CN105486657A - 一种利用光谱法测定叶菜主要营养成分的方法 - Google Patents
一种利用光谱法测定叶菜主要营养成分的方法 Download PDFInfo
- Publication number
- CN105486657A CN105486657A CN201511031441.9A CN201511031441A CN105486657A CN 105486657 A CN105486657 A CN 105486657A CN 201511031441 A CN201511031441 A CN 201511031441A CN 105486657 A CN105486657 A CN 105486657A
- Authority
- CN
- China
- Prior art keywords
- data
- leaf vegetables
- wavelength
- spectroscopic
- spectroscopic data
- 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.)
- Pending
Links
- 235000021384 green leafy vegetables Nutrition 0.000 title claims abstract description 73
- 238000004611 spectroscopical analysis Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 40
- 235000012041 food component Nutrition 0.000 title abstract 6
- 239000000126 substance Substances 0.000 claims abstract description 40
- 238000013499 data model Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000003595 spectral effect Effects 0.000 claims abstract description 17
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims abstract description 12
- OVBPIULPVIDEAO-LBPRGKRZSA-N folic acid Chemical compound C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)N[C@@H](CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-LBPRGKRZSA-N 0.000 claims abstract description 12
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 claims abstract description 6
- OVBPIULPVIDEAO-UHFFFAOYSA-N N-Pteroyl-L-glutaminsaeure Natural products C=1N=C2NC(N)=NC(=O)C2=NC=1CNC1=CC=C(C(=O)NC(CCC(O)=O)C(O)=O)C=C1 OVBPIULPVIDEAO-UHFFFAOYSA-N 0.000 claims abstract description 6
- 229930003268 Vitamin C Natural products 0.000 claims abstract description 6
- 229920002678 cellulose Polymers 0.000 claims abstract description 6
- 239000001913 cellulose Substances 0.000 claims abstract description 6
- 235000019152 folic acid Nutrition 0.000 claims abstract description 6
- 229960000304 folic acid Drugs 0.000 claims abstract description 6
- 239000011724 folic acid Substances 0.000 claims abstract description 6
- 235000019154 vitamin C Nutrition 0.000 claims abstract description 6
- 239000011718 vitamin C Substances 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 38
- 238000002372 labelling Methods 0.000 claims description 27
- 235000016709 nutrition Nutrition 0.000 claims description 27
- 235000015097 nutrients Nutrition 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000013506 data mapping Methods 0.000 claims description 7
- 240000007124 Brassica oleracea Species 0.000 claims description 6
- 235000001169 Brassica oleracea var oleracea Nutrition 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 claims description 4
- 235000011301 Brassica oleracea var capitata Nutrition 0.000 claims description 4
