CN104849233A - 一种检测谷物新陈度的方法及装置 - Google Patents

Abstract

本发明提供了一种检测谷物新陈度的方法及装置，本发明方法通过对采集到的各品种标准品谷物的性状信息以及标准品谷物压片后的太赫兹透射光谱进行存储并建立标准光谱库；采集到的待测样品谷物压片的太赫兹光谱时域光谱，对所述时域光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱；将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。本发明装置与该方法对应。由于太赫兹非常安全，其光子辐射能量极小，不会对人体造成伤害，本发明适用于粮食品质检测现场检测，检测准确性高，效果良好。

Description

一种检测谷物新陈度的方法及装置

技术领域

本发明属于食品检测技术领域，尤其涉及一种检测谷物新陈度的方法及装置。

背景技术

我国的储粮主要为小麦、稻谷和玉米等谷物，由于这些谷物都有固定标准的储存时间，在超出储存时间后，谷物的品质、口感均是陈述变化。其中，特别是稻谷，由于储存期只有一年，很容易超出标准超出时间。因此，有必要及时准确地了解储藏谷物品质变化，及时对品质发生变化或即将发生变化的储藏稻谷进行处理。

对谷物品质的鉴别，采用生化检测方法进行鉴别并不准确，这主要生化检测方法鉴别是的谷物的成分，而谷物的成分与谷物品质两者差别较多，品质改变不代表成分上的变化。因此，生化检测方法不能满足谷物品质的精准检测需要。

另外，近红外光谱法是一种物理检测方法，已应用较多，技术成熟，但近红外用于陈化检测存在以下问题：(1)穿透性不强，智能表面检测；(2)检测频率较高，反映的是分子内的震动模式和物化信息，谷物陈化时组分(分子)并没有明显变化，因此这种方法原理上的可行度不高。

目前，对谷物品质的变化仍然多采用人工判断的方法，判断结果受主观因素和经验影响大，因而与实际情况偏差较大。

由于受现有鉴别技术的限制，不法商贩很容易选择容易超出一年储藏期限的稻谷(大米)通过抛光技术后，往往能作为新米在市场上销售，以次充好，从中牟取暴利。

因此，研发适合谷物，尤其是稻谷品质检测的新技术、新方法，准确检测出大米新陈度，对于规范市场秩序，打击不法商贩以次充好，维护粮食安全和群众身体健康具有重要意义。

发明内容

本发明的目的在于提供一种检测谷物新陈度的方法及装置，旨在解决现有谷物，尤其是稻米检测技术精度不够，导致谷物质量监控出现漏洞的问题。

本发明是这样实现的，一种检测谷物新陈度的方法，包括以下步骤：

S1、对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库；

S2、采集到的待测样品谷物压片的太赫兹透射时域光谱，对所述时域光谱进行傅里叶变换为太赫兹频域光谱图，并计算得到相应的折射率谱和吸收系数谱；

S3、将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

优选地，在步骤S1中，所述性状信息包括储期和水分大小。

优选地，在步骤S1中，所述标准光谱库中，从各品种标准品谷物所采集到的储期和水分数据所相应建立的水分梯度和储期梯度要尽量小并保持平稳。

优选地，在步骤S3中，所述均方误差的计算包括以下步骤：

(11)将标准品的数据作为真实数据，将样品的数据作为测量数据，通过均方误差反映测量数据与真实数据的整体偏离程度；

(12)在0.2～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(13)对时域光谱、折射率谱和吸收系数谱，分别计算相同频率点上样品值与标准值差的平方，将所有差的平方相加，除以计算的频点数，分别得到三种谱的均方误差，将三种谱的均方误差相加，得到总的均方误差；

(14)对数据库中每一标准品，执行步骤(13)的计算，得到样品对每一标准品的总的均方误差；

(15)选取均方误差最小者作为结果输出。

优选地，在步骤S3中，所述相关系数的计算包括以下步骤：

(21)在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(22)对时域光谱、折射率谱和吸收系数谱，分别按下述公式计算样品和标准品的相关系数：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{Xi}-\stackrel{\‾}{X})(\mathrm{Yi}-\stackrel{\‾}{Y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Xi}-\stackrel{\‾}{X})}^2}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Yi}-\stackrel{\‾}{Y})}^2}}$

