CN105628648A - 一种利用光谱法测定农产品中维生素c的方法 - Google Patents
一种利用光谱法测定农产品中维生素c的方法 Download PDFInfo
- Publication number
- CN105628648A CN105628648A CN201511031058.3A CN201511031058A CN105628648A CN 105628648 A CN105628648 A CN 105628648A CN 201511031058 A CN201511031058 A CN 201511031058A CN 105628648 A CN105628648 A CN 105628648A
- Authority
- CN
- China
- Prior art keywords
- data
- agricultural product
- vitamin
- spectroscopic
- chemical detection
- 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
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 title claims abstract description 144
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 title claims abstract description 72
- 229930003268 Vitamin C Natural products 0.000 title claims abstract description 72
- 235000019154 vitamin C Nutrition 0.000 title claims abstract description 72
- 239000011718 vitamin C Substances 0.000 title claims abstract description 72
- 238000004611 spectroscopical analysis Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 93
- 239000000126 substance Substances 0.000 claims abstract description 71
- 238000013499 data model Methods 0.000 claims abstract description 33
- 230000003595 spectral effect Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000001228 spectrum Methods 0.000 claims description 21
- 235000013399 edible fruits Nutrition 0.000 claims description 11
- 238000002835 absorbance Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000013506 data mapping Methods 0.000 claims description 4
- 235000013311 vegetables Nutrition 0.000 claims description 3
- 235000013339 cereals Nutrition 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 235000021384 green leafy vegetables Nutrition 0.000 claims description 2
- 238000010183 spectrum analysis Methods 0.000 claims description 2
- 244000298715 Actinidia chinensis Species 0.000 description 11
- 240000004160 Capsicum annuum Species 0.000 description 9
- 235000008534 Capsicum annuum var annuum Nutrition 0.000 description 9
- 235000007862 Capsicum baccatum Nutrition 0.000 description 9
- 241000227172 Eubotrys racemosa Species 0.000 description 9
- 238000013507 mapping Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 238000013178 mathematical model Methods 0.000 description 6
- 239000001728 capsicum frutescens Substances 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 235000012055 fruits and vegetables Nutrition 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- HORQAOAYAYGIBM-UHFFFAOYSA-N 2,4-dinitrophenylhydrazine Chemical compound NNC1=CC=C([N+]([O-])=O)C=C1[N+]([O-])=O HORQAOAYAYGIBM-UHFFFAOYSA-N 0.000 description 2
- 238000000862 absorption spectrum Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 208000006770 Ascorbic Acid Deficiency Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 241001672694 Citrus reticulata Species 0.000 description 1
