CN105891149B - 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 - Google Patents
基于频域近红外光谱检测技术的果蔬品质分析方法及系统 Download PDFInfo
- Publication number
- CN105891149B CN105891149B CN201610217565.4A CN201610217565A CN105891149B CN 105891149 B CN105891149 B CN 105891149B CN 201610217565 A CN201610217565 A CN 201610217565A CN 105891149 B CN105891149 B CN 105891149B
- Authority
- CN
- China
- Prior art keywords
- fruits
- vegetables
- measured
- light
- emergent light
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 25
- 235000012055 fruits and vegetables Nutrition 0.000 claims abstract description 90
- 238000010521 absorption reaction Methods 0.000 claims abstract description 59
- 230000003287 optical effect Effects 0.000 claims description 45
- 238000009792 diffusion process Methods 0.000 claims description 13
- 230000000644 propagated effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000000149 penetrating effect Effects 0.000 claims 1
- 230000003902 lesion Effects 0.000 abstract description 29
- 235000013399 edible fruits Nutrition 0.000 abstract description 27
- 238000000034 method Methods 0.000 abstract description 25
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000011897 real-time detection Methods 0.000 abstract description 4
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 235000013336 milk Nutrition 0.000 description 6
- 239000008267 milk Substances 0.000 description 6
- 210000004080 milk Anatomy 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 235000013311 vegetables Nutrition 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 239000011324 bead Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 239000004411 aluminium Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000023077 detection of light stimulus Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
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
本发明涉及一种基于频域近红外光谱检测技术的果蔬品质分析方法及系统。该方法包括:以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬;检测从所述待测果蔬表面射出的出射光的光强和相位;根据所述出射光的光强和相位计算得到待测果蔬的各个部位的吸收系数和散射系数;根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质。本发明提供的果蔬品质分析方法及系统,检测速度快,能够实现实时检测,可有效计算吸收系数和散射系数,实现果蔬内部吸收系数和散射系数的三维重构,并通过分析吸收系数和散射系数定位出水果内部病变的位置,达到可视化的效果,适用于果蔬的品质分析和分类。
Description
技术领域
本发明涉及果蔬检测技术领域,尤其涉及一种基于频域近红外光谱检测技术的果蔬品质分析方法及系统。
背景技术
果蔬是人们日常饮食生活中不可缺少的一部分,随着生活质量的日渐提高,人们在选购果蔬时越来越关注果蔬的内部品质,如果蔬的糖度、酸度以及病变等。而果蔬在成熟、贮藏以及输运期间,由于品种以及环境等问题,易发生病变。果蔬(如梨、苹果等)的病变一般分为水心病,浅层或内部褐变等。这些病变一般表现为果蔬浅层或果心区果肉从内向外腐烂,轻病果的外表不易辨识,必须剖开后才见到病变,这给生产厂家和消费者对果蔬的筛选都带来了一定的困难。
为了实现果蔬内部品质的检测,可运用无损检测方法分析果蔬品质,主要有近红外技术结合化学计量学方法、连续波检测方法。
近红外技术结合化学计量学的方法是一种间接分析方法,该方法存在以下问题:(1)建立模型时需事先收集大批数量的代表性样品,并用理化分析的方法测定这些样品的品质指标作为建模的基础数据,以此模型进行未知样品的分析。因此在应用模型时总会遇到模型的适应性、稳定性等问题;(2)用漫反射方式进行果蔬样品的光谱采集时,通常采用单点检测,因而不能全面反映果蔬的品质,也无法表征出果蔬的病变位置及程度,这给果蔬的分类带来一定困难。
连续波检测方法,也称为稳态空间分辨光谱检测方法,通过检测连续光强度的变化,推导出生物组织的吸收系数和散射系数。由于生物组织的吸收(吸收系数决定)和散射(散射系数决定)都会造成光强的衰减,而现有的针对连续波光强的衰减而计算吸收系数和散射系数的方法一般为漫射方程(DE)、蒙特卡罗模拟(MC),不能准确的分离吸收系数和散射系数,导致在生物组织光学参数成像时,对组织病变等的定位不够准确,不能准确的分离出吸收系数和散射系数。
发明内容
本发明所要解决的技术问题是:现有的果蔬品质分析方法建模时存在适应性及稳定性问题(近红外结合化学计量学方法),不能准确分离吸收系数和散射系数,对病变位置定位不准确的问题(连续波检测方法)。
为解决上述技术问题,本发明一方面提出了一种基于频域近红外光谱检测技术的果蔬品质分析方法,该果蔬品质分析方法包括:
以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬;
检测从所述待测果蔬表面射出的出射光的光强和相位;
根据所述出射光的光强和相位计算出待测果蔬的各个部位的吸收系数和散射系数;
根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质。
可选地,在所述以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬之前,还包括:
在所述待测果蔬上设置多个激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置。
可选地,在所述以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬之前,还包括:
所述激光产生器产生经过调制的高频正弦波激光信号。
可选地,所述根据所述出射光的光强和相位获取待测果蔬的各个部位的吸收系数和散射系数包括:
