CN104597028B - 一种小麦新鲜度指标的快速检测方法 - Google Patents

一种小麦新鲜度指标的快速检测方法 Download PDF

Info

Publication number
CN104597028B
CN104597028B CN201510014917.1A CN201510014917A CN104597028B CN 104597028 B CN104597028 B CN 104597028B CN 201510014917 A CN201510014917 A CN 201510014917A CN 104597028 B CN104597028 B CN 104597028B
Authority
CN
China
Prior art keywords
sample
freshness
wheat
collection
sample product
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.)
Active
Application number
CN201510014917.1A
Other languages
English (en)
Other versions
CN104597028A (zh
Inventor
黄亚伟
王若兰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201510014917.1A priority Critical patent/CN104597028B/zh
Publication of CN104597028A publication Critical patent/CN104597028A/zh
Application granted granted Critical
Publication of CN104597028B publication Critical patent/CN104597028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种小麦新鲜度指标的快速检测方法，采用1064nm激光拉曼光谱仪采集大量不同新鲜度储藏小麦的拉曼光谱，获得表征新鲜度的特征拉曼光谱波长，从而建立不同新鲜度等级的储藏小麦识别模型，使用模型对未知样品进行判别。本发明采用光学方法即拉曼光谱技术实现小麦新鲜度指标的快速检测，检测速度快，几秒钟可以完成，对操作人员专业技能没有要求，属于绿色技术且具备在线实时检测的潜力，可以实时快速检测储藏小麦的新鲜度信息，能够带来明显的社会、经济和环境效益，可以保障国家储备粮的安全，减少储备粮的损失，绿色检测技术对环境无污染。

