CN105158177A - 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 - Google Patents
高光谱图像技术定量检测固态发酵水分分布均匀性的方法 Download PDFInfo
- Publication number
- CN105158177A CN105158177A CN201510642049.1A CN201510642049A CN105158177A CN 105158177 A CN105158177 A CN 105158177A CN 201510642049 A CN201510642049 A CN 201510642049A CN 105158177 A CN105158177 A CN 105158177A
- Authority
- CN
- China
- Prior art keywords
- moisture
- distribution
- pixel
- fermentation
- fermentation substrate
- 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
本发明涉及高光谱图像技术定量检测固态发酵水分分布均匀性的方法,属于食品、农产品发酵相关参数检测技术领域;本发明首先采集多份发酵基质在一定波段下的高光谱图像;提取感兴趣区域的图像信息,选取波段中固定波长点及对应的光谱数据;筛选n个特征波长;结合特征波长下的光谱反射值和每份发酵基质的水分含量实测值建立水分含量的预测模型关系式;利用建立的关系式检测发酵基质光谱图像中每个像素点对应的水分含量,描绘水分含量的二维分布图;计算水分分布方差值;根据水分分布方差值检测发酵基质水分分布均匀性。该方法降低了检测成本,加快了检测速度,适用于在线监测,实现了快速定量检测发酵基质水分分布均匀性。<b />
Description
技术领域
本发明涉及固态发酵基质水分分布均匀性的检测技术,尤其涉及高光谱图像技术定量检测固态发酵水分分布均匀性的方法,属于食品、农产品发酵相关参数检测技术领域。
背景技术
水分是微生物细胞的主要成分,也是微生物生命活动的基本条件之一。在固态发酵生产中微生物必须从发酵基质中吸收水分,因此固态发酵基质水分过高或过低均对固态发酵产生不良影响。若发酵基质水分含量过低,微生物不能生长,导致发酵周期延长或者发酵产品质量下降;若发酵基质水分含量过高,微生物细胞外溶液的渗透压过高,容易使细胞失水发生质壁分离,并且水分过高会影响氧气、二氧化碳等气体交换,使微生物生长受阻,最终都会导致发酵受阻。因此定量检测发酵基质的水分分布均匀性,对于优化发酵工艺、提高发酵产量和质量具有重要的意义。
目前,在实际生产过程中通常是有经验的操作工人通过肉眼观察或者手的触感来判断基质水分含量分布的均匀性,该方法只能用描述性的语言对水分分布均匀性进行定性检测,且检测准确度易受到工人经验、身体状态等因素的影响。常规的水分含量检测方法是依据国家标准GB/T5009.3.2010而进行的离线烘干称重法,离线烘干称重法操作过程繁琐,费时费力,只能检测待测样品的平均水分含量。因此上述方法都无法实现发酵基质水分均匀性的定量描述。
高光谱成像技术是传统二维成像技术和光谱技术有机结合,其具备的多波段、高分辨率、图谱合一、包含多成分信息等特点,使其在食品、农产品的检测中具有独特的优势。高光谱图像每个像素点的光谱信息为检测固态发酵基质中不同区域的水分含量差异,进而定量描述水分含量在发酵基质中的分布均匀性提供了可能。
因此,本发明利用高光谱图像技术检测水分含量在固态发酵基质中的分布情况,并提出定量检测发酵基质水分含量分布均匀性的方法。
发明内容
本发明针对现有技术的不足,提出高光谱图像技术检测发酵基质中水分含量的二维分布图,以水分分布图的方差作为定量指标,首次提出发酵基质水分分布均匀性的定量描述方法。
为实现上述目的,本发明采取以下技术方案:
S1.采集m份发酵基质在A~Bnm波段下的高光谱图像;
S2.提取每份发酵基质中感兴趣区域的高光谱图像信息,该光谱信息为在A~Bnm波段下的感兴趣区域的光谱反射值,选取A~Bnm波段中固定波长点,从而得到每份发酵基质在所选取的固定波长点下的的光谱数据;
S3.将在固定波长点下的的光谱数据进行变量筛选,获得与发酵基质水分含量相关性强的n个特征波长λ1、λ2、λ3、……、λn(n≥1);
S4.结合n个特征波长下的光谱反射值Xi(X1、X2、X3……Xn)和每份发酵基质的水分含量实测值Y建立水分含量的预测模型关系式;
S5.利用建立的水分含量预测模型关系式检测采集得到的每份发酵基质光谱图像中的每个像素点对应的水分含量,描绘水分含量的二维分布图;
S6.利用水分含量二维分布图中每个像素点对应的水分含量(Si)计算出每份发酵基质所有像素点的水分含量均值将Si和代入方差计算公式得出水分分布图方差值(σ2)。
所述步骤S4,建立水分含量预测模型过程如下:
(1)测定m份发酵基质光谱提取区域(即感兴趣区域)水分含量实测值Y。
(2)利用感兴趣区域的水分含量实测值Y与步骤S3筛选得到的n个特征波长下的光谱反射值Xi建立定量预测模型,该模型表征了n个特征波长下的光谱反射值与水分含量实测值的关系。
所述步骤S5描绘固态发酵基质水分含量的二维分布图具体方法如下:
(1)提取整个发酵基质的光谱图像中每个像素点在n个特征波长下的光谱反射值,整个发酵基质光谱图像是一个二维的图像,宽为j像素,高为p像素。
(2)根据水分含量的预测模型关系式中n个特征波长下光谱反射值和水分含量对应的关系,将每个像素点的光谱反射值代入水分含量预测模型中得到每个像素点的水分含量预测值,从而描绘发酵基质图像的水分含量二维分布图。
所述步骤S6实现定量检测发酵基质水分分布均匀性的步骤如下:
(1)计算出水分含量二维分布图中所有像素点对应的水分含量均值
(2)根据方差公式
利用每个像素点(共j×p个像素点)对应的水分含量值Si(共j×p个水分数据),水分含量均值像素点个数z(j×p个像素点),代入方差公式计算出水分分布的方差值。
(3)将水分分布方差值作为定量指标检测发酵基质水分分布均匀性。水分分布方差是衡量各像素点的水分含量波动大小的量,可用来度量各像素点水分含量值与所有像素点水分含量均值之间的离散程度。若方差越大,则各个像素点水分含量值与水分含量均值之间的离散程度越大,说明发酵基质水分分布图中各像素点的水分含量值彼此差异越大,即水分分布越不均匀。
本发明具有有益效果:
与现有的水分检测技术相比(如离线烘干称重法和近红外光谱法等),高光谱图像技术是一种集光谱信息和图像信息于一体的技术,其不仅能快速检测样品的平均水分含量或者某一个点的水分含量,而且能够检测所有像素点的水分含量,得到水分含量分布的直观图像。该方法不使用任何化学材料,无需预处理步骤,直接采集发酵基质的光谱信息,降低了检测成本,加快了检测速度,适用于在线监测。
与传统的水分分布均匀性检测方法(如肉眼观察和手触式等)相比,本发明利用高光谱技术描绘水分分布图,提出以方差为定量指标,实现了快速定量检测发酵基质水分分布均匀性。利用水分分布图方差的大小可定量描述水分分布均匀程度,若方差越大,则各像素点水分含量值与水分含量均值之间的离散程度越大,说明发酵基质水分分布图中各像素点的水分含量值彼此差异越大,即水分分布越不均匀。
如附图3中的2幅醋醅水分分布图,区域1和2中的方差较小,可说明该区域水分分布较均匀,不会出现局部水分含量过高或过低的现象,导致发酵质量下降;区域4和5水分含量方差较大,与区域1和2相比,水分分布不均匀,有局部结块的现象,需要调整翻醅工艺使醋醅中的水分等分布更均匀。因此水分分布方差可定量描述发酵基质水分分布均匀性,为优化发酵的工艺参数、提高发酵的速度和质量提供了有效的检测手段。
附图说明
图1为定量检测水分分布均匀性的流程图;
图2为不同均匀性的醋醅水分含量分布图。
具体实施方式
参见图1,本发明将利用高光谱图像技术定量检测镇江香醋醋醅水分分布均匀性为实例,具体阐述定量检测水分分布均匀性的具体步骤。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法或功能上的变换均包含在本发明的保护范围内。
高光谱图像技术定量检测固态发酵水分分布均匀性的方法,具体按照以下步骤进行:
S1.在432~963nm波段下采集81个醋醅的高光谱图像并提取高光谱图像信息。
(1)醋醅样品采集:醋醅样品采自镇江恒顺香醋股份有限公司的醋醅发酵车间。取样时将培养皿上盖倒扣于醋醅表层,将下盖探入醋醅池并与上盖闭合后垂直拿起,避免采样操作改变醋醅水分分布情况,以此方式得到81个醋醅样品。
(2)高光谱采集:采用高光谱图像数据采集系统对醋醅样品进行信息采集,设置系统曝光时间为0.045s、移动平台速度为1.45mm/s。将醋醅样品放置在电控载物台上进行图像采集。光谱范围为432~963nm,本实施例中采集每份醋醅样品在618个波长下的图像。
S2.本试验用ENVI软件从每个样本图像中提取感兴趣区域(RegionsofInterest,ROI)的高光谱图像信息,提取每个波段下感兴趣区域内所有像素点的光谱反射值,从而得到81条分别包含618个波长下的光谱数据。
S3.利用MATLAB中的遗传算法工具箱对每份618个变量进行筛选,筛选出与发酵基质水分含量相关性强的12个特征波长,分别为544、546、531、535、575、832、835、840、849、895、896、901nm。
S4.将81个光谱数据和水分含量实测值按2:1的比例将光谱数据和水分含量实测值分别分成校正集和预测集,校正集用来建立表征光谱反射值和水分含量实测值的对应关系,预测集用来检测对应关系式预测水分含量的效果。对于校正集中的54个发酵醋醅,利用筛选的特征波长下的光谱反射值和水分含量实测值拟合得到表征光谱反射值和水分含量实测值的对应关系。
(1)根据国家标准(离线烘干称重法)测定81份发酵基质的水分含量实测值Y。
(2)结合水分含量实测值对应的步骤S2中筛选的特征波长下(544、546、531、535、575、832、835、840、849、895、896、901nm,共12个优选特征波长)的光谱反射值Xi和水分含量实测值(Y),通过MATLAB拟合得到水分含量实测值Y和光谱反射值Xi之间的关系即水分含量预测模型关系式如下式所示,
Y=81.719X1+109.233X2-386.842X3-97.159X4+286.647X5-135.482X6-172.511X7+231.446X8+92.316X9-267.726X10+195.863X11+85.159X12+54.382
式中:Xi分别代表12条特征波长下的光谱反射值;Y代表相应的水分含量实测值。
S5.利用建立的水分含量预测模型关系式检测步骤S1中步骤(2)得到的每份醋醅采集得到的光谱图像中的每个像素点对应的水分含量,描绘81幅醋醅光谱图像中的醋醅图像水分含量二维分布图,其中选择2幅图像作为示例(如图2所示);
(1)利用ENVI软件编程分别提取步骤S1中步骤(2)得到的每份醋醅采集得到的光谱图像在12个特征波长下的反射光谱矩阵A(12×319×317),并将3维反射光谱值矩阵转化为1维矩阵B(1×1213476)。
(2)分别将步骤S1中步骤(2)得到的每份醋醅采集得到的光谱图像的每个像素点反射光谱值代入水分含量定量预测模型关系式中,得到每个像素点的水分含量预测值,从而得到醋醅图像水分含量二维分布图。
S6.利用水分含量二维分布图中每个像素点对应的水分含量(Si)计算出每份醋醅所有像素点的水分含量均值将Si和代入方差计算公式得出水分分布图方差值(σ2)。
(1)本实施例中的附图2水分含量均值分别为65.48%64.06%。
(2)根据方差公式
利用每个像素点对应的水分含量值Si(共1213476个水分数据),水分含量均值(64.06%),像素点个数1213476(319×317个水分数据),代入方差公式计算出附图2中2幅水分含量二维分布图的方差分别为5.72(32.49)和13.42(179.56)。
(3)根据方差的大小可定量描述发酵基质水分分布均匀性。如图2中a、b图,a图的水分分布图方差为5.72,b图的方差为13.42,实现了定量描述醋醅的水分分布均匀性。由两个方差值可以看出,a图的方差值比b值小,故a图水分分布比b图均匀。在实际生产中可根据水分方差值的大小判断水分分布的均匀性,调整发酵工艺参数,为微生物的生长发酵提供合适的环境。
Claims (5)
1.高光谱图像技术定量检测固态发酵水分分布均匀性的方法,其特征在于,按照以下步骤进行:
S1.采集m份发酵基质在A~Bnm波段下的高光谱图像;
S2.提取每份发酵基质中感兴趣区域的高光谱图像信息,该光谱信息为在A~Bnm波段下的感兴趣区域的光谱反射值,选取A~Bnm波段中固定波长点,从而得到每份发酵基质在所选取的固定波长点下的的光谱数据;
S3.将在固定波长点下的的光谱数据进行变量筛选,获得与发酵基质水分含量相关性强的n个特征波长l1、l2、l3、……、ln(n≥1);
S4.结合n个特征波长下的光谱反射值Xi(X1、X2、X3……Xn)和每份发酵基质的水分含量实测值Y建立水分含量的预测模型关系式;
S5.利用建立的水分含量预测模型关系式检测采集得到的每份发酵基质光谱图像中的每个像素点对应的水分含量,描绘水分含量的二维分布图;
S6.利用水分含量二维分布图中每个像素点对应的水分含量(Si)计算出每份发酵基质所有像素点的水分含量均值将Si和代入方差计算公式得出水分分布方差值(σ2),根据水分分布方差值检测发酵基质水分分布均匀性。
2.根据权利要求1所述的高光谱图像技术定量检测固态发酵水分分布均匀性的方法,其特征在于,步骤S4中所述建立水分含量的预测模型关系式具体方法如下:
(1)测定m份发酵基质光谱提取区域(即感兴趣区域)水分含量实测值Y;
(2)利用感兴趣区域的水分含量实测值Y与步骤S3筛选得到的n个特征波长下的光谱反射值Xi建立定量预测模型,该模型表征了n个特征波长下的光谱反射值与水分含量实测值的关系。
3.根据权利要求1所述的高光谱图像技术定量检测固态发酵水分分布均匀性的方法,其特征在于,步骤S5中所述描绘水分含量的二维分布图具体方法如下:
(1)提取整个发酵基质的光谱图像中每个像素点在n个特征波长下的光谱反射值,整个发酵基质光谱图像是一个二维的图像,宽为j像素,高为p像素;
(2)根据水分含量的预测模型关系式中n个特征波长下光谱反射值和水分含量对应的关系,将每个像素点的光谱反射值代入水分含量预测模型中得到每个像素点的水分含量预测值,从而描绘发酵基质图像的水分含量二维分布图。
4.根据权利要求1所述的高光谱图像技术定量检测固态发酵水分分布均匀性的方法,其特征在于,步骤S6中所述水分分布图方差值的具体计算步骤如下:
(1)计算出水分含量二维分布图中所有像素点对应的水分含量均值
(2)根据方差公式
利用每个像素点(共j×p个像素点)对应的水分含量值Si(共j×p个水分数据),水分含量均值像素点个数z(j×p个像素点),代入方差公式计算出水分分布的方差值。
5.根据权利要求1所述的高光谱图像技术定量检测固态发酵水分分布均匀性的方法,其特征在于,步骤S6中所述根据水分分布方差值检测发酵基质水分分布均匀性的判断标准为:若方差越大,则各个像素点水分含量值与水分含量均值之间的离散程度越大,说明发酵基质水分分布图中各像素点的水分含量值彼此差异越大,即水分分布越不均匀。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642049.1A CN105158177B (zh) | 2015-09-30 | 2015-09-30 | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510642049.1A CN105158177B (zh) | 2015-09-30 | 2015-09-30 | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105158177A true CN105158177A (zh) | 2015-12-16 |