其中，n＝100，为样本数；

Xi为不同频率点样品数据值，为样品数据值平均值；

Yi为不同频率点标准品数据值，为标准品数据值平均值；

将三种谱的相关系数相加，得到总的相关系数；

(23)对数据库中每一标准品，执行步骤(22)的计算，得到样品对每一标准品的总的相关系数；

(24)选取相关系数最大者作为结果输出。

本发明进一步提供了一种检测谷物新陈度的装置，所述装置包括：

建库模块，用于对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库；

数据转换模块，用于采集到的待测样品谷物压片的太赫兹透射时域光谱，对所述时域光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱；

检测模块，用于将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

优选地，所述性状信息包括储期和水分大小。

优选地，所述标准光谱库中，从各品种标准品谷物所采集到的储期和水分数据所相应建立的水分梯度和储期梯度要尽量小并保持平稳。

优选地，所述均方误差的计算包括以下步骤：

(11)将标准品的数据作为真实数据，将样品的数据作为测量数据，通过均方误差反映测量数据与真实数据的整体偏离程度；

(12)在0.2～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(13)对时域光谱、折射率谱和吸收系数谱，分别计算相同频率点上样品值与标准值差的平方，将所有差的平方相加，除以计算的频点数，分别得到三种谱的均方误差，将三种谱的均方误差相加，得到总的均方误差；

(14)对数据库中每一标准品，执行步骤(13)的计算，得到样品对每一标准品的总的均方误差；

(15)选取均方误差最小者作为结果输出。

优选地，所述相关系数的计算包括以下步骤：

(21)在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(22)对时域光谱、折射率谱和吸收系数谱，分别按下述公式计算样品和标准品的相关系数：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{Xi}-\stackrel{\‾}{X})(\mathrm{Yi}-\stackrel{\‾}{Y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Xi}-\stackrel{\‾}{X})}^2}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Yi}-\stackrel{\‾}{Y})}^2}}$

其中，n＝100，为样本数；

Xi为不同频率点样品数据值，为样品数据值平均值；

Yi为不同频率点标准品数据值，为标准品数据值平均值；

将三种谱的相关系数相加，得到总的相关系数；

(23)对数据库中每一标准品，执行步骤(22)的计算，得到样品对每一标准品的总的相关系数；

(24)选取相关系数最大者作为结果输出。

在本发明中，太赫兹波(Terahertz，THz)是指频率在0.1～10THz(1THz＝1012Hz)之间的电磁波。该波段位于毫米波和红外之间，是宏观电子学向微观光子学过渡的重要区域。太赫兹时域光谱技术是用来分析太赫兹脉冲通过样品的样品信号和它在自由空间中传播同等长度距离后的参考信号这两个太赫兹脉冲时间分辨电场的相对变化。由于样品结构的不同，太赫兹脉冲波形的变化也有所不同，由此可求得样品的复折射率、介电常数和电导率等。通过深入分析这些实验所得的光学参数，可以在一定程度上对样品的种类进行鉴别并可得到一些与样品有关的物理和化学信息。典型太赫兹时域光谱系统主要是由飞秒激光器、太赫兹发射极、太赫兹波探测极及时间延迟系统组成。

太赫兹光谱具有反映化合物结构的指纹特征，许多生物分子之间弱的相互作用(氢键、范德华力等)、生物大分子的骨架振动等低频振动吸收正好处于THz频带范围，并且THz光谱技术对探测物质结构存在的微小差异和变化非常灵敏，使得许多生物分子具有太赫兹指纹谱。生物分子对太赫兹辐射的响应主要表现为分子的集体振动模式，该模式主要是由分子的构型和构像所决定。它可反应出分子的整体结构信息，通过集体振动模式的分布和强度还可分析其周围的环境。所以太赫兹技术在研究生物大分子的结构、分子间的反应和分子与周围环境的相互作用具有独特的优势。另外，利用时间分辨的光谱技术可以对蛋白质等易变形的大分子在特定的生理过程或其他相互作用过程中发生的构像变化等过程进行动态分析。