Description

一种小麦新鲜度指标的快速检测方法
技术领域
本发明涉及小麦新鲜度指标检测领域，具体涉及一种小麦新鲜度指标的快速检测方法。
背景技术
小麦是我国储备粮的主要粮种之一，储量和规模惊人，对保障国家粮食安全具有重要意义。我国小麦储藏年限一般为3-5年，储藏期间小麦本身发生着缓慢的新陈代谢，品质逐步劣变，新鲜程度变差。如果外部储藏条件管理不当，如虫霉侵染、仓房设施简陋等，储藏小麦的品质会急剧恶化。因此，储藏期间亟需加强对在储小麦新鲜度的检测，以便采取合理的保管措施保障国家储备粮的安全。目前小麦新鲜度检测的方法主要依据国标GB/T20571-2006《小麦储存品质判定规则》来进行判定，依据指标将小麦分为宜存、轻度不宜存和重度不宜存。该方法为传统化学方法，检测指标操作繁琐费时，不具备实时在线检测的潜力，同时检测人员需要经过专业培训，检测耗费化学试剂，检测结果滞后，实践中应用有很大局限。
发明内容
为解决上述问题，本发明提供了一种小麦新鲜度指标的快速检测方法，采用光学方法即拉曼光谱技术实现小麦新鲜度指标的快速检测，检测速度快，几秒钟可以完成，对操作人员专业技能没有要求，属于绿色技术且具备在线实时检测的潜力，可以实时快速检测储藏小麦的新鲜度信息，对于保障国家储备粮安全具有一定的方法参考意义。
为实现上述目的，本发明采取的技术方案为：
一种小麦新鲜度指标的快速检测方法，包括如下步骤：
S1、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，每个样品取90-110g；
S2、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S3、提取步骤S2所得的401、427、530、549、813、825、855、1052、1224、1411cm-1位移处的拉曼光谱数据；
S4、对步骤S3所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型；
S5、采集未知新鲜度待测小麦40-60g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S6、提取步骤S6所得光谱的波长点数据，分别代入识别模型；
S7、得出未知新鲜度待测小麦的新鲜程度。
其中，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个。
其中，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡。
其中，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型。
本发明具有以下有益效果：
采用光学方法即拉曼光谱技术实现小麦新鲜度指标的快速检测，检测速度快，几秒钟可以完成，对操作人员专业技能没有要求，属于绿色技术且具备在线实时检测的潜力，可以实时快速检测储藏小麦的新鲜度信息，能够带来明显的社会、经济和环境效益，可以保障国家储备粮的安全，减少储备粮的损失，绿色检测技术对环境无污染。
附图说明
图1为本发明实施例一种小麦新鲜度指标的快速检测方法的流程图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明实施例提供了一种小麦新鲜度指标的快速检测方法，包括如下步骤：
S1、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取90-110g；
S2、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S3、提取步骤S2所得的401、427、530、549、813、825、855、1052、1224、1411cm-1位移处的拉曼光谱数据；
S4、对步骤S3所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S5、采集未知新鲜度待测小麦40-60g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S6、提取步骤S6所得光谱的波长点数据，分别代入识别模型；
S7、得出未知新鲜度待测小麦的新鲜程度。
其中，步骤S6中提取波长点可以人工手动选取，也可以利用一般的数据处理软件选取。
实施例1
S11、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取90g；
S12、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S13、提取步骤S12所得的401、427、530、549、813、825、855、1052、1224、1411cm-1位移处的拉曼光谱数据；
S14、对步骤S13所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S15、采集未知新鲜度待测小麦40g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S16、提取步骤S16所得光谱的波长点数据，分别代入识别模型；
S17、得出未知新鲜度待测小麦的新鲜程度。
实施例2
S21、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取110g；
S22、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S23、提取步骤S22所得的401、427、530、549、813、825、855、1052、1224、1411cm-1位移处的拉曼光谱数据；
S24、对步骤S23所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S25、采集未知新鲜度待测小麦60g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S26、提取步骤S26所得光谱的波长点数据，分别代入识别模型；
S27、得出未知新鲜度待测小麦的新鲜程度。
实施例3
S31、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取100g；
S32、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S33、提取步骤S2所得的401、427、530、549、813、825、855、1052、1224、1411cm-1位移处的拉曼光谱数据；
S34、对步骤S33所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S35、采集未知新鲜度待测小麦50g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S36、提取步骤S6所得光谱的波长点数据，分别代入识别模型；
S37、得出未知新鲜度待测小麦的新鲜程度。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种小麦新鲜度指标的快速检测方法，包括如下步骤：
S11、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取90g；
S12、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S13、提取步骤S12所得的401、427、530、549、813、825、855、1052、 1224、1411cm-1位移处的拉曼光谱数据；
S14、对步骤S13所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S15、采集未知新鲜度待测小麦40g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S16、提取步骤S15所得光谱的波长点数据，分别代入识别模型；
S17、得出未知新鲜度待测小麦的新鲜程度。
2.一种小麦新鲜度指标的快速检测方法，包括如下步骤：
S21、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取110g；
S22、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S23、提取步骤S22所得的401、427、530、549、813、825、855、1052、 1224、1411cm-1位移处的拉曼光谱数据；
S24、对步骤S23所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S25、采集未知新鲜度待测小麦60g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S26、提取步骤S25所得光谱的波长点数据，分别代入识别模型；
S27、得出未知新鲜度待测小麦的新鲜程度。
3.一种小麦新鲜度指标的快速检测方法，包括如下步骤：
S31、按照GB/T20571-2006标准收集不同新鲜度小麦代表性样品，所述不同新鲜度小麦代表性样品包括宜存样品、轻度不宜存样品、重度不宜存样品，每类的数量大于或等于100个，所述宜存样品、轻度不宜存样品、重度不宜存样品均涉及强、中、弱筋小麦，强、中、弱筋样品数量均衡，每个样品取100g；
S32、使用1064nm激光拉曼光谱仪采集所收集样品的拉曼光谱，每个样品采集3次，取其平均值作为该样品的光谱；
S33、提取步骤S32所得的401、427、530、549、813、825、855、1052、 1224、1411cm-1位移处的拉曼光谱数据；
S34、对步骤S33所收集的拉曼光谱数据进行主成分-马氏距离判别分析，建立三类样品的识别模型，三类样品的识别模型包括宜存模型、轻度不宜存模型和重度不宜存模型；
S35、采集未知新鲜度待测小麦50g，置于塑料透明自封袋中或者石英装样器皿中，然后使用拉曼光纤探头贴紧样品，进行光谱采集；
S36、提取步骤S35所得光谱的波长点数据，分别代入识别模型；
S37、得出未知新鲜度待测小麦的新鲜程度。
CN201510014917.1A 2015-01-09 2015-01-09 一种小麦新鲜度指标的快速检测方法 Active CN104597028B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510014917.1A CN104597028B (zh) 2015-01-09 2015-01-09 一种小麦新鲜度指标的快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510014917.1A CN104597028B (zh) 2015-01-09 2015-01-09 一种小麦新鲜度指标的快速检测方法