- 235000005976 Citrus sinensis Nutrition 0.000 description 1
- 240000002319 Citrus sinensis Species 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 229920002683 Glycosaminoglycan Polymers 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 206010047623 Vitamin C deficiency Diseases 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 208000010233 scurvy Diseases 0.000 description 1
- 238000007811 spectroscopic assay Methods 0.000 description 1
- 238000012289 standard assay Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 150000003722 vitamin derivatives Chemical class 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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (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农产品中维生素C的方法，该方法包括如下步骤：利用化学检测方法测量同一农产品的n个样品中维生素C含量，得到相应维生素C化学检测数据，在光谱范围为800-2500nm下，对同一农产品的n个样品进行非破坏性的光谱测量，得到相应维生素C光谱数据，其中n≥50；利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；针对待检农产品进行光谱数据收集，将所收集的光谱数据输入数据运算服务器；运算服务器根据所需要检测的产品品种匹配数据模型并进行运算，获得所检测农产品的维生素C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农产品中维生素C的方法。
背景技术
维生素C作为维持机体正常生理功能的重要维生素之一，不仅广泛参与机体氧化、还原等复杂代谢过程，还能促进体内胶原蛋白和粘多糖的合成，增加机体抵抗力。缺乏时可引起造血机制障碍、贫血、微血管壁通透性增加，脆性增强，容易出血等坏血病症状，故其对人体健康有着重要的意义。因此，消费者在选择农产品时对其维生素C含量的要求也越来越关注，而目前对农产品维生素C含量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，这些方法都需要将农产品损坏，并且不能进行现场测试分析，测试过程繁琐、不利于消费者直接、快速知道农产品中维生素C含量的情况。
CN101349638A公开了果蔬维生素C含量的光谱快速无损检测方法，它包括以下几个步骤：(1)样品采集：收集果蔬中有代表性的样品，尽量包括今后实际分析中所要求的样品化学性质；(2)建模样品集选择：从有代表性的样品中选择浓度范围较广的样品作为数学建模的样品集；(3)建模样品光谱采集：果蔬表面经简单处理后，每个样品在赤道部位每隔120度采集一次光谱，取三次光谱求平均；(4)参考化学值测定：应用国家标准测定方法对已采集的果蔬样品进行内部品质维生素C含量的测定；(5)数学模型建立：使用化学计量学中的多元校正方法，建立被测果蔬样品中维生素C含量与吸收光谱之间的数学模型；(6)校正模型验证：取已知果蔬维生素C含量的样品，在相同条件下，测定其吸收光谱，根据已建立的校正数学模型计算验证集中果蔬样品的维生素C含量，要求验证误差小于10％；(7)未知样品预测：扫描未知样品光谱后，用已建数学模型及其光谱对果蔬样品维生素C含量进行预测比较。(8)确立校正后的数学模型。(9)对待测样品进行光谱测定。(10)将测得的光谱数据导入确定的数学模型。(11)得到维生素C的含量。该方法步骤(3)中建模样品光谱采集的数据是基于对果蔬表面经简单处理后，在每个样品在赤道部位每隔120度采集一次光谱，最后取三次光谱的平均值。此类方法的检测是基于样品赤道部位的3个点进行数据采集，这样采集的基础数据不齐全，导致数据模型的校正和公式的更新和更换难度大，且最后对农产品的检测数据也不准确。
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农产品中维生素C的方法，该方法包括如下步骤：
A.利用化学检测方法测量同一农产品的n个样品中维生素C含量，得到相应维生素C化学检测数据，其中n≥50；
B.在光谱范围为800-2500nm下，对同一农产品的n个样品进行非破坏性的光谱测量，得到相应维生素C光谱数据，其中n≥50；
C.利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；
D.针对待检农产品在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种；
E.运算服务器根据所需要检测的产品品种匹配数据模型并进行运算，获得所检测农产品的维生素C含量。
所述步骤C数据模型建立的方法，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农产品样品A1，并收集农产品样品A1反射回来的光谱，采用光谱分析设备确定所收集的光谱的波长及吸光度，形成农产品样品A1的光谱数据；
步骤II：对农产品样品A1进行化学分析，分析维生素C含量，形成农产品样品的化学检测数据；
步骤III：将农产品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，对农产品样品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的定量关系；