THz电磁辐射的光子能量很低，只有毫电子伏特，不会因为电离而破坏生物分子，因而是一种安全有效的无损检测方法，太赫兹环境下对人体不会带来辐射上的危害。此外，THz脉冲的典型脉宽在皮秒量级，不但可以对生物样品进行时间分辨研究，而且可以有效地抑制远红外背景辐射噪音的干扰，辐射强度测量的信噪比和探测灵敏度远高于傅里叶变换红外光谱。THz脉冲源通常只包含若干个周期的电磁振荡，单个脉冲的频带可以覆盖GHz至几十THz的范围，便于在大的范围里分析物质的光谱性质。THz时域光谱技术(THz-TDS)的相干测量技术能够直接测量THz电场的振幅和相位，可以方便地提取样品的折射率、吸收系数。

此外，THz对生物分子中的水非常敏感，因此可以用于分析生物分子与水的相互作用，这一点非常适合用来分析储存稻谷/大米的品质变化。

附图说明

图1是本发明检测谷物新陈度的方法步骤流程图；

图2是本发明检测谷物新陈度的装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，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。

一种检测谷物新陈度的方法，如图1所示，包括以下步骤：

S1、对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库。

在步骤S1中，性状信息包括对应品种的储期、水分。各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱的采集过程具体为：

(1)收集不同地域、不同品种的稻谷/大米样品；

(2)将稻谷脱壳，对大米进行水分测定；

(3)将大米样品按不同储期、水分和品种进行分类；

(4)将分类后的样品进行粉碎，形成粉末，取200mg粉末状大米样品进行压片；

(5)压片时采用单冲压片机压片，压力5～6MPa，压片厚度1mm，片直径1cm；

(6)对所压片记录品种、储期、水分大小；

(7)将压片放入THz-TDS中进行太赫兹光谱测试，获取压片样品的太赫兹透射光谱。

将上述对应品种的储期、水分信息、透射光谱数据等信息进行对应并存储到数据库中；尽可能多地制作标准品，标准品的水分梯度和储期梯度要尽量小并保持平稳，以保持光谱库的完整性，最后得到标准光谱库。

S2、采集到的待测样品谷物压片的太赫兹光谱时域光谱，对所述时域光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱；

在步骤S2中，太赫兹光谱仪采集太赫兹光谱时域光谱(频域谱)，但太赫兹光谱仪可以同步对采集的时域谱进行傅立叶变换得到频域谱，并且频域谱在人机界面上是同步显现的，但折射率谱和吸收系数谱需要根据采集的原始数据和傅立叶变换后的数据根据复杂的公式计算后得出。标准品的数据应该保存频域谱、折射率谱和吸收系数谱，样品的数据也应保存这三种谱，用样品的这三种谱与标准品的这三种谱进行相关运算，根据运算的结果看看最符合那种标准品。由于太赫兹波的不稳定性，即便是同一标准品，不同时间测量的数据可能也有差别，因此样品测量的光谱与与它对应的标准品的光谱有差别是正常的，但这种差别应当远小于与它不对应的标准品的光谱的差别。

在步骤S2中，原始数据包括时间连续信号。待测样品谷物压片的太赫兹透射光谱的采集包括以下步骤：

(1)样品准备

-如稻谷对样品进行脱壳，去除杂质；

-对样品进行粉碎，取200mg粉末进行压片；

-压片时采用单冲压片机压片，压力5-6MPa，压片厚度1mm，片直径1cm；

-将压好的片小心装入太和时域光谱仪专用的片状样品的圆形固定装置中，该装置由透光性能极好的聚乙烯材料构成，可固定在一个卡座上，卡座可调整高度，使聚焦后的太赫兹波能够正好穿透样品的中心。

-如果样品的压片易碎，可在样品中添加聚乙烯粉末，使样品易于压片成型。

(2)将制备好的太赫兹样品放入太赫兹时域光谱系统中的样品测试区进行太赫兹光谱测试，用相应的数据采集软件进行数据采集，并将采集的原始数据保存成数据文件。

将获得的太赫兹透射光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱(参看文献：“徐朝辉，廉飞宇.地沟油的Terahertz波谱检测方法初探，科学技术与工程杂志，2013，13(7):1997-1999”的1.3节，有公式和方法介绍。)

S3、将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

在步骤S3中，均方误差的测量方法包括以下步骤：

1、将标准品的数据作为真实数据，将样品的数据作为测量数据，通过均方误差反映测量数据与真实数据的整体偏离程度；

2、在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

3、对频域谱，折射率谱和吸收系数谱，分别计算相同频率点上样品值与标准值差的平方，将所有差的平方相加，除以计算的频点数(即100)，就分别得到三种谱的均方误差，将三种谱的均方误差相加，得到总的均方误差；

4、对数据库中每一标准品，执行第3步的计算，得到样品对每一标准品的总的均方误差；

5、选取均方误差最小者作为结果输出。

此外，在步骤S3中，相关系数的测量方法包括以下步骤：

1、在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

2、对频域谱，折射率谱和吸收系数谱，分别按下述公式计算样品和标准品的相关系数：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{Xi}-\stackrel{\‾}{X})(\mathrm{Yi}-\stackrel{\‾}{Y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Xi}-\stackrel{\‾}{X})}^2}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Yi}-\stackrel{\‾}{Y})}^2}}$

其中，n＝100，为样本数

Xi为不同频率点样品数据值，为样品数据值平均值

Yi为不同频率点标准品数据值，为标准品数据值平均值

将三种谱的相关系数相加，得到总的相关系数；

3、对数据库中每一标准品，执行第2步的计算，得到样品对每一标准品的总的相关系数；

4、选取相关系数最大者作为结果输出。

样品对于某一标准品，如果均方误差最小并且相关系数最大，则可推断该样品属于这一标准品的可信度最高，此时可以输出该样品种类为属于该标准品，对于只有一项计算符合的，需要再次进行更多点数的计算，如取200个点进行上述的计算，直至最终优选中一个结果。

此外，如果光谱数据库规模较大，则该计算过程会相应较长，但仍大大低于常规的生化检测的时间，并且该计算过程是自动完成的，显示了本专利检测的智能化的特点。

本发明进一步提供了一种检测谷物新陈度的装置，如图2所示，该装置包括：

建库模块1，用于对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库；

数据转换模块2，用于采集到的待测样品谷物压片的太赫兹光谱时域光谱，对所述时域光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱；

检测模块3，用于将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

本发明的装置实施例与上述方法实施例相对应，以上述方法实施例记载内容和效果同样用于解释本装置实施例，在此不再赘述。

相比于现有技术的缺点和不足，本发明具有以下有益效果：(1)太赫兹波的频率低于红外，使得它可以反映分子间的震动模式和相互作用力，谷物陈化很可能是分子间的相互作用发生了变化，这一点适合用太赫兹检测；(2)太赫兹对蛋白质变性非常敏感，谷物陈化存在着蛋白质变性，适于太赫兹检测；(3)分子间的结合水的量的变化是谷物品质变化的重要原因，太赫兹对水分子敏感，这一点特别适用太赫兹检测；(4)太赫兹非常安全，其光子辐射能量极小，不会对人体造成伤害，使得太赫兹技术特别适用于现场检测，而粮食品质检测更多是需要进行现场检测的。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种检测谷物新陈度的方法，其特征在于，包括以下步骤：

S1、对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库；

S2、采集到的待测样品谷物压片的太赫兹透射时域光谱，对所述时域光谱进行傅里叶变换为太赫兹频域光谱图，并计算得到相应的折射率谱和吸收系数谱；

S3、将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

2.如权利要求1所述的检测谷物新陈度的方法，其特征在于，在步骤S1中，所述性状信息包括储期和水分大小。

3.如权利要求2所述的检测谷物新陈度的方法，其特征在于，在步骤S1中，所述标准光谱库中，从各品种标准品谷物所采集到的储期和水分数据所相应建立的水分梯度和储期梯度要尽量小并保持平稳。

4.如权利要求1所述的检测谷物新陈度的方法，其特征在于，在步骤S3中，所述均方误差的计算包括以下步骤：

(11)将标准品的数据作为真实数据，将样品的数据作为测量数据，通过均方误差反映测量数据与真实数据的整体偏离程度；

(12)在0.2～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(13)对时域光谱、折射率谱和吸收系数谱，分别计算相同频率点上样品值与标准值差的平方，将所有差的平方相加，除以计算的频点数，分别得到三种谱的均方误差，将三种谱的均方误差相加，得到总的均方误差；

