特征光谱参数的机炒龙井茶叶水分在线检测装置。
根据本发明的一个方面,提供一种机炒龙井茶叶水分含量在线检测装置,包括光源、分光镜、光电探测器、放大滤波电路、AD转换电路、单片机、显示器,其中:
所述分光镜将所述光源发出的光线分成第一路光线、以及第二路光线,其中,所述第一路光线为参考光源,所述第二路光线为照射向茶叶样品的入射光;
所述光电探测器用于根据采集到的所述参考光源生成所述参考光源的光谱信号,根据采集到的所述入射光照射茶叶样品获得的反射光生成所述反射光的光谱信号;
所述AD转换电路用于将经过所述放大滤波电路处理后的所述参考光源的光谱信号转换成参考光源光谱数字信号,将经过所述放大滤波电路处理后的所述反射光的光谱信号转换成反射光光谱数字信号;
所述单片机用于根据所述参考光源光谱数字信号和反射光光谱数字信号,得出敏感波段光谱的反射率,然后将所述敏感波段光谱的反射率代入机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型得出茶叶的水分含量;
所述显示器用于显示所述茶叶的水分含量。
优选地,还包括第一滤光片和第二滤光片,其中,所述光源包括第一光源、第二光源,所述第一光源发出的光线经所述第一滤光片到达所述分光镜,所述第二光源发出的光线经所述第二滤光片到达所述分光镜。
优选地,所述敏感波段光谱为350-2500nm波长范围的光谱。
优选地,所述敏感波段光谱为708nm和1432nm这两个波段的光谱。
优选地,所述机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型,具体为:利用敏感波段光谱的反射率,运用倒高斯模型拟合光谱曲线,求取红边参数和吸收深度两个特征参数,采用小样本非统计理论和独立分量分析方法,得到的非线性预测模型。
优选地,所述光源为红外发光二极管。
优选地,所述分光镜将光源发出的光线按照1:1的比例分成第一路光线、以及第二路光线。
下面对本发明内容的细节进行更为详细的描述。
1)全波段茶叶光谱样本的获取
利用高光谱仪获取机炒龙井茶不同采摘时期(春茶和秋茶)、不同含水量(65%、50%、45%、40%、35%、30%、20%和15%)、不同叶位(叶中和叶尖)的鲜叶和干叶350-2500nm全波段范围内的光谱数据,利用均匀设计方法确定三因素多水平的采样方案,注意每个样本光谱扫描时间限定在10s内以防止叶片氧化。
2)敏感光谱波段的确定
茶叶中的水分对某些特定波段的光谱具有明显的吸收效应,该波段称为茶叶水分的敏感特征光谱。如图1所示,利用光谱仪获取茶叶在350-2500nm波长范围的反射光谱,借助自主开发的数据处理软件对8个不同水分含量的茶鲜叶、各60组数据进行平滑预处理,然后采用统计分析方法和方差分析方法,筛选出和茶叶水分相关系数R达到0.86的两个敏感波段,即红光波段708nm和近红外波段1432nm这两个波段作为特征光谱,并建立敏感波段反射率和水分含量的多元高次回归方程。
3)水分含量和光谱特征参数的非线性预测模型
以红光波段708nm和近红外波段1432nm作为分析对象,利用倒高斯红边模型(IG模型)拟合出连续光谱曲线,继而求算出红边参数和光谱吸收深度参数并作相关分析,最后采用小样本非统计理论和蚁群算法进行数据建模,建立机炒龙井茶叶水分含量和光谱特征参数的非线性预测模型。
4)机炒龙井茶水分含量的测定
对于待检测的茶叶,如图3所示,首先用两组红外发光二极管A、B,分别通过不同的滤光片后经分光镜按1:1的比例分成两路,一路为参考光源A、B,另一路为入射光A、B。参考光源A、B分别经光电探测器A、B,把光谱信号转换成模拟电信号,模拟电信号经放大滤波处理后再经过A\D转换成数字信号输入到单片机内部。入射光A、B照射茶叶表面,得到反射光A、B,反射光A、B分别经光电探测器C、D,把光谱信号转换成模拟电信号,模拟电信号经放大滤波处理后再经过A\D转换成数字信号输入到单片机内部,与参考光源处理后的数据一同处理,得出特征光谱的反射率,再代入机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型得出茶叶的水分含量,最后通过LED显示。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是机炒龙井茶叶的反射光谱图,示出8个不同水分含量的茶鲜叶光谱曲线;
图2是8个不同水分含量的茶鲜叶在不同波长相对反射率的F检验;
图3是机炒龙井茶叶水分含量在线检测方法的原理图;
图4是机炒龙井茶叶水分含量在线检测装置的总装图;
图5是光电转换接口的结构示意图;
图6是倒高斯拟合红边光谱;
图7是拟合微分光谱曲线;
图8是吸收深度估测水分含量。
图中:
1为分光镜,
2为光源插孔,
3为白板放置处,
4为样品托盘放置处,
5为光电传感器接口,
6为外壳,
7为液压气动用密封圈。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
为达到一种简便、快速、无损坏的机炒龙井茶叶水分含量在线检测目的,本发明的实施过程如下所示:
1)全波段茶叶光谱样本的获取
利用高光谱仪获取机炒龙井茶不同采摘时期(春茶和秋茶)、不同含水量(65%、50%、45%、40%、35%、30%、20%和15%)、不同叶位(叶中和叶尖)的鲜叶和干叶350-2500nm全波段范围内的光谱数据,利用均匀设计方法确定三因素多水平的采样方案,注意每个样本光谱扫描时间限定在10s内以防止叶片氧化。
2)敏感光谱的选定
茶叶中的水分对某些特定波段的光谱具有明显的吸收效应,该波段称为茶叶水分的敏感特征光谱。如图1所示,利用光谱仪获取茶叶在350-2500nm波长范围的反射光谱,借助自主开发的数据处理软件对8个不同水分含量的茶鲜叶、各60组数据进行平滑预处理,然后采用统计分析方法和方差分析方法,筛选出和茶叶水分相关系数R达到0.86的两个敏感波段,即红光波段708nm和近红外波段1432nm这两个波段作为特征光谱,并建立敏感波段反射率和水分含量的多元高次回归方程。
3)水分含量和特征光谱反射率的非线性预测模型
以红光波段708nm和近红外波段1432nm作为分析对象,利用倒高斯红边模型(IG模型)拟合出连续光谱曲线,继而求算出红边参数和光谱吸收深度(面积)参数并作相关分析,最后采用小样本非统计理论和蚁群算法进行数据建模,建立机炒龙井茶叶水分含量和光谱特征参数的非线性预测模型。
4)机炒龙井茶水分含量的测定
选择辐射能量大部分集中在待分析特征吸收光谱的波段范围内的光源,选定红外发光二极管。滤光片选择干涉窄带滤光片,对要通过的波段,光能损失小,并且具有良好的热稳定性。光电探测器选择半导体光电检测器,选择性好、灵敏度高、零点稳定。
对于待检测的茶叶,如图3所示,首先用两组红外发光二极管A、B,分别通过不同的滤光片后经分光镜按1:1的比例分成两路,一路为参考光源A、B,另一路为入射光A、B。参考光源A、B分别经光电探测器A、B,把光谱信号转换成模拟电信号,模拟电信号经放大滤波处理后再经过A\D转换成数字信号输入到单片机内部。入射光A、B照射茶叶表面,得到反射光A、B,反射光A、B分别经光电探测器,把光谱信号转换成模拟电信号,模拟电信号经放大滤波处理后再经过A\D转换成数字信号输入到单片机内部,与参考光源处理后的数据一同处理,得出特征光谱的反射率,再代入机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型得出茶叶的水分含量,最后通过LED显示。
在本发明的一个具体实施方式中,如图4所示,所述光源插孔2优选地呈环形阵列排布,安装有所述光源,在外壳的底部设置有白板放置处3和样品托盘放置处4,茶叶放置于样品托盘中,所述光源发出的光线经白板反射的反射光作为所述参考光源,所述光源分为两组红外发光二极管,一组红外发光二极管经第一滤光片后发出708nm波段的光线,另一组红外发光二极管经第二滤光片后发出1432nm波段的光线,相应地,所述光电传感器接口的数量优选地为4个,分别用于接收708nm波段的参考光源、708nm波段的反射光、1432nm波段的参考光源、1432nm波段的反射光。
进一步详细地,利用本发明能够实现一种机炒龙井茶叶水分含量在线检测方法。
所述机炒龙井茶叶水分含量在线检测方法包括如下步骤:
步骤一:将光源发出的光线分成第一路光线、以及第二路光线,其中,所述第一路光线为参考光源,所述第二路光线为照射向茶叶样品的入射光;优选地将光源发出的光线按照1:1的比例分成第一路光线、以及第二路光线。
步骤二:将所述参考光源的光谱信号转换成参考光源光谱数字信号,然后储存所述参考光源光谱数字信号;采集所述入射光照射茶叶样品得到的反射光,然后将所述反射光的光谱信号转换成反射光光谱数字信号,储存所述反射光光谱数字信号;
步骤三:根据所述参考光源光谱数字信号和反射光光谱数字信号,得出敏感波段光谱的反射率,然后将所述敏感波段光谱的反射率代入机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型得出茶叶的水分含量,并显示所述茶叶的水分含量。
所述敏感波段光谱为350-2500nm波长范围的光谱,优选地,所述敏感波段光谱为708nm和1432nm这两个波段的光谱。
所述机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型,具体为:利用敏感波段光谱的反射率,运用倒高斯模型拟合光谱曲线,求取红边参数和吸收深度(面积)两个特征参数,采用小样本非统计理论和独立分量分析方法,得到的非线性预测模型。
所述光源为红外发光二极管,包括第一光源和第二光源,在所述步骤1中,将所述第一光源发出的光线经第一滤光片滤波后分成所述第一路光线和第二路光线,将所述第二光源发出的光线经第二滤光片滤波后分成所述第一路光线和第二路光线。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (6)
1.一种机炒龙井茶叶水分含量在线检测装置,其特征在于,包括光源、分光镜、光电探测器、放大滤波电路、AD转换电路、单片机、显示器,其中:
所述分光镜将所述光源发出的光线分成第一路光线、以及第二路光线,其中,所述第一路光线为参考光源,所述第二路光线为照射向茶叶样品的入射光;
所述光电探测器用于根据采集到的所述参考光源生成所述参考光源的光谱信号,根据采集到的所述入射光照射茶叶样品获得的反射光生成所述反射光的光谱信号;
所述AD转换电路用于将经过所述放大滤波电路处理后的所述参考光源的光谱信号转换成参考光源光谱数字信号,将经过所述放大滤波电路处理后的所述反射光的光谱信号转换成反射光光谱数字信号;
所述单片机用于根据所述参考光源光谱数字信号和反射光光谱数字信号,得出敏感波段光谱的反射率,然后将所述敏感波段光谱的反射率代入机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型得出茶叶的水分含量;
所述显示器用于显示所述茶叶的水分含量;