CN105158177B CN105158177B (zh) | 2019-03-05 |
Family
ID=54799112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510642049.1A Active CN105158177B (zh) | 2015-09-30 | 2015-09-30 | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105158177B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404701A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 快速检测蛋白在聚合物溶液中的混合均匀度的方法 |
CN110441248A (zh) * | 2019-09-10 | 2019-11-12 | 四川轻化工大学 | 基于高光谱图像技术的窖泥水分预测模型建立的方法 |
CN110749555A (zh) * | 2019-10-30 | 2020-02-04 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN111504981A (zh) * | 2020-04-26 | 2020-08-07 | 上海交通大学 | 测定粉末物质中化学组分和水分含量的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033043A (zh) * | 2010-10-19 | 2011-04-27 | 浙江大学 | 基于高光谱图像技术的粮粒含水率检测方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
CN103048278A (zh) * | 2012-12-25 | 2013-04-17 | 浙江工业大学 | 机炒龙井茶叶水分含量在线检测方法 |
US20130327683A1 (en) * | 2012-06-08 | 2013-12-12 | The Governors Of The University Of Alberta | Ore froth processing |
CN103472009A (zh) * | 2013-09-16 | 2013-12-25 | 南京农业大学 | 一种不同植株氮含量水平下小麦植株含水率的监测方法 |
CN103940748A (zh) * | 2014-03-10 | 2014-07-23 | 浙江大学 | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 |
-
2015
- 2015-09-30 CN CN201510642049.1A patent/CN105158177B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102033043A (zh) * | 2010-10-19 | 2011-04-27 | 浙江大学 | 基于高光谱图像技术的粮粒含水率检测方法 |
CN102495005A (zh) * | 2011-11-17 | 2012-06-13 | 江苏大学 | 高光谱图像技术诊断作物水分亏缺的方法 |
US20130327683A1 (en) * | 2012-06-08 | 2013-12-12 | The Governors Of The University Of Alberta | Ore froth processing |
CN103048278A (zh) * | 2012-12-25 | 2013-04-17 | 浙江工业大学 | 机炒龙井茶叶水分含量在线检测方法 |
CN103472009A (zh) * | 2013-09-16 | 2013-12-25 | 南京农业大学 | 一种不同植株氮含量水平下小麦植株含水率的监测方法 |
CN103940748A (zh) * | 2014-03-10 | 2014-07-23 | 浙江大学 | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 |
Non-Patent Citations (1)
Title |
---|
朱瑶迪等: "高光谱图像技术快速预测发酵醋醅总酸分布", 《农业工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404701A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 快速检测蛋白在聚合物溶液中的混合均匀度的方法 |
CN110441248A (zh) * | 2019-09-10 | 2019-11-12 | 四川轻化工大学 | 基于高光谱图像技术的窖泥水分预测模型建立的方法 |
CN110441248B (zh) * | 2019-09-10 | 2021-12-28 | 四川轻化工大学 | 基于高光谱图像技术的窖泥水分预测模型建立的方法 |
CN110749555A (zh) * | 2019-10-30 | 2020-02-04 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN110749555B (zh) * | 2019-10-30 | 2022-05-31 | 宜宾五粮液股份有限公司 | 基于高光谱技术白酒曲块内部发酵状态检测装置及方法 |
CN111504981A (zh) * | 2020-04-26 | 2020-08-07 | 上海交通大学 | 测定粉末物质中化学组分和水分含量的方法 |
CN111504981B (zh) * | 2020-04-26 | 2021-10-22 | 上海交通大学 | 测定粉末物质中化学组分和水分含量的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105158177B (zh) | 2019-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316116B (zh) | 一种叶类蔬菜产量预测方法 | |
CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
CN104502283A (zh) | 估测大豆产量和地上部干重的一套两波段高光谱指数和预测模型 | |
CN110441248B (zh) | 基于高光谱图像技术的窖泥水分预测模型建立的方法 | |
Pang et al. | Hyperspectral imaging coupled with multivariate methods for seed vitality estimation and forecast for Quercus variabilis | |
CN110874617B (zh) | 一种冬小麦叶片氮含量估算模型的建立方法 | |
CN105158177A (zh) | 高光谱图像技术定量检测固态发酵水分分布均匀性的方法 | |
CN111855590A (zh) | 水稻叶片淀粉积累量遥感反演模型和方法 | |
CN102305772A (zh) | 基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法 | |
CN111044516B (zh) | 一种水稻叶绿素含量遥感估测方法 | |
CN110189793A (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
CN111829965A (zh) | 水稻地上部淀粉积累量遥感反演模型和方法 | |
CN111751376A (zh) | 一种基于冠层图像特征衍生的水稻氮素营养估算方法 | |
CN103344597B (zh) | 一种抗调味干扰的莲藕内部成分近红外无损检测的方法 | |
CN108181262A (zh) | 一种利用近红外光谱技术快速测定铜藻纤维素含量的方法 | |
CN116187100B (zh) | 一种结合作物生长模型估算玉米籽粒蛋白质含量的方法 | |
CN103940748A (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
CN111855593A (zh) | 水稻叶片淀粉含量遥感反演模型和方法 | |
CN112270131A (zh) | 基于ard回归算法的水稻叶面积指数遥感反演模型和方法 | |
CN111855592A (zh) | 水稻单位面积内地上部干物重遥感反演模型和方法 | |
Chen et al. | Hyperspectral detection of sugar content for sugar-sweetened apples based on sample grouping and SPA feature selecting methods | |
Cheng et al. | Hyperspectral and imagery integrated analysis for vegetable seed vigor detection | |
Zhou et al. | Germination prediction of sugar beet seeds based on HSI and SVM-RBF | |
CN114112932A (zh) | 基于深度学习的油茶果成熟度高光谱检测方法及分选设备 |
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 |