- 235000000318 Bindesalat Nutrition 0.000 claims description 3
- 244000106835 Bindesalat Species 0.000 claims description 3
- 238000002835 absorbance Methods 0.000 claims description 3
- 240000002234 Allium sativum Species 0.000 claims description 2
- 235000001270 Allium sibiricum Nutrition 0.000 claims description 2
- 240000007087 Apium graveolens Species 0.000 claims description 2
- 235000015849 Apium graveolens Dulce Group Nutrition 0.000 claims description 2
- 235000010591 Appio Nutrition 0.000 claims description 2
- 235000016068 Berberis vulgaris Nutrition 0.000 claims description 2
- 241000335053 Beta vulgaris Species 0.000 claims description 2
- 244000178993 Brassica juncea Species 0.000 claims description 2
- 235000005855 Brassica juncea var. subintegrifolia Nutrition 0.000 claims description 2
- 235000006008 Brassica napus var napus Nutrition 0.000 claims description 2
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 claims description 2
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 claims description 2
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 claims description 2
- 240000000467 Carum carvi Species 0.000 claims description 2
- 235000005747 Carum carvi Nutrition 0.000 claims description 2
- 241001674939 Caulanthus Species 0.000 claims description 2
- 240000008436 Ipomoea aquatica Species 0.000 claims description 2
- 235000019004 Ipomoea aquatica Nutrition 0.000 claims description 2
- 235000009337 Spinacia oleracea Nutrition 0.000 claims description 2
- 244000300264 Spinacia oleracea Species 0.000 claims description 2
- 235000006705 asparagus lettuce Nutrition 0.000 claims description 2
- 244000046738 asparagus lettuce Species 0.000 claims description 2
- WHGYBXFWUBPSRW-FOUAGVGXSA-N beta-cyclodextrin Chemical compound OC[C@H]([C@H]([C@@H]([C@H]1O)O)O[C@H]2O[C@@H]([C@@H](O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O3)[C@H](O)[C@H]2O)CO)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@@H]3O[C@@H]1CO WHGYBXFWUBPSRW-FOUAGVGXSA-N 0.000 claims description 2
- 235000004611 garlic Nutrition 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 230000001228 trophic effect Effects 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims 1
- 238000004451 qualitative analysis Methods 0.000 claims 1
- 238000004445 quantitative analysis Methods 0.000 claims 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 abstract 1
- 229930003270 Vitamin B Natural products 0.000 abstract 1
- 235000005473 carotenes Nutrition 0.000 abstract 1
- 150000001746 carotenes Chemical class 0.000 abstract 1
- 235000010980 cellulose Nutrition 0.000 abstract 1
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 abstract 1
- 235000019156 vitamin B Nutrition 0.000 abstract 1
- 239000011720 vitamin B Substances 0.000 abstract 1
- 238000013507 mapping Methods 0.000 description 13
- 239000003987 organophosphate pesticide Substances 0.000 description 3
- 235000012055 fruits and vegetables Nutrition 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 240000008067 Cucumis sativus Species 0.000 description 1
- 235000010799 Cucumis sativus var sativus Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002875 fluorescence polarization Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种利用光谱法测定叶菜主要营养成分的方法，确定光谱法测定叶菜主要营养成分为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；确定叶菜主要营养成分测量的光谱范围为：800-2500nm；建立光谱和化学成分之间的数据模型；通过运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的大于等于21个公式，进行运算，获得所检测叶菜的所选定的营养成分含量。
Description
技术领域
本发明属于物质检测领域，特别是涉及利用光谱检测化学成分的方法，具体是涉及一种利用光谱法测定叶菜主要营养成分的方法。
背景技术
随着人们对食品安全的关注度越来越高，消费者在选择果蔬时对其内部品质指标的要求也越来越高，叶菜作为餐饮上最常见的果蔬，其营养成分品质的高低通常作为选择叶菜的主要参考指标，而目前对叶菜营养成分的测定常以破坏性化学分析或者在实验室使用昂贵的实验仪器分析为主，这些方法都需要将叶菜损坏，并且不能进行现场测试分析。
利用光谱技术分析成为农作物成分检测的发展方向，现代近红外光谱分析技术分析速度快，是因为光谱测量速度很快，计算机计算结果速度也很快的原因。
专利申请201510159569.7公开了一种基于近红外、荧光、偏振多光谱的蔬菜农残检测装置及方法，以生菜叶片有机磷农药残留为研究对象，探索有机磷农药含磷基团、有机磷分子结构、叶片微观结构变化分别对近红外光谱、荧光光谱和偏振光谱分布等多维信息的作用机理，提出多源传感光谱的特征提取、特征优化组合、信息融合及有机磷农药残留种类及残留量的综合评判的方法。
目前的方法中，因为模型的建立按照图谱的模式进行的，或者是按照局部数据进行的，或者是在化学计量的基础上进行匹配光谱数据，这些方法都存在建模后调整难度大，基础数据不齐全，导致数据模型的校正和公式的更新和更换难度大，如何建立光谱数据和叶菜化学成分数据模型成为该领域的研究重点和难点。
发明内容
为了克服上述测定方法所存在的各种缺陷，本发明提供了一种利用光谱法测定叶菜主要营养成分的方法，该方法包括如下步骤：
A.确定光谱法测定叶菜主要营养成分种类为T，1≤T≤5，营养成分分别为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；
B.确定叶菜主要营养成分测量的光谱范围为：800-2500nm；
C.进行大于等于50个以上叶菜样品的光谱数据收集和化学检测数据收集；
D.利用光谱数据和化学检测数据建立数据模型，数据模型嵌入数据运算服务器；
E.针对待检叶菜进行光谱数据收集，将光谱数据输入数据运算服务器，同时选择需要检测的叶菜和营养成分，所述营养成分为步骤A中确定的营养成分中的一种或多种；
F.运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的K个公式，进行运算，获得所检测叶菜的所选定的营养成分含量，K≥T。
所述步骤D是利用光谱数据和化学检测数据建立数据模型，包括将物体的光谱数据输入光谱数据库，将相同物体的化学检测数据的输入化学数据库，然后将光谱数据库中的光谱数据和化学数据库中的化学检测数据进行映射，形成该物体的映射数据库，包括如下步骤：
步骤I：用光源发射兼光谱收集的装置发射光斑照射待检测的叶菜样品A1，然后收集叶菜样品A1反射回来的光谱，采用光谱分析设备确定所收集光谱的波长及吸光度，形成叶菜样品A1的光谱数据；
步骤II：对叶菜样品A1进行化学分析，分析其T种成分及含量，形成叶菜样品的化学检测数据；
步骤III：将叶菜A1的光谱数据和化学检测数据录入同一数据库，形成数据映射X1；
步骤IV：重复上述步骤I、步骤II和步骤III，对叶菜样品A2至An+1进行n次重复，形成n组光谱数据和对应的n组化学检测数据，将光谱数据和化学检测数据录入同一数据库，形成n组数据映射的数据映射集合；
步骤V：将上述数据库中数据映射集合中的光谱数据选取2-100个波长的吸光度数值与化学检测数据进行对应，确定2-100个波长吸光度变化与化学检测数据变化具有定性和定量关系的K个公式。
步骤VI：将上述步骤的K个公式嵌入运算服务器，采集叶菜新样品AX的光谱数据，将其录入数据库的同时，选取步骤V确定的2-100个波长录入运算服务器，计算出未进行实际检测的叶菜新样品化学数据，同时将该化学数据输出到显示端和数据库，并在数据库中与叶菜新样品AX的光谱数据形成测量数据映射，该测量数据映射与已有的数据映射形成更新的数据映射集合。
步骤VII：根据步骤I至步骤VI所形成的数据库和运算服务器上的K个公式，将数据库和运算服务器相连，同时设置数据库的数据输入端和数据输出端、设置运算服务器的数据输入端和数据输出端，形成叶菜的光谱数据模型。
上述步骤IV中建立数据映射集合的方法具体是：
1)光谱数据输入光谱数据库中，按照纳米级建立数据条，每个纳米级波长定义为一个数据条，将每个纳米级波长数据和波长强度数据录入数据库中，形成光谱数据库中的光谱数据条，光谱范围中的纳米波长数量k对应形成相应数量的光谱数据条k；例如波长范围为1000-1500纳米，则有501条光谱数据条，k为501，每个光谱数据条包括波长和强度；
2)化学检测数据输入化学数据库中，将化学检测数据按所检测成分的数量建立数据条，照成分建立数据条，每个成分定义为一条数据条，将每个成分名称及成分含量录入数据库中，形成化学数据库中的成分数据条，成分的数量对应形成相应数量的成分数据条；例如某物体的化学检测数据中有5中成分，则有5条数据条，分别为Y1、Y2……Y5，每个数据条包括成分名称和成分含量；或者将化学检测数据进行排列组合，然后将所有排列组合作为数据条数据数据库，排列组合；
3)将光谱表中的一条光谱数据条对应化学数据表中的所有成分数据条，形成映射数据组，对应原则是一条光谱数据条分别对应各成分数据条，形成单光谱和多成分对应的映射数据组；例如光谱数据条为X1000，成分数据条为Y1、Y2、Y3、Y4、Y5，则针对1000纳米的单光谱和多成分对应的映射数据组为{X1000Y1,X1000Y2,X1000Y3,X1000Y4,X1000Y5}；
按照上述建立映射数据组的方法，将光谱表中的所有光谱数据条与化学数据表中所有成分数据条进行分别对应，形成所有映射数据组的集合，即为映射数据集合；例如光谱数据条为501条，成分数据条为5条，则一次检测所形成的光谱数据和化学检测数据的映射数据集合中包含501×5＝2505条数据，该2505条数据即为物体该次检测的映射数据集合。
如果对该物体的不同样品进行n次检测，则形成n个映射数据集合，将n个映射数据集合统一输入一个单独的数据库中，则形成该物体映射数据库。
上述n大于等于30，n大于等于50，更加优选的，n大于等于100。
优选的，所述光谱的波长范围为800-1800nm，或光谱的波长范围为1500-2500。
优选的，所述叶菜为营养组成成分基本相同但成分含量差异值在20％以内的同类叶菜。
优选的，所述光谱数据为波长为800-1800nm的1001个波长的波长和强度的数据集合，或者光谱数据为波长为1500-2500的1001个波长的波长和强度的数据集合。
优选的，所述公式的个数为K个，K值满足如下关系式：
T表示叶菜的营养成分数，其中C表示组合式的含义
优选的，所述公式中的T为5，所述公式的个数为21个。
优选的，所述叶菜包括菠菜、圆白菜、韭黄、蒜黄、空心菜、芹菜、芥蓝、莴笋叶、大白菜、甘蓝、包菜、甜菜、芥菜、香菜、生菜。
本发明的方法中，化学测量数据，也称为化学计量数据，是指通过某些物质的国家标准进行测量获得的化学数据。例如叶菜中的维生素C的含量，需要按照国家标准或者是行业标准进行测量，也可以采用满足国标测量精度的仪器进行测量。
本发明的方法中，光谱数据为通过光谱收集装置收集的不同波长的光能量，通过光转化信号装置转化为光谱数据，光谱数据一般要求具有光谱强度，即使某波长光波强度为零，则在光谱数据也需要记载。
本发明方法的有益效果体现在如下三个方面：
1、本发明检测时，叶菜样品无需预处理，达到无损测量的效果；
2、采用光谱技术分析测定，分析速度快，能随时检测，方便快捷；
3、本发明的光谱数据和化学检测数据的映射方法充分考虑检测数据的单物质特性和组合物质的特性，可以根据需要同时测定叶菜单个营养成分或者多种成分；
4、本发明提供的光谱数据和化学成分数据之间的建模方法可方便更新基础数据库，提供大而可靠的数据，提高检测精确度，减少人为误差。
具体实施方式
实施例1
一种利用光谱法测定叶菜主要营养成分的方法，该方法包括如下步骤：
A.确定光谱法测定叶菜主要营养成分为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；
B.确定叶菜主要营养成分测量的光谱范围为：800-2500nm；
C.进行100个叶菜样品的光谱数据收集和化学检测数据收集；
D.利用光谱数据和化学检测数据建立数据模型，数据模型嵌入数据运算服务器；
E.针对待检叶菜进行光谱数据收集，将光谱数据输入数据运算服务器，同时选择需要检测的产品和营养成分，所述营养成分为步骤A中确定的营养成分中的一种或多种；
F.运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的21个公式，进行运算，获得所检测叶菜的所选定的营养成分含量，K≥T。
实施例2
一种利用光谱法测定叶菜主要营养成分的方法，该方法包括如下步骤：
A.确定光谱法测定叶菜主要营养成分为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；
B.确定叶菜主要营养成分测量的光谱范围为：800-1800nm；
C.进行500个叶菜样品的光谱数据收集和化学检测数据收集；
D.利用光谱数据和化学检测数据建立数据模型，数据模型嵌入数据运算服务器；
E.针对待检叶菜进行光谱数据收集，将光谱数据输入数据运算服务器，同时选择需要检测的产品和营养成分，所述营养成分为步骤A中确定的营养成分中的一种或多种；
F.运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的21个公式，进行运算，获得所检测叶菜的所选定的营养成分含量，K≥T。
实施例3
一种利用光谱法测定叶菜主要营养成分的方法，该方法包括如下步骤：
A.确定光谱法测定叶菜主要营养成分为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；
B.确定叶菜主要营养成分测量的光谱范围为：1000-2500nm；
C.进行250个叶菜样品的光谱数据收集和化学检测数据收集；
D.利用光谱数据和化学检测数据建立数据模型，数据模型嵌入数据运算服务器；
E.针对待检叶菜进行光谱数据收集，将光谱数据输入数据运算服务器，同时选择需要检测的产品和营养成分，所述营养成分为步骤A中确定的营养成分中的一种或多种；
F.运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的21个公式，进行运算，获得所检测叶菜的所选定的营养成分含量，K≥T。
Claims (9)
1.一种利用光谱法测定叶菜主要营养成分的方法，该方法包括如下步骤：
A.确定光谱法测定叶菜主要营养成分种类为T，1≤T≤5，营养成分分别为：维生素C、维生素B、胡萝卜素、叶酸、纤维素；
B.确定叶菜主要营养成分测量的光谱范围为：800-2500nm；
C.进行大于等于n个以上叶菜样品的光谱数据收集和化学检测数据收集，其中n大于等于50；
D.利用光谱数据和化学检测数据建立K个公式组成叶菜检测的数据模型，数据模型嵌入数据运算服务器；
E.针对待检叶菜进行光谱数据收集，将光谱数据输入数据运算服务器，同时选择需要检测的叶菜和营养成分，所述营养成分为步骤A中确定的营养成分中的一种或多种；
F.运算服务器根据所需要检测的产品名称和营养成分匹配数据模型中的K个公式，进行运算，获得所检测叶菜的所选定的营养成分含量，K≥T。
2.根据权利要求1所述的方法，其特征在于K值满足如下关系式：
T表示叶菜的营养成分数，其中C表示组合式的含义。
3.根据权利要求2所述的方法，其特征在于，T＝5，所述公式的个数为21个。
4.根据权利要求1所述的方法，其特征在于，所述光谱的波长范围为800-1800nm，或光谱的波长范围为1500-2500nm。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述叶菜为营养组成成分基本相同但成分含量差异值在20％以内的同类叶菜，叶菜样品无需预处理。
6.根据权利要求1所述的方法，其特征在于n大于等于100，优选的n大于等于200。
7.根据权利要求1所述的方法，其特征在于，所述步骤D数据模型建立的方法包括如下步骤：
步骤I：用光源照射兼光谱收集的装置照射待检测的叶菜样品A1，然后收集叶菜样品A1反射回来的光谱，采用光谱分析设备确定所收集光谱的波长及吸光度，形成叶菜样品A1的光谱数据；
步骤II：对叶菜样品A1进行化学分析，分析其T种成分及含量，形成叶菜样品的化学检测数据；
步骤III：将叶菜A1的光谱数据和化学检测数据录入同一数据库，形成数据映射X1；
步骤IV：重复上述步骤I、步骤II和步骤III，对叶菜样品A2至An+1进行n次重复，形成n组光谱数据和对应的n组化学检测数据，将光谱数据和化学检测数据录入同一数据库，形成n组数据映射的数据映射集合；
步骤V：将上述数据库中数据映射集合中的光谱数据选取2-100个波长的吸光度数值与化学检测数据进行对应，确定2-100个波长吸光度变化与化学检测数据变化具有定性和定量关系的K个公式。
步骤VI：将上述步骤的K个公式嵌入运算服务器，采集叶菜新样品AX的光谱数据，将其录入数据库的同时，选取步骤V确定的2-100个波长录入运算服务器，计算出未进行实际检测的叶菜新样品化学数据，同时将该化学数据输出到显示端和数据库，并在数据库中与叶菜新样品AX的光谱数据形成测量数据映射，该测量数据映射与已有的数据映射形成更新的数据映射集合。
步骤VII：根据步骤I至步骤VI所形成的数据库和运算服务器上的K个公式，将数据库和运算服务器相连，同时设置数据库的数据输入端和数据输出端、设置运算服务器的数据输入端和数据输出端，形成叶菜的光谱数据模型。
8.根据权利要求7所述的方法，其特征在于，所述光谱数据为波长为800-1800nm的1001个波长的波长和强度的数据集合，或者光谱数据为波长为1500-2500的1001个波长的波长和强度的数据集合。
9.根据权利要求1所述的方法，其特征在于，所述叶菜包括菠菜、圆白菜、韭黄、蒜黄、空心菜、芹菜、芥蓝、莴笋叶、大白菜、甘蓝、包菜、甜菜、芥菜、香菜、生菜。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511031441.9A CN105486657A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定叶菜主要营养成分的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511031441.9A CN105486657A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定叶菜主要营养成分的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105486657A true CN105486657A (zh) | 2016-04-13 |
Family
ID=55673781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511031441.9A Pending CN105486657A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定叶菜主要营养成分的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105486657A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105606549A (zh) * | 2016-01-28 | 2016-05-25 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱数据和化学检测数据建立数据模型的方法 |
| CN113447450A (zh) * | 2021-05-11 | 2021-09-28 | 中国农业科学院农产品加工研究所 | 一种基于图谱测定菜肴营养含量的光学无损检测装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466321B1 (en) * | 1999-06-17 | 2002-10-15 | Satake Corporation | Method of diagnosing nutritious condition of crop in plant field |
| CN101101257A (zh) * | 2006-07-06 | 2008-01-09 | 中国农业科学院饲料研究所 | 饲料级粉状添加剂品质近红外光谱监控方法 |
| CN201072405Y (zh) * | 2007-07-16 | 2008-06-11 | 江西农业大学 | 果蔬维生素c含量的光谱快速无损检测装置 |
| CN101349638A (zh) * | 2007-07-16 | 2009-01-21 | 江西农业大学 | 果蔬维生素c含量的光谱快速无损检测方法 |
| CN103237078A (zh) * | 2013-04-27 | 2013-08-07 | 翁整 | 近红外食品安全鉴别系统 |
-
2015
- 2015-12-31 CN CN201511031441.9A patent/CN105486657A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466321B1 (en) * | 1999-06-17 | 2002-10-15 | Satake Corporation | Method of diagnosing nutritious condition of crop in plant field |
| CN101101257A (zh) * | 2006-07-06 | 2008-01-09 | 中国农业科学院饲料研究所 | 饲料级粉状添加剂品质近红外光谱监控方法 |
| CN201072405Y (zh) * | 2007-07-16 | 2008-06-11 | 江西农业大学 | 果蔬维生素c含量的光谱快速无损检测装置 |
| CN101349638A (zh) * | 2007-07-16 | 2009-01-21 | 江西农业大学 | 果蔬维生素c含量的光谱快速无损检测方法 |
| CN103237078A (zh) * | 2013-04-27 | 2013-08-07 | 翁整 | 近红外食品安全鉴别系统 |
Non-Patent Citations (2)
| Title |
|---|
| 严衍禄等: "《近红外光谱分析的原理、技术与应用》", 31 January 2013, 中国轻工业出版社 * |
| 王燕等: "近红外光谱法预测大豆营养成分含量模型的建立和应用", 《营养饲料》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105606549A (zh) * | 2016-01-28 | 2016-05-25 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱数据和化学检测数据建立数据模型的方法 |
| CN113447450A (zh) * | 2021-05-11 | 2021-09-28 | 中国农业科学院农产品加工研究所 | 一种基于图谱测定菜肴营养含量的光学无损检测装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104251846B (zh) | 一种结合判别分析的激光诱导击穿光谱定量分析方法 | |
| CN104931470B (zh) | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 | |
| CN101936895B (zh) | 一种稻米贮藏时间近红外光谱分析快速检测方法 | |
| CN104614321B (zh) | 一种基于光谱图像的作物长势实时监测方法 | |
| CN105527236A (zh) | 一种利用光谱法测定农产品主要营养成分的方法 | |
| CN101915744A (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
| CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
| CN101975759A (zh) | 透射式无损检测植物叶片含水量的装置和方法 | |
| CN106018332A (zh) | 一种柑桔黄龙病的近红外光谱田间检测方法 | |
| CN105044024A (zh) | 一种基于近红外光谱技术对葡萄果实进行无损检测的方法 | |
| CN104778349A (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
| Nagy et al. | Spectral estimation of soil water content in visible and near infra-red range | |
| CN105486657A (zh) | 一种利用光谱法测定叶菜主要营养成分的方法 | |
| CN103913425B (zh) | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 | |
| CN105699304B (zh) | 一种获得光谱信息所代表的物质信息的方法 | |
| Zhao et al. | Development of leaf spectral models for evaluating large numbers of sugarcane genotypes | |
| CN105486650A (zh) | 一种利用光谱法测定马铃薯主要营养成分的方法 | |
| CN105699302A (zh) | 一种利用光谱法测定苹果主要营养成分的方法 | |
| CN115436307B (zh) | 一种无损快速检测植物叶片中叶绿素和类胡萝卜素含量的方法 | |
| CN105699301B (zh) | 一种利用光谱法测定农产品中粗纤维素的方法 | |
| CN105606561A (zh) | 一种利用光谱法测定火龙果主要营养成分的方法 | |
| CN105891130A (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
| CN105628648A (zh) | 一种利用光谱法测定农产品中维生素c的方法 | |
| CN105675515A (zh) | 一种利用光谱法测定西瓜主要营养成分的方法 | |
| Kong et al. | An integrated field and hyperspectral remote sensing method for the estimation of pigments content of Stipa Purpurea in Shenzha, Tibet |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160413 |