所述机炒龙井茶叶水分含量和特征光谱反射率的非线性预测模型,具体为:利用敏感波段光谱的反射率,运用倒高斯模型拟合光谱曲线,求取红边参数和吸收深度两个特征参数,采用小样本非统计理论和独立分量分析方法,得到的非线性预测模型。
2.根据权利要求1所述的机炒龙井茶叶水分含量在线检测装置,其特征在于,还包括第一滤光片和第二滤光片,其中,所述光源包括第一光源、第二光源,所述第一光源发出的光线经所述第一滤光片到达所述分光镜,所述第二光源发出的光线经所述第二滤光片到达所述分光镜。
3.根据权利要求1所述的机炒龙井茶叶水分含量在线检测装置,其特征在于,所述敏感波段光谱为350-2500nm波长范围的光谱。
4.根据权利要求3所述的机炒龙井茶叶水分含量在线检测装置,其特征在于,所述敏感波段光谱为708nm和1432nm这两个波段的光谱。
5.根据权利要求3所述的机炒龙井茶叶水分含量在线检测装置,其特征在于,所述光源为红外发光二极管。
6.根据权利要求1所述的机炒龙井茶叶水分含量在线检测装置,其特征在于,所述分光镜将光源发出的光线按照1:1的比例分成第一路光线、以及第二路光线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210571483.1A CN103063603B (zh) | 2012-12-25 | 2012-12-25 | 机炒龙井茶叶水分含量在线检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210571483.1A CN103063603B (zh) | 2012-12-25 | 2012-12-25 | 机炒龙井茶叶水分含量在线检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103063603A CN103063603A (zh) | 2013-04-24 |
CN103063603B true CN103063603B (zh) | 2015-04-29 |
Family
ID=48106316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210571483.1A Expired - Fee Related CN103063603B (zh) | 2012-12-25 | 2012-12-25 | 机炒龙井茶叶水分含量在线检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103063603B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103344575B (zh) * | 2013-07-01 | 2015-11-25 | 江南大学 | 基于高光谱图像技术的干燥毛豆多品质无损检测方法 |
CN103528958A (zh) * | 2013-10-24 | 2014-01-22 | 福建农林大学 | 一种茶叶含水率在线快速检测装置及实现方法 |
CN107328901A (zh) * | 2017-09-02 | 2017-11-07 | 刘芳 | 一种农作物叶片水分含量快速检测仪 |
CN110174354B (zh) * | 2019-06-24 | 2021-09-03 | 刘宗梅 | 基于光谱特征参数的机炒都匀毛尖茶水分含量检测装置 |
CN113172993A (zh) * | 2021-04-27 | 2021-07-27 | 广州诚鼎机器人有限公司 | 一种浆料湿度监测设备和椭圆印花机 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001116689A (ja) * | 1999-10-15 | 2001-04-27 | Japan Science & Technology Corp | 石炭の水分値推定方法 |
DE19963561A1 (de) * | 1999-12-23 | 2001-07-05 | Merck Patent Gmbh | Verfahren und Vorrichtung zur Online-Analytik von Lösungsmittelgemischen |
CN100460859C (zh) * | 2006-04-29 | 2009-02-11 | 华东师范大学 | 光纤传感式红外水分仪 |
CN101424636A (zh) * | 2008-12-04 | 2009-05-06 | 中国计量学院 | 一种快速无损检测绿茶成分含量的装置及方法 |
CN101949825B (zh) * | 2010-08-17 | 2012-07-18 | 中国农业大学 | 光开放环境下的叶片水分近红外无损检测装置及方法 |
-
2012
- 2012-12-25 CN CN201210571483.1A patent/CN103063603B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN103063603A (zh) | 2013-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103048278B (zh) | 机炒龙井茶叶水分含量在线检测方法 | |
