CN105738311A - 一种基于近红外光谱技术的苹果甜度无损快速检测方法 - Google Patents
一种基于近红外光谱技术的苹果甜度无损快速检测方法 Download PDFInfo
- Publication number
- CN105738311A CN105738311A CN201510860134.5A CN201510860134A CN105738311A CN 105738311 A CN105738311 A CN 105738311A CN 201510860134 A CN201510860134 A CN 201510860134A CN 105738311 A CN105738311 A CN 105738311A
- Authority
- CN
- China
- Prior art keywords
- sample
- mali pumilae
- fructus mali
- near infrared
- infrared spectrum
- 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
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 12
- 235000010724 Wisteria floribunda Nutrition 0.000 claims abstract description 7
- 239000000470 constituent Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 239000000706 filtrate Substances 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000007430 reference method Methods 0.000 claims description 3
- 238000000985 reflectance spectrum Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 241000220225 Malus Species 0.000 abstract 3
- 235000021016 apples Nutrition 0.000 abstract 1
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000003814 drug Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 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
- 238000001035 drying Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- 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
Abstract
本发明公开了一种基于近红外光谱技术的苹果甜度无损快速检测方法,包括以下步骤:步骤一:选取一批完好无损的红富士苹果作为样本;步骤二:采用自主研发的便携式近红外光谱仪以苹果赤道部位东、西、南、北四个面分别进行光谱采集。与现有技术相比,本发明存在以下有益效果:(1)采用全波段信息进行建模,极大的提高了模型精度,使误差率更低;(2)采用全交互效验方法来确定最优主因子数进行建模确定最优主因子数,一方面,避免“欠拟合或过拟合”未充分利用信息或引入太多的噪声,另一方面,应用最优主因子数建模并进行未知样品预测时,所得到的预测误差最小。
Description
技术领域
本发明属于近红外光谱快速检测技术领域,具体涉及一种基于近红外光谱技术的苹果甜度无损快速检测方法。
背景技术
近红外光谱技术是近几年发展起来的一种快速检测技术。由于近红外光谱区的信息含量较丰富,且近红外技术本身具有无污染、无前处理、无破坏性、在线检测及多组分同时测定等优点,因此被广泛应用在食品、医药、化工、石油等产品的加工过程中的成分分析、品质检测以及在线品质监测与控制。例如:1)采用近红外光谱监控加工过程中液体奶制品在进入蒸发系统时脂肪和水分的损失,进行现场调控,优化干燥过程,提高效率。2)药物制备过程进行全面监控,不但有利于随时监测每一步加工过程中各个化学组分的含量和性质,还可以监测药品加工过程中可能引入的各种污染物。目前水果检测一般采用大型近红外光谱仪进行抽样检测,主要检测水果酸度、甜度等性质的含量大小。但由于体积较大、价格昂贵且精度较低,造成使用率低下等问题。如某公司开发的近红外水果检测仪由于造价问题很难打入市场,且体积问题造成运用场景存在局限性。经过测试发现误差较大,只具有参考价值。故在近红外水果检测领域尚有技术瓶颈。