步骤VI：将上述步骤的定量关系嵌入运算服务器，采集农产品新样品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农产品新样品化学数据，同时将该化学数据输出到显示端和数据库，并在数据库中与农产品新样品AX的光谱数据形成测量数据映射；
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定量关系，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，形成农产品的光谱数据模型。
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，所述农产品为维生素C成分含量差异值在0-50％的同类农产品。所述维生素C成分含量差异值是指各农产品样品中维生素C含量的绝对值与各农产品样品中维生素C含量的平均值的比值的百分数。
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，所述农产品包括叶菜类、水果类、粮食类、块茎类、果菜类。进一步优选的，所述水果类为蜜桔、脐橙、苹果、梨、草莓、猕猴桃。所述果菜类为黄瓜、茄子、西红柿、芋头、土豆、萝卜、丝瓜。
优选的，所述步骤A中化学检测方法采用GB/T6195-1986进行检测。
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。
与现有技术相比，本发明具有如下有益效果：
1、本发明检测时，农产品样品无需预处理，在对农产品进行非破坏性的情况下，能有效进行光谱测量农产品的维生素C含量；
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不同农产品的组成特性，可以根据需要同时测定不同农产品中维生素C含量；
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。
5、本发明方法建立的数据模型所基于的光谱数据是针对农产品大于等于50个样品及样品的各个部位所反射回来的光谱数据，所搜集的光谱数据齐全，光谱数据模型无需校正即能对农产品中维生素C的含量进行准确的测量。同时，本发明中同一数据模型适用于农产品中维生素C成分含量差异值在0-50％内，这样检测结果更准确。
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，以下结合实施例，对本发明进行进一步详细说明，但本发明要求保护的范围并不局限于实施例表达的范围。
实施例1
一种利用光谱法测定山东鲜枣中维生素C的方法，该方法具体如下：
利用GB/T6195-1986化学检测方法测量800个山东鲜枣中维生素C含量，得到相应维生素C化学检测数据；在光谱范围为800-2500nm下，对相应的800个山东鲜枣进行非破坏性的光谱测量，得到相应维生素C光谱数据；利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；其中，建立农产品维生素C检测的数据模型的光谱数据是选取了4个波长范围(分别为2000-2300nm，1300-1400nm，1000-1100nm，900-950nm)的吸光度数值与相应的化学检测数据进行对应，来确定该4个波长吸光度变化与化学检测数据变化的定量关系。
针对25个待检山东鲜枣在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为山东鲜枣；运算服务器根据所需要检测的产品品种山东鲜枣匹配数据模型并进行运算，获得所检测山东鲜枣的维生素C含量。同时，还针对该25个待检山东鲜枣采用GB/T6195-1986进行化学检测，结果发现山东鲜枣中维生素C成分含量差异值为13％，对该25个山东鲜枣使用化学检测和光谱法测定得到的维生素C含量的误差小于0.22mg/100g。
针对25个待检无核蜜枣在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为山东鲜枣；运算服务器根据所需要检测的产品品种山东鲜枣匹配数据模型并进行运算，获得所检测无核蜜枣的维生素C含量。同时，还针对该25个待检无核蜜枣采用GB/T6195-1986进行化学检测，结果发现无核蜜枣与山东鲜枣中的维生素C成分含量差异值为55％(大于50％)，对该25个山东鲜枣使用化学检测和光谱法测定得到的维生素C含量的差异值在54mg/100g左右。说明无核蜜枣与山东鲜枣中的维生素C成分含量超过50％，差异值过大，适用于测量山东鲜枣的数据模型不适用于测量无核蜜枣。
实施例2
一种利用光谱法测定番石榴中维生素C的方法，该方法具体如下：
利用GB/T6195-1986化学检测方法测量100个番石榴中维生素C含量，得到相应维生素C化学检测数据；在光谱范围为800-1800nm下，对相应的100个番石榴进行非破坏性的光谱测量，得到相应维生素C光谱数据；利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；其中，建立农产品维生素C检测的数据模型的光谱数据是选取了2个波长范围(分别为1300-1400nm，1000-1100nm)的吸光度数值与相应的化学检测数据进行对应，来确定该2个波长吸光度变化与化学检测数据变化的定量关系。针对20个待检番石榴在800-1800nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为番石榴；运算服务器根据所需要检测的产品品种番石榴匹配数据模型并进行运算，获得所检测番石榴的维生素C含量。同时，还针对该20个待检番石榴采用GB/T6195-1986进行化学检测，结果发现对该20个番石榴使用化学检测和光谱法测定得到的维生素C含量的误差小于0.24mg/100g。
实施例3
一种利用光谱法测定灯笼椒中维生素C的方法，该方法具体如下：