(14)对数据库中每一标准品，执行步骤(13)的计算，得到样品对每一标准品的总的均方误差；

(15)选取均方误差最小者作为结果输出。

5.如权利要求1所述的检测谷物新陈度的方法，其特征在于，在步骤S3中，所述相关系数的计算包括以下步骤：

(21)在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(22)对时域光谱、折射率谱和吸收系数谱，分别按下述公式计算样品和标准品的相关系数：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{Xi}-\stackrel{\‾}{X})(\mathrm{Yi}-\stackrel{\‾}{Y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Xi}-\stackrel{\‾}{X})}^2}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Yi}-\stackrel{\‾}{Y})}^2}}$

其中，n＝100，为样本数；

Xi为不同频率点样品数据值，为样品数据值平均值；

Yi为不同频率点标准品数据值，为标准品数据值平均值；

将三种谱的相关系数相加，得到总的相关系数；

(23)对数据库中每一标准品，执行步骤(22)的计算，得到样品对每一标准品的总的相关系数；

(24)选取相关系数最大者作为结果输出。

6.一种检测谷物新陈度的装置，其特征在于，所述装置包括：

建库模块，用于对采集到的各品种标准品谷物的性状信息以及所述标准品谷物压片后的太赫兹透射光谱，将所述性状信息、太赫兹透射光谱进行存储并建立标准光谱库；

数据转换模块，用于采集到的待测样品谷物压片的太赫兹透射时域光谱，对所述时域光谱进行傅里叶变换为太赫兹光谱图，并计算得到相应的折射率谱和吸收系数谱；

检测模块，用于将计算结果与标准光谱库的每一标准数据集进行均方误差和相关系数的计算，取均方误差最小和相关系数最大的标准数据集对应的性状信息做为待测样品谷物的太赫兹光谱检测结论。

7.如权利要求6所述的检测谷物新陈度的装置，其特征在于，所述性状信息包括储期和水分大小。

8.如权利要求7所述的检测谷物新陈度的装置，其特征在于，所述标准光谱库中，从各品种标准品谷物所采集到的储期和水分数据所相应建立的水分梯度和储期梯度要尽量小并保持平稳。

9.如权利要求6所述的检测谷物新陈度的装置，其特征在于，所述均方误差的计算包括以下步骤：

(11)将标准品的数据作为真实数据，将样品的数据作为测量数据，通过均方误差反映测量数据与真实数据的整体偏离程度；

(12)在0.2～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(13)对时域光谱、折射率谱和吸收系数谱，分别计算相同频率点上样品值与标准值差的平方，将所有差的平方相加，除以计算的频点数，分别得到三种谱的均方误差，将三种谱的均方误差相加，得到总的均方误差；

(14)对数据库中每一标准品，执行步骤(13)的计算，得到样品对每一标准品的总的均方误差；

(15)选取均方误差最小者作为结果输出。

10.如权利要求1所述的检测谷物新陈度的方法，其特征在于，所述相关系数的计算包括以下步骤：

(21)在0.2T～1.2T频率范围内，对样品和数据库中的每一标准品按相同频率间隔取100个数据，频率间隔为0.01T；

(22)对时域光谱、折射率谱和吸收系数谱，分别按下述公式计算样品和标准品的相关系数：

$r=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}(\mathrm{Xi}-\stackrel{\‾}{X})(\mathrm{Yi}-\stackrel{\‾}{Y})}{\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Xi}-\stackrel{\‾}{X})}^2}\sqrt{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(\mathrm{Yi}-\stackrel{\‾}{Y})}^2}}$

其中，n＝100，为样本数；

Xi为不同频率点样品数据值，为样品数据值平均值；

Yi为不同频率点标准品数据值，为标准品数据值平均值；

将三种谱的相关系数相加，得到总的相关系数；

(23)对数据库中每一标准品，执行步骤(22)的计算，得到样品对每一标准品的总的相关系数；

(24)选取相关系数最大者作为结果输出。