目前市场上没有便携式近红外苹果检测市场化产品。调查结果表明由于模型精度较差,造成检测结果误差较大,且设备成本昂贵。因此在我国,近红外光谱技术的运用领域除科研机构外,并未在行业及企业中广泛使用。针对目前行业运用情况,大部分科研设备是基于傅里叶变换,傅立叶变换是一种分析信号的方法,它可分析信号的成分,也可用这些成分合成信号。这造成模型迁移存在巨大瓶颈。换言之模型与设备绑定,造成建模成本的增加及人工成本的浪费。已有的相关论文及专利在具体行业运用中实现较困难,更倾向于学术方面。故具体方法与模型情况对于运用行业很重要。
发明内容
本发明的目的在于克服现有技术的缺陷,提供一种基于近红外光谱技术的苹果甜度无损快速检测方法,通过1)选择样品;2)性质数据设计;3)近红外光谱数据设计;4)数据预处理;5)校正模型以得到高精度模型,建立全新、完善、高效的苹果内部品质分级技术。
为了实现上述目的,本发明的技术方案如下:
一种基于近红外光谱技术的苹果甜度无损快速检测方法,包括以下步骤:
步骤一:选取一批完好无损的红富士苹果作为样本;
步骤二:采用自主研发的便携式近红外光谱仪以苹果赤道部位东、西、南、北四个面分别进行光谱采集,设备由:光源、分光系统、样品池、探测器组成;
步骤三:用榨汁机获取所述红富士苹果样本的浆液,将所述浆液过滤后的滤液待用,然后用吸管吸取2ml所述滤液置于折光仪检测窗口,然后启动折光仪检测程序对滤液进行检测,将得到的苹果近红外光谱结果记录入表达;
步骤四:通过主成分分析方法对采集的800条苹果近红外光谱进行分析,剔除存在异常或者相似的样品,使样品在主成分空间内分布均匀,得到剔除前苹果样品漫反射光谱在第一、第二主成分的PCA投影图和剔除后样品光谱的PCA投影图,所述折光仪可直接读取SPC、JDX和XLS格式;
步骤五:以759个苹果近红外光谱作为光谱集建立模型,挑选其中708个苹果近红外光谱作为校正样品集,其余51个苹果近红外光谱作为验证样品集;
步骤六:应用偏最小二乘算法与参考方法测定的基础性质数据采用全波段信息进行关联建模;通过预测均方根误差、主因子数、决定系数、全交互验证均方根误差等指标作为参考,最终选定,MSC+2nd+S-G(11,3)为预处理最佳条件;采用全交互效验方法来确定最优主因子数进行建模,以全交互效验均方残差达到最小时的主因子数为最优主因子数;
步骤七:通过马氏距离、杠杆值、学生化残差等指标综合判断,逐步优化模型,使模型达到最优状态;
步骤八:任意取51个苹果近红外光谱作为独立校验集,不参与建模,比较其测定结果与基础数据的差异。
与现有技术相比,本发明存在以下有益效果:(1)采用全波段信息进行建模,极大的提高了模型精度,使误差率更低;(2)采用全交互效验方法来确定最优主因子数进行建模确定最优主因子数,一方面,避免“欠拟合或过拟合”未充分利用信息或引入太多的噪声,另一方面,应用最优主因子数建模并进行未知样品预测时,所得到的预测误差最小;(3)通过比较其测定结果与基础数据的差异,真实误差在±0.5%。
附图说明
图1是本发明提供的剔除前800个光谱的PCA投影图。
图2是本发明提供的剔除后759个光谱的PCA投影图。
图3是本发明提供的甜度模型化学测定值与模型预测值的散点图。
图4是本发明提供的甜度模型化学测定值与残差的分布图。
具体实施方式
下面结合实施例对本发明做进一步详细说明。
步骤一:选取一批完好无损的红富士苹果作为样本;
步骤二:采用自主研发的便携式近红外光谱仪以苹果赤道部位东、西、南、北四个面分别进行光谱采集,设备由:光源、分光系统、样品池、探测器组成;
步骤三:用榨汁机获取所述红富士苹果样本的浆液,将所述浆液过滤后的滤液待用,然后用吸管吸取2ml所述滤液置于折光仪检测窗口,然后启动折光仪检测程序对滤液进行检测,将得到的苹果近红外光谱结果记录入表达;
步骤四:通过主成分分析方法对采集的800条苹果近红外光谱进行分析,剔除存在异常或者相似的样品,使样品在主成分空间内分布均匀,得到剔除前苹果样品漫反射光谱在第一、第二主成分的PCA投影图和剔除后样品光谱的PCA投影图,所述折光仪可直接读取SPC、JDX和XLS格式;
步骤五:以759个苹果近红外光谱作为光谱集建立模型,挑选其中708个苹果近红外光谱作为校正样品集,其余51个苹果近红外光谱作为验证样品集;
步骤六:应用偏最小二乘算法与参考方法测定的基础性质数据采用全波段信息进行关联建模;通过预测均方根误差、主因子数、决定系数、全交互验证均方根误差等指标作为参考,最终选定,MSC+2nd+S-G(11,3)为预处理最佳条件;采用全交互效验方法来确定最优主因子数进行建模,以全交互效验均方残差达到最小时的主因子数为最优主因子数;
步骤七:通过马氏距离、杠杆值、学生化残差等指标综合判断,逐步优化模型,使模型达到最优状态;
所建立的相关指标近红外校正模型的有关数理指标
步骤八:任意取51个苹果近红外光谱作为独立校验集,不参与建模,比较其测定结果与基础数据的差异。