利用GB/T6195-1986化学检测方法测量30个灯笼椒中维生素C含量，得到相应维生素C化学检测数据；在光谱范围为800-2500nm下，对相应的30个灯笼椒进行非破坏性的光谱测量，得到相应维生素C光谱数据；利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；其中，建立农产品维生素C检测的数据模型的光谱数据是选取了5个波长范围(分别为2000-2300nm，1300-1400nm，1000-1100nm，900-950nm，1100-1200nm)的吸光度数值与相应的化学检测数据进行对应，来确定该5个波长吸光度变化与化学检测数据变化的定量关系。针对30个待检灯笼椒在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为灯笼椒；运算服务器根据所需要检测的产品品种灯笼椒匹配数据模型并进行运算，获得所检测灯笼椒的维生素C含量。同时，还针对该30个待检灯笼椒采用GB/T6195-1986进行化学检测，结果发现对该30个灯笼椒使用化学检测和光谱法测定得到的维生素C含量的误差大于46.58mg/100g，说明基于小于50个样品建立数据模型其测量样品的维生素C含量的误差大。
实施例4
一种利用光谱法测定中华猕猴桃中维生素C的方法，该方法具体如下：
利用2，4-二硝基苯肼法的化学检测方法测量600个中华猕猴桃中维生素C含量，得到相应维生素C化学检测数据；在光谱范围为800-1500nm下，对相应的600个中华猕猴桃进行非破坏性的光谱测量，得到相应维生素C光谱数据；利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；其中，建立农产品维生素C检测的数据模型的光谱数据是选取了2个波长范围(分别为1000-1100nm，900-950nm)的吸光度数值与相应的化学检测数据进行对应，来确定该2个波长吸光度变化与化学检测数据变化的定量关系。
针对15个待检中华猕猴桃在800-1500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为中华猕猴桃；运算服务器根据所需要检测的产品品种中华猕猴桃匹配数据模型并进行运算，获得所检测中华猕猴桃的维生素C含量。
同时，还针对该15个待检中华猕猴桃采用2，4-二硝基苯肼法进行化学检测，结果发现对该15个中华猕猴桃使用化学检测和光谱法测定得到的维生素C含量的误差小于0.21mg/100g。
但用GB/T6195-1986该15个待检中华猕猴桃进行化学检测，结果发现对该15个中华猕猴桃使用GB/T6195-1986化学检测和上述光谱法测定得到的维生素C含量的误差大于30.46mg/100g。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (8)
1.一种利用光谱法测定农产品中维生素C的方法，该方法包括如下步骤：
A.利用化学检测方法测量同一农产品的n个样品中维生素C含量，得到相应维生素C化学检测数据，其中n≥50；
B.在光谱范围为800-2500nm下，对同一农产品的n个样品进行非破坏性的光谱测量，得到相应维生素C光谱数据，其中n≥50；
C.利用光谱数据和化学检测数据建立农产品维生素C检测的数据模型，数据模型嵌入数据运算服务器；
D.针对待检农产品在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种；
E.运算服务器根据所需要检测的产品品种匹配数据模型并进行运算，获得所检测农产品的维生素C含量。
2.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。
3.根据权利要求1或2所述的方法，其特征在于，所述农产品为维生素C成分含量差异值在0-50％的同类农产品。
4.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。
5.根据权利要求1所述的方法，其特征在于，所述步骤C数据模型建立的方法包括如下步骤：
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农产品样品A1，并收集农产品样品A1反射回来的光谱，采用光谱分析设备确定所收集的光谱的波长及吸光度，形成农产品样品A1的光谱数据；
步骤II：对农产品样品A1进行化学分析，分析维生素C含量，形成农产品样品的化学检测数据；
步骤III：将农产品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，对农产品样品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的定量关系；
步骤VI：将上述步骤的定量关系嵌入运算服务器，采集农产品新样品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农产品新样品化学数据，同时将该化学数据输出到显示端和数据库，并在数据库中与农产品新样品AX的光谱数据形成测量数据映射；
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定量关系，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，形成农产品的光谱数据模型。
6.根据权利要求5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。
7.根据权利要求1所述的方法，其特征在于，农产品包括叶菜类、水果类、粮食类、块茎类、果菜类。
8.根据权利要求1所述的方法，其特征在于，所述步骤A中化学检测方法采用GB/T6195-1986进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511031058.3A CN105628648A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定农产品中维生素c的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201511031058.3A CN105628648A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定农产品中维生素c的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105628648A true CN105628648A (zh) | 2016-06-01 |
Family