Publications (2)

Publication Number Publication Date
CN104597028A CN104597028A (zh) 2015-05-06
CN104597028B true CN104597028B (zh) 2018-03-16

Family

ID=53122949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510014917.1A Active CN104597028B (zh) 2015-01-09 2015-01-09 一种小麦新鲜度指标的快速检测方法

Country Status (1)

Country Link
CN (1) CN104597028B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111157511B (zh) * 2020-01-09 2021-07-27 江南大学 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424394A (zh) * 2013-08-23 2013-12-04 江苏大学 一种冷冻南美白对虾品质的拉曼无损检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103424394A (zh) * 2013-08-23 2013-12-04 江苏大学 一种冷冻南美白对虾品质的拉曼无损检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
不同仓型小麦品质变化的研究;张来林 等;《河南工业大学学报(自然科学版)》;20081231;第29卷(第6期);全文 *
拉曼光谱和近红外光谱在小麦粉品质定量分析中的应用;宋瑜 等;《食品科学技术学报》;20140331;第32卷(第2期);第150页左栏第3段-第152页左栏第2段，附图1-4 *
新陈玉米的拉曼光谱快速判别研究;黄亚伟 等;《现代食品科技》;20141231;第30卷(第12期);第25页左栏第3段，附图1 *
用热分析技术评价小麦新鲜度的研究;展海军 等;《中国粮油学报》;20030228;第18卷(第1期);全文 *

Also Published As

Publication number Publication date
CN104597028A (zh) 2015-05-06

Similar Documents

Publication Publication Date Title
CN101419166A (zh) 基于近红外光谱和机器视觉技术的茶叶品质无损检测方法及装置
CN108875118B (zh) 一种高炉铁水硅含量预测模型准确度评价方法和设备
CN101692052B (zh) 基于超光谱图像技术的名优茶真伪鉴别方法及装置
CN104677875A (zh) 一种三维荧光光谱结合平行因子鉴别不同品牌白酒的方法
CN106124508A (zh) 一种文物鉴定系统及鉴定方法
CN101285768B (zh) 应用近红外光谱分析技术无损鉴别卷烟真伪的方法
CN104807787A (zh) 一种基于激光诱导击穿光谱技术的茶叶分类鉴别方法
CN103134767A (zh) 一种红外光谱校正鉴定白酒品质的方法
WO2011041925A1 (zh) 基于多传感信息融合的名优茶品质仪器智能化审评方法
CN107044976A (zh) 基于libs与堆叠式rbm深度学习技术的土壤重金属含量分析预测方法
CN110411957A (zh) 水果货架期及新鲜程度的无损快速预测方法及装置
CN103913435B (zh) 一种基于多源信息融合的潲水油快速检测方法及装置
CN108061691A (zh) 一种评价批次间再造烟叶质量稳定性的方法
CN104977258A (zh) 基于二维相关光谱的茶叶/化妆品等品质检测方法
CN104502299A (zh) 一种利用近红外光谱技术鉴别五常稻花香大米的方法
CN105548027A (zh) 基于近红外光谱测定调和油中茶油含量的分析模型及方法
CN105004722A (zh) 一种烟叶成熟度快速检测方法
CN103777524A (zh) 一种基于可见光谱技术的红茶适度发酵控制方法和装置
CN105973915A (zh) 一种粮食水分与容重自动检测方法
CN104597028B (zh) 一种小麦新鲜度指标的快速检测方法
CN109299434A (zh) 货物海关通关大数据智能评级及抽检率计算系统
CN205786357U (zh) 一种文物鉴定系统
CN102590256A (zh) 一种啤酒风味稳定性的评价方法
CN104749126A (zh) 基于近红外高光谱图像分析的小麦硬度预测方法
CN104899424A (zh) 一种基于微观特征的烤后烟叶成熟度和叶片结构客观检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant