CN104977258A - 基于二维相关光谱的茶叶/化妆品等品质检测方法 - Google Patents
基于二维相关光谱的茶叶/化妆品等品质检测方法 Download PDFInfo
- Publication number
- CN104977258A CN104977258A CN201510391628.3A CN201510391628A CN104977258A CN 104977258 A CN104977258 A CN 104977258A CN 201510391628 A CN201510391628 A CN 201510391628A CN 104977258 A CN104977258 A CN 104977258A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- spectra
- sample
- led
- dimensional correlation
- 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.)
- Granted
Links
Abstract
本发明公开了一种基于二维相关光谱的茶叶/化妆品等品质检测方法,按照如下步骤进行:光谱采集:通过LED对样品的照射,激发样品可见近红外反射谱或荧光光谱并进行采集;光谱预处理:对采集到的荧光光谱或反射光谱进行预处理;二维相关光谱获取:对不同的多个样品光谱,选取特征区间进行同步相关或异步相关计算,得到同步谱或异步谱;检测模型建立:基于化学计量学的方法建立样品二维相关光谱和样品等级的检测评估模型;样品品质检测:对于新的待检测的样品,采集动态光谱计算二维相关谱,带入检测模型分析后得到样品品质检测结果。本发明通过基于LED对品质的检测系统的改进比较小成本低,同时又能满足快速有效的高精度检测,实用性较强。
Description
技术领域
本发明涉及一种基于二维相关光谱的茶叶/化妆品等品质无损高精度检测方法与系统。属光学传感技术领域以及分析检测仪器技术领域。
背景技术
茶叶作为一种健康、绿色的饮用食品,已成为当今世界最为普遍和重要的三大饮料之一。而在具有千年饮茶历史和世界最大茶叶供应国的中国,茶叶更是一种尤为重要的食品。消费者对于茶叶真假优劣的判断,工业界对于茶叶加工过程的监控,都提出了越来越高的要求
近年来,随着市场的发展和人们生活水平的提高,人们对于美的追求不断提高,护肤化妆品已成为一个日益壮大的市场,消费者对化妆品的质量的鉴定也有了日益增长的需求。
传统上依赖专家视觉、味觉、知识经验评价茶叶品质,依靠化学方法评判化妆品质量的方法都繁琐、难以广泛应用,不能满足前述的市场背景。因此,一些新的快速、无损、准确的检测技术被提出,其中尤以基于光谱的方法最具优势,如专利号CN103048313A基于电感耦合等离子光谱鉴别茶叶采摘时间,CN101620180A采用近红外漫反射谱方法检测茶叶质量。当然这些方法也存在设备复杂、大型,检测灵敏度有限的问题。
二维相关光谱的方法通过引入扰动变量获得多个光谱进行相关运算,增加了光谱包含的物质信息量和对细微光谱变化的解析能力。如专利号CN102435575A通过引入温度变量建立的近红外二维相关光谱检测方法,又如专利号CN103115910A通过偏振扰动测试植物油荧光光谱并将其用于种类检测中。这些方法提高了传统一维光谱法的检测精度,但它们添加的温度变量所耗时间长,而增加的偏振扰动变量使的系统复杂、自动化程度不够,不能满足快速、实时测量的要求。
发明内容
1、本发明的目的。
本发明的目的在于提出一种基于LED的快速、自动获取二维相关光谱的方法与系统,并将其应用到茶叶/化妆品等品质高灵敏度检测中。
2、本发明所采用的技术方案。
本发明提出的基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于按照如下步骤进行:
步骤1、光谱采集
通过LED对样品的照射,激发样品可见近红外反射谱或荧光光谱并进行采集;
步骤2、光谱预处理
对采集到的荧光光谱或反射光谱进行预处理,去除干扰;
步骤3、二维相关光谱获取
对不同的多个样品光谱,选取特征区间进行同步相关或异步相关计算,得到代表此种样品的同步谱或异步谱;
步骤4、检测模型建立
基于化学计量学的方法建立样品二维相关光谱和样品等级的检测评估模型;
步骤5、样品品质检测
对于新的待检测的样品,采集动态光谱计算二维相关谱,带入检测模型分析后得到样品品质检测结果。
所述的二维荧光相关光谱按照如下办法获取,将每一次不同波长LED激发下的荧光信号选取特定区间,并进行相关计算,可由下式获得代表同步相关谱;
其中Φ代表同步谱,y j 为第j个动态荧光光谱,v 1 和v 2 代表两个不同的光谱基元,m为动态光谱总数。
所述的步骤1中,光谱采集采用轮流快速点亮特定的LED,并对应自动切换相应的滤光片采集在多个LED激发光源下的可见近红外反射谱或荧光光谱或者在某一特定LED下,自动改变输出电流以改变光源强度,采集不同光强下的多个反射谱或荧光谱。
所述的步骤2中,去除干扰包括有选择性地进行平滑去噪,多元散射校正处理。
所述的基于化学计量学的方法检测模型建立,包括主成分回归,偏最小二乘回归,神经网络的方法,建立样品二维相关光谱和样品等级的检测评估模型,其中主成分回归和偏最小二乘法适用于建立线性模型,而神经网络适用于建立非线性模型。
包括光谱检测装置、光谱记录装置、系统控制装置、数据分析反馈装置;
光谱检测装置由多个LED光源,滤波片组和大芯径光纤组成;LED光源部分由用于测量可见近红外反射谱的白光LED或多个用于荧光激发的不同峰值波长的LED构成,波长范围可覆盖360-700;滤波片组部分由滤光片轮及其上安放的滤除激发光源强光的长通滤波片组成;
光谱记录装置包括光谱分光采集系统将连续采集的光谱信号记录传输到微处理单元上;
系统控制装置由微处理系统、驱动控制模块、步进电机组成,微处理系统可以是单片机、电脑、或者手机,通过驱动控制模块控制LED的切换和强度变化,以及步进电机的转动以切换相应的滤光片;
数据分析反馈装置包括微处理器和显示屏,微处理器将记录的光谱信号进行相关运算和分析处理,最终将分析结果反馈到显示屏上。
本系统还包括检测探头。
3、本发明的有益效果。
现有技术人员普遍考虑的是增加其他变量如温度、偏振等其他非LED变量进行补充纠正系统品质检测的误差,本发明通过对基于LED即可提高检测品质的精度,对系统的改进比较小,系统比较小便携,进而产生的成本低,同时又能满足快速有效的高精度检测,实用性较强。本发明可以将其应用到茶叶品质检测或化妆品检测中,当然不限于此,还可应用与中药、牛奶品质,及皮肤特性参数的检测中。
附图说明
图1是快速二维相关光谱检测系统结构图。
图2是七种不同等级的狮峰龙井茶在四种不同波长LED下得到的二维荧光相关同步光谱。
图3 是基于二维相关同步光谱的狮峰龙井品质检测结果。
图4 是基于一维荧光光谱的狮峰龙井品质检测结果。
1——样本2——检测探头 3——LED光源 4——滤波片组 5——步进电机6——驱动控制模块 7——微处理器 8——显示屏9——光谱记录仪 10——光纤。
具体实施方式
为了使专利局的审查员尤其是公众能够更加清楚地理解本发明的技术实质和有益效果,申请人将在下面以实施例的方式作详细说明,但是对实施例的描述均不是对本发明方案的限制,任何依据本发明构思所作出的仅仅为形式上的而非实质性的等效变换都应视为本发明的技术方案范畴。
实施例
如图1所示,在进行茶叶样品的检测时,将被检测茶叶样本1放置在检测系统2下,微处理器7通过驱动控制模块6一方面控制激发光源3的切换、通断和强度,以及步进电机5转动以使得滤光片组4对应切换,另一方面控制光谱仪9记录由样本激发出的经过光纤10传输的光信号。记录下多个不同LED激发或不同光强下的多个反射或荧光光谱数据,这些光谱数据经过微处理器7进行预处理和相关计算后得到所需的二维相关同步谱或异步谱,以代表该茶叶样本。之后将该光谱输入已建立的模型,由微处理器7分析后将检测结果显示到显示屏8上。
实例:狮峰茶叶等级的检测
茶叶样本:七种经过专家评级的狮峰龙井茶叶,等级越高代表茶叶品质越好
(1) 采集茶叶样本的荧光光谱数据。
将每种待测茶叶样品均匀平置在检测探头下,开始测试,微处理器自动控制400nm,430nm,450nm和500nm的LED光源相继打开,并通过步进电机控制滤波组切换到相应的滤波片。到在每一个LED打开时,由光谱仪自动记录六次LED激发下产生的由光纤导入的荧光信号。
(2) 二维荧光相关光谱获取
将采集到的所有光谱进行平滑校正后,将每一次在四个不同波长LED激发下的荧光信号选取特定区间(此处为620-770nm)进行相关计算,可由下式获得代表该茶叶的同步相关谱。
其中Φ代表同步谱,y j 为第j个动态荧光光谱,v 1 和v 2 代表两个不同的光谱基元,m为动态光谱总数。六次测量对应六个代表该茶叶样本的同步谱。而对于每个等级茶叶的平均同步谱如图2所示。
(1) 数据分析与模型建立。
将所有被测茶叶样本的同步荧光光谱与其等级通过偏最小二乘回归方法建立茶叶同步谱与茶叶等级间的关系模型。
(2) 模型验证。
采用留一法对模型正确性进行评估。
图3即为42个茶叶样本检测结果,误差均方根RMSEV仅为0.09。
图4为单波长最佳的375nm的检测结果,RMSEV值为0.176,而本发明的RMSEV为0.09,两者精度相差非常大,与专家评测真实间误差极小,所以本发明能够实施高精度检测。
Claims (7)
1.一种基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于按照如下步骤进行:
步骤1、光谱采集
通过LED对样品的照射,激发样品可见近红外反射谱或荧光光谱并进行采集;
步骤2、光谱预处理
对采集到的荧光光谱或反射光谱进行预处理,去除干扰;
步骤3、二维相关光谱获取
对不同的多个样品光谱,选取特征区间进行同步相关或异步相关计算,得到代表此种样品的同步谱或异步谱;
步骤4、检测模型建立
基于化学计量学的方法建立样品二维相关光谱和样品等级的检测评估模型;
步骤5、样品品质检测
对于新的待检测的样品,采集动态光谱计算二维相关谱,带入检测模型分析后得到样品品质检测结果。
2.根据权利要求1所述的基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于所述的二维荧光相关光谱按照如下办法获取,将每一次不同波长LED激发下的荧光信号选取特定区间,并进行相关计算,可由下式获得代表同步相关谱;
其中Φ代表同步谱,y j 为第j个动态荧光光谱,v 1 和v 2 代表两个不同的光谱基元,m为动态光谱总数。
3.根据权利要求1或2所述的基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于:所述的步骤1中,光谱采集采用轮流快速点亮特定的LED,并对应自动切换相应的滤光片采集在多个LED激发光源下的可见近红外反射谱或荧光光谱或者在某一特定LED下,自动改变输出电流以改变光源强度,采集不同光强下的多个反射谱或荧光谱。
4.根据权利要求1或2所述的基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于:所述的步骤2中,去除干扰包括有选择性地进行平滑去噪,多元散射校正处理。
5.根据权利要求1所述的基于二维相关光谱的茶叶/化妆品等品质检测方法,其特征在于:所述的基于化学计量学的方法检测模型建立,包括主成分回归,偏最小二乘回归,神经网络的方法,建立样品二维相关光谱和样品等级的检测评估模型,其中主成分回归和偏最小二乘法适用于建立线性模型,而神经网络适用于建立非线性模型。
6.一种使用权利要求1所述的方法的品质检测系统,其特征在于:包括光谱检测装置、光谱记录装置、系统控制装置、数据分析反馈装置;
光谱检测装置由多个LED光源,滤波片组和大芯径光纤组成;LED光源部分由用于测量可见近红外反射谱的白光LED或多个用于荧光激发的不同峰值波长的LED构成,波长范围可覆盖360-700;滤波片组部分由滤光片轮及其上安放的滤除激发光源强光的长通滤波片组成;
光谱记录装置包括光谱分光采集系统将连续采集的光谱信号记录传输到微处理单元上;
系统控制装置由微处理系统、驱动控制模块、步进电机组成,微处理系统可以是单片机、电脑、或者手机,通过驱动控制模块控制LED的切换和强度变化,以及步进电机的转动以切换相应的滤光片;
数据分析反馈装置包括微处理器和显示屏,微处理器将记录的光谱信号进行相关运算和分析处理,最终将分析结果反馈到显示屏上。
7.一种如权利要求6所述品质检测系统,其特征在于:还包括检测探头。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510391628.3A CN104977258B (zh) | 2015-07-07 | 2015-07-07 | 基于二维相关光谱的茶叶/化妆品等品质检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510391628.3A CN104977258B (zh) | 2015-07-07 | 2015-07-07 | 基于二维相关光谱的茶叶/化妆品等品质检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104977258A true CN104977258A (zh) | 2015-10-14 |
CN104977258B CN104977258B (zh) | 2017-12-26 |
Family
ID=54273975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510391628.3A Active CN104977258B (zh) | 2015-07-07 | 2015-07-07 | 基于二维相关光谱的茶叶/化妆品等品质检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104977258B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105319167A (zh) * | 2015-11-13 | 2016-02-10 | 无锡艾科瑞思产品设计与研究有限公司 | 一种玉米品质的光谱检测装置 |
CN105380609A (zh) * | 2015-12-07 | 2016-03-09 | 江苏鼎云信息科技有限公司 | 基于多光谱的皮肤检测方法与系统 |
CN105842186A (zh) * | 2016-03-23 | 2016-08-10 | 浙江大学 | 基于二维相关红外光谱的掺杂肉糜定性定量检测方法 |
CN106442399A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法 |
CN107655918A (zh) * | 2017-09-04 | 2018-02-02 | 北京农业质量标准与检测技术研究中心 | 土壤重金属能谱范围确定方法及装置 |
CN109642870A (zh) * | 2016-09-01 | 2019-04-16 | 亚琛工业大学 | 用于检测液体培养物中的过程参数的方法和装置 |
CN110503003A (zh) * | 2019-07-29 | 2019-11-26 | 杭州电子科技大学 | 基于led阵列与卷积神经网络的茶叶品种鉴定装置与方法 |
CN112945920A (zh) * | 2021-02-01 | 2021-06-11 | 长江大学 | 一种绿茶等级鉴别方法、装置及计算机可读存储介质 |
-
2015
- 2015-07-07 CN CN201510391628.3A patent/CN104977258B/zh active Active
Non-Patent Citations (4)
Title |
---|