ID=56043786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201511031058.3A Pending CN105628648A (zh) | 2015-12-31 | 2015-12-31 | 一种利用光谱法测定农产品中维生素c的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105628648A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110785661A (zh) * | 2017-04-21 | 2020-02-11 | 英索特有限公司 | 用于检测含油果实、种子和坚果中的酸败的方法 |
| CN111198168A (zh) * | 2020-03-06 | 2020-05-26 | 益海嘉里（兖州）粮油工业有限公司 | 一种快速预测面粉样品中维生素c的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2903976Y (zh) * | 2006-05-09 | 2007-05-23 | 江西农业大学 | 便携式水果营养成分快速测定装置 |
| 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 |
| CN104390933A (zh) * | 2014-11-25 | 2015-03-04 | 广西壮族自治区梧州食品药品检验所 | 一种基于近红外技术的食品药品快检方法 |
-
2015
- 2015-12-31 CN CN201511031058.3A patent/CN105628648A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2903976Y (zh) * | 2006-05-09 | 2007-05-23 | 江西农业大学 | 便携式水果营养成分快速测定装置 |
| 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 |
| CN104390933A (zh) * | 2014-11-25 | 2015-03-04 | 广西壮族自治区梧州食品药品检验所 | 一种基于近红外技术的食品药品快检方法 |
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 * |
| 覃方丽 等: "鲜辣椒中糖份和维生素C含量的近红外光谱非破坏性测定", 《分析试验室》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110785661A (zh) * | 2017-04-21 | 2020-02-11 | 英索特有限公司 | 用于检测含油果实、种子和坚果中的酸败的方法 |
| CN111198168A (zh) * | 2020-03-06 | 2020-05-26 | 益海嘉里（兖州）粮油工业有限公司 | 一种快速预测面粉样品中维生素c的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103134767B (zh) | 一种红外光谱校正鉴定白酒品质的方法 | |
| CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
| CN101936895B (zh) | 一种稻米贮藏时间近红外光谱分析快速检测方法 | |
| CN106525759B (zh) | 一种基于衰减全反射太赫兹介电谱鉴别蜂蜜品种的方法 | |
| CN103575689B (zh) | 近红外光谱和可见光分析仪快速检测稻米中直链淀粉含量的方法 | |
| CN102818777A (zh) | 一种基于光谱和颜色测量的水果成熟度评价方法 | |
| CN104596957A (zh) | 基于可见光近红外光谱技术的土壤铜含量估算方法 | |
| CN103412004B (zh) | 一种甜橙储存时间的检测方法 | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| Kutsanedzie et al. | Near infrared chemo-responsive dye intermediaries spectra-based in-situ quantification of volatile organic compounds | |
| CN103868880A (zh) | 基于光谱双峰指数的小麦叶片氮含量监测方法及其监测模型的构建方法 | |
| CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
| 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 | |
| CN105527236A (zh) | 一种利用光谱法测定农产品主要营养成分的方法 | |
| CN109738380A (zh) | 一种土壤盐渍化程度的高光谱遥感判断方法 | |
| CN106841066A (zh) | 一种用于光谱法cod检测中的局部校准方法 | |
| CN101968443A (zh) | 反射式近红外植物叶片含水量的无损检测装置及方法 | |
| CN105628648A (zh) | 一种利用光谱法测定农产品中维生素c的方法 | |
| CN101949825A (zh) | 光开放环境下的叶片水分近红外无损检测装置及方法 | |
| CN206788033U (zh) | 一种近红外光谱检测水果内部品质的专用检测系统 | |
| CN105092526A (zh) | 一种基于近红外光谱技术的二元掺伪芝麻油含量的快速测定方法 | |
| CN105675548A (zh) | 一种利用光谱法测定水稻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 | |
| CN105158178A (zh) | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 | |
| CN105486650A (zh) | 一种利用光谱法测定马铃薯主要营养成分的方法 |
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: 20160601 |