验证结果表
Claims (1)
1.一种基于近红外光谱技术的苹果甜度无损快速检测方法,其特征在于:包括以下步骤:
步骤一:选取一批完好无损的红富士苹果作为样本;
步骤二:采用自主研发的便携式近红外光谱仪以苹果赤道部位东、西、南、北四个面分别进行光谱采集,设备由:光源、分光系统、样品池、探测器组成;
步骤三:用榨汁机获取所述红富士苹果样本的浆液,将所述浆液过滤后的滤液待用,然后用吸管吸取2ml所述滤液置于折光仪检测窗口,然后启动折光仪检测程序对滤液进行检测,将得到的苹果近红外光谱结果记录入表达;
步骤四:通过主成分分析方法对采集的800条苹果近红外光谱进行分析,剔除存在异常或者相似的样品,使样品在主成分空间内分布均匀,得到剔除前苹果样品漫反射光谱在第一、第二主成分的PCA投影图和剔除后样品光谱的PCA投影图,所述折光仪可直接读取SPC、JDX和XLS格式;
步骤五:以759个苹果近红外光谱作为光谱集建立模型,挑选其中708个苹果近红外光谱作为校正样品集,其余51个苹果近红外光谱作为验证样品集;
步骤六:应用偏最小二乘算法与参考方法测定的基础性质数据采用全波段信息进行关联建模;通过预测均方根误差、主因子数、决定系数、全交互验证均方根误差等指标作为参考,最终选定,MSC+2nd+S-G(11,3)为预处理最佳条件;采用全交互效验方法来确定最优主因子数进行建模,以全交互效验均方残差达到最小时的主因子数为最优主因子数;
步骤七:通过马氏距离、杠杆值、学生化残差等指标综合判断,逐步优化模型,使模型达到最优状态;
步骤八:任意取51个苹果近红外光谱作为独立校验集,不参与建模,比较其测定结果与基础数据的差异。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860134.5A CN105738311A (zh) | 2015-12-01 | 2015-12-01 | 一种基于近红外光谱技术的苹果甜度无损快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510860134.5A CN105738311A (zh) | 2015-12-01 | 2015-12-01 | 一种基于近红外光谱技术的苹果甜度无损快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105738311A true CN105738311A (zh) | 2016-07-06 |
Family
ID=56296241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510860134.5A Pending CN105738311A (zh) | 2015-12-01 | 2015-12-01 | 一种基于近红外光谱技术的苹果甜度无损快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105738311A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108065910A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的阴虚体质评估方法及评估系统 |
CN108065911A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的湿热体质评估方法及评估系统 |
CN108226090A (zh) * | 2016-12-15 | 2018-06-29 | 中国农业机械化科学研究院 | 一种成分含量检测模型构建的方法 |
CN108760655A (zh) * | 2018-04-28 | 2018-11-06 | 东北电力大学 | 一种苹果味觉图谱信息可视化方法 |
CN108827910A (zh) * | 2018-06-13 | 2018-11-16 | 深圳市华慧品牌管理有限公司 | 果实安全加工时间预测模型的建立方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
CN105044021A (zh) * | 2015-07-08 | 2015-11-11 | 湖南环境生物职业技术学院 | 一种中秋酥脆枣糖度无损检测方法 |
-
2015
- 2015-12-01 CN CN201510860134.5A patent/CN105738311A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
CN105044021A (zh) * | 2015-07-08 | 2015-11-11 | 湖南环境生物职业技术学院 | 一种中秋酥脆枣糖度无损检测方法 |