I.NODA: "Determination of Two-Dimensional Correlation Spectra Using the Hilbert Transform", 《APPLIED SPECTROSCOPY》 * |
余婧等: "二维相关荧光光谱技术", 《化学进展》 * |
杨仁杰等: "用二维相关近红外谱和多维主成分分析判别掺杂牛奶", 《光学精密工程》 * |
沈怡等: "二维相关振动光谱技术", 《化学进展》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105319167A (zh) * | 2015-11-13 | 2016-02-10 | 无锡艾科瑞思产品设计与研究有限公司 | 一种玉米品质的光谱检测装置 |
CN105380609A (zh) * | 2015-12-07 | 2016-03-09 | 江苏鼎云信息科技有限公司 | 基于多光谱的皮肤检测方法与系统 |
CN105842186A (zh) * | 2016-03-23 | 2016-08-10 | 浙江大学 | 基于二维相关红外光谱的掺杂肉糜定性定量检测方法 |
CN109642870A (zh) * | 2016-09-01 | 2019-04-16 | 亚琛工业大学 | 用于检测液体培养物中的过程参数的方法和装置 |
CN106442399A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法 |
CN106442399B (zh) * | 2016-10-31 | 2019-06-14 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱判别不同栽培环境同一品种茶鲜叶的方法 |
CN107655918A (zh) * | 2017-09-04 | 2018-02-02 | 北京农业质量标准与检测技术研究中心 | 土壤重金属能谱范围确定方法及装置 |
CN110503003A (zh) * | 2019-07-29 | 2019-11-26 | 杭州电子科技大学 | 基于led阵列与卷积神经网络的茶叶品种鉴定装置与方法 |
CN112945920A (zh) * | 2021-02-01 | 2021-06-11 | 长江大学 | 一种绿茶等级鉴别方法、装置及计算机可读存储介质 |
CN112945920B (zh) * | 2021-02-01 | 2023-11-28 | 长江大学 | 一种绿茶等级鉴别方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104977258B (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104977258A (zh) | 基于二维相关光谱的茶叶/化妆品等品质检测方法 | |
CN103278609B (zh) | 一种基于多源感知信息融合的肉品新鲜度检测方法 | |
CN101620180B (zh) | 近红外技术快速检测茶叶品质的方法 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
CN101308086B (zh) | 基于近红外光谱技术的水果内部品质在线检测装置 | |
CN101275912B (zh) | 一种液体食品褐变检测方法 | |
CN104458594B (zh) | 一种生鲜肉品质参数多点同时检测的系统及方法 | |
CN106841052B (zh) | 一种快速检测食用肉类新鲜度的方法和系统 | |
CN102359963B (zh) | 利用图像分析法测定烟梗长梗率的方法 | |
CN105380609A (zh) | 基于多光谱的皮肤检测方法与系统 | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
CN104568778A (zh) | 一种基于高光谱成像的纺织品成分鉴别方法 | |
CN103487422A (zh) | 多波长led荧光光谱的云端中药品质检测系统及方法 | |
CN108444924B (zh) | 一种应用高光谱图像技术判别茶叶贮藏期的方法 | |
CN108037256A (zh) | 稻米食味品质的快速测定方法 | |
CN103743698A (zh) | 一种采用近红外光谱对茶叶感官审评的方法 | |
CN103175815A (zh) | 多波长led诱导荧光的茶叶品质无损检测方法及装置 | |
CN203572772U (zh) | 基于多波长led荧光光谱的云端中药品质检测系统 | |
CN102313715A (zh) | 基于激光技术的蜂蜜品质检测方法 | |
CN205215187U (zh) | 基于多光谱的皮肤检测系统 | |
CN110567894A (zh) | 一种含水溶液pH值快速检测方法和检测装置 | |
CN103234923A (zh) | 一种黄酒发酵过程中总糖含量的在线监控方法 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
CN103792217B (zh) | 基于led诱导荧光光谱的咖啡浓度检测系统及方法 |
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 |