Köhler et al. | Assessing the potential of sun-induced fluorescence and the canopy scattering coefficient to track large-scale vegetation dynamics in Amazon forests | |
Liu et al. | Evaluating the utility of solar-induced chlorophyll fluorescence for drought monitoring by comparison with NDVI derived from wheat canopy | |
CN103063603B (zh) | 机炒龙井茶叶水分含量在线检测装置 | |
Steele et al. | A comparison of two techniques for nondestructive measurement of chlorophyll content in grapevine leaves | |
CN101382488B (zh) | 利用可见-近红外漫反射光谱技术检测茶鲜叶氮含量的方法 | |
Browne et al. | Prediction of leaf water potential and relative water content using terahertz radiation spectroscopy | |
Olofsson et al. | Estimation of absorbed PAR across Scandinavia from satellite measurements. Part II: Modeling and evaluating the fractional absorption | |
CN103278473B (zh) | 白胡椒中胡椒碱及水分含量的测定和品质评价方法 | |
Steele et al. | Nondestructive estimation of leaf chlorophyll content in grapes | |
CN101403689A (zh) | 一种植物叶片生理指标无损检测方法 | |
CN110118742A (zh) | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 | |
CN105181606B (zh) | 基于高光谱成像技术检测花生中蔗糖含量分布的方法 | |
Darvishsefat et al. | Evaluation of spectral reflectance of seven Iranian rice varieties canopies | |
Nakaji et al. | Estimation of six leaf traits of East Asian forest tree species by leaf spectroscopy and partial least square regression | |
CN108732137B (zh) | 基于高光谱遥感数据估算植物物种多样性的模型及方法 | |
Bartlett et al. | Canopy-scale relationships between foliar nitrogen and albedo are not observed in leaf reflectance and transmittance within temperate deciduous tree species | |
Endo et al. | Estimation of net photosynthetic rate based on in-situ hyperspectral data | |
Tagesson et al. | Deriving seasonal dynamics in ecosystem properties of semi-arid savanna grasslands from in situ-based hyperspectral reflectance | |
Zhang et al. | A highly chlorophyll-sensitive and LAI-insensitive index based on the red-edge band: CSI | |
CN112858187A (zh) | 一种基于光谱技术的茄子花青素测量系统及方法 | |
CN105115909B (zh) | 基于高光谱成像技术检测花生中脂肪含量分布的方法 | |
Viera Silva et al. | Calibration of a multi-species model for chlorophyll estimation in seedlings of Neotropical tree species using hand-held leaf absorbance meters and spectral reflectance | |
CN114577750A (zh) | 含碳气体探测系统、方法、设备及计算机可读存储介质 | |
CN214121987U (zh) | 一种基于光谱技术的茄子花青素测量系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150429 Termination date: 20181225 |