Non-Patent Citations (2)
Title |
---|
史波林等: "苹果内部品质近红外光谱检测的异常样本分析", 《农业机械学报》 * |
樊景超: "苹果果实病害近红外光谱信息获取与识别模型研究", 《万方学位论文》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108065910A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的阴虚体质评估方法及评估系统 |
CN108065911A (zh) * | 2016-11-10 | 2018-05-25 | 北京工商大学 | 基于皮肤测量的湿热体质评估方法及评估系统 |
CN108226090A (zh) * | 2016-12-15 | 2018-06-29 | 中国农业机械化科学研究院 | 一种成分含量检测模型构建的方法 |
CN108226090B (zh) * | 2016-12-15 | 2020-02-07 | 中国农业机械化科学研究院 | 一种成分含量检测模型构建的方法 |
CN108760655A (zh) * | 2018-04-28 | 2018-11-06 | 东北电力大学 | 一种苹果味觉图谱信息可视化方法 |
CN108760655B (zh) * | 2018-04-28 | 2021-03-30 | 东北电力大学 | 一种苹果味觉图谱信息可视化方法 |
CN108827910A (zh) * | 2018-06-13 | 2018-11-16 | 深圳市华慧品牌管理有限公司 | 果实安全加工时间预测模型的建立方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105738311A (zh) | 一种基于近红外光谱技术的苹果甜度无损快速检测方法 | |
CN101936895B (zh) | 一种稻米贮藏时间近红外光谱分析快速检测方法 | |
CN104062258B (zh) | 一种采用近红外光谱快速测定复方阿胶浆中可溶性固形物的方法 | |
CN105548062B (zh) | 生鲜牛肉多指标的快速无损同步检测方法 | |
CN102636450A (zh) | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 | |
CN105203498A (zh) | 一种基于lasso的近红外光谱变量选择方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN103645155A (zh) | 生鲜羊肉嫩度的快速无损检测方法 | |
CN105548070A (zh) | 一种苹果可溶性固形物近红外检测部位补偿方法及系统 | |
CN109324013A (zh) | 一种利用高斯过程回归模型构建原油性质近红外快速分析的方法 | |
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 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
CN102937575B (zh) | 一种基于二次光谱重组的西瓜糖度快速建模方法 | |
CN111257277A (zh) | 一种基于近红外光谱技术的烟叶相似度判定方法 | |
CN101349638A (zh) | 果蔬维生素c含量的光谱快速无损检测方法 | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN110376154A (zh) | 基于光谱校正的水果在线检测方法及系统 | |
CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
CN104181125A (zh) | 快速测定啤酒麦芽中库尔巴哈值的方法 | |
CN104502307A (zh) | 一种快速检测长牡蛎糖原和蛋白质含量的方法 | |
CN115236024A (zh) | 测定酒总酸和总酯含量模型的训练方法、测定方法及装置 | |
CN104297205A (zh) | 一种快速、无损的食用油鉴别方法 | |
CN105466878A (zh) | 一种利用红外光谱测定番茄酱中番茄红素的方法 | |
CN113887563A (zh) | 一种拉曼光谱结合pls-da快速筛查生鲜乳中多种掺假物质的方法 |
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 |
Application publication date: 20160706 |
|
RJ01 | Rejection of invention patent application after publication |