建立待测果蔬模型,并标出实际激光产生器和光电检测器的分布位置;
将所述待测果蔬剖分为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,当迭代结果不满足迭代终止条件时,更新预设光学参数,重新进行迭代计算,当满足迭代终止条件时,最终获取待测果蔬的各个部位的吸收系数和散射系数;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
可选地,所述根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位包括:
根据公式(一)获取理论出射光的光强:
根据公式(二)获取理论出射光的相位:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,v是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
本发明另一方面提出了一种基于频域近红外光谱检测技术的果蔬品质分析系统,该果蔬品质分析系统包括:
激光入射单元,用于以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬;
出射光检测单元,用于检测从所述待测果蔬表面射出的出射光的光强和相位;
光学参数获取单元,用于根据所述出射光的光强和相位计算出待测果蔬的各个部位的吸收系数和散射系数;
品质分析单元,用于根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质。
可选地,该系统还包括:
分布位置获取单元,用于在所述待测果蔬上设置多个激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置。
可选地,该系统还包括:
激光产生单元,用于产生经过调制的高频正弦波激光信号。
可选地,所述光学参数获取单元包括:
光子流量率获取模块,用于将所述待测果蔬剖分为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
理论出射光参数获取模块,用于根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
光学参数获取模块,用于对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,获取待测果蔬的各个部位的吸收系数和散射系数;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
可选地,所述理论出射光的光子流获取模块,进一步用于根据公式(一)获取理论出射光的光强:
根据公式(二)获取理论出射光的相位:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,v是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
本发明提供的基于频域近红外光谱检测技术的果蔬品质分析方法及系统,检测速度快,能够实现实时检测,可有效计算吸收系数和散射系数,实现果蔬内部吸收系数和散射系数的三维重构,并通过分析吸收系数和散射系数定位出水果内部病变的位置,达到可视化的效果。本发明提供的果蔬品质分析方法对果蔬内部病变定位准确方便,适用于果蔬的品质分析和分类。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析方法的流程示意图;
图2示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析方法的原理图;
图3示出了本发明一个实施例的激光产生器和激光检测器的分布位置示意图;
图4a示出了本发明一个实施例的待测的病变苹果的示意图;
图4b示出了本发明一个实施例的对待测的病变苹果的二维仿真图;
图5示出了验证本发明基于频域近红外光谱检测技术的果蔬品质分析方法准确性的实验装置结构示意图;
图6示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析系统的结构示意图。
具体实施方式
下面将结合附图对本发明的实施例进行详细描述。
图1示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析方法的流程示意图。如图1所示,该实施例的果蔬品质分析方法,包括:
S11:以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬;
S12:检测从所述待测果蔬表面射出的出射光的光强和相位;
S13:根据所述出射光的光强和相位计算得到待测果蔬的各个部位的吸收系数和散射系数;
S14:根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质。
本实施例的基于频域近红外光谱检测技术的果蔬品质分析方法,检测速度快,能够实现实时检测,可有效计算吸收系数和散射系数,实现果蔬内部吸收系数和散射系数的三维重构,并通过分析吸收系数和散射系数定位出水果内部病变的位置,达到可视化的效果。
图2示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析方法的原理图,如图2所示,本发明实施例应用频域近红外检测方法结合光学成像技术,对表征果蔬内部品质的组织参数以及果蔬内部是否有病变进检测行分析。主要包括检测出射光的光强和相位信息以及分析光强和相位之间的关系,应用光子在生物组织中传输的漫射方程计算果蔬的光学特性参数,并利用有限元和迭代算法,实现表征水果内部品质的光学特性参数的三维重构成像。
具体来说,当光子入射到待测组织如水果等,将经历吸收、散射等过程。吸收的强弱常用吸收系数表示,散射的强弱用散射系数表示,单位都是mm-1或cm-1。一般生物组织属于强散射弱吸收介质,其散射系数远大于吸收系数。当生物组织发生病变时,其吸收系数和散射系数相应会发生变化,此时便可以通过检测计算吸收系数和散射系数,判断水果的病变程度并定位病变位置。针对传统的近红外光谱法进行水果内部品质参数分析需要事先建立模型这一问题,本实施例依据近红外光在组织中的漫射传输理论,用频域近红外光谱法,利用一定的设备,检测出出射光的光强和相位,后续可以直接求出表征苹果内部品质的光学特性参数:不同部位对光的吸收系数和散射系数。光强和相位的检测采用频域近红外检测方法,以高频(通常为数百兆赫兹)正弦波信号对系统激光光源的光强进行调制,在介质中形成漫射光子密度波进行传播。在距离光源一定距离处,检测经过生物组织的出射光的光强变化和相位变化。其中AC为检测到的光强的交流幅度,DC为平均光强值,PH为相位延迟。一般出射光的频率不变,但是由于组织的吸收和散射作用,信号的光强会发生衰减,相位会产生微小的延迟。通过检测信号的光强值(由于信号的直流部分容易受到外界光线的干扰,且信噪比低,故利用信号的交流幅度AC)和相位延迟,便可求出待测组织的光学参数。
进一步地,在所述以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬之前,还包括:
在所述待测果蔬上设置多个一定波长的激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置。
图3示出了本发明一个实施例的激光产生器和激光检测器的分布位置示意图,如图3所示,本实施例针对苹果设计了多光源多检测器的设备,对经过水果的出射光进行检测,多光源多检测器不仅实现了水果的多面覆盖的检测,而且对于内部品质的三维重构提供了基础。
在所述以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬之前,还包括:
所述激光产生器产生经过调制的高频正弦波激光信号。
本发明实施例利用频域近红外光谱检测方法结合光学成像技术,通过检测多组经过110MHz高频调制后的波长为830nm的激光出射光信号的光强和相位延迟信息,反推出果蔬的吸收系数和散射系数,判断出果蔬是否发生病变,同时结合光强与相位延迟的关系,在不损伤果蔬的前提下,应用光学成像技术定位出果蔬的病变位置。该方法定位准确,且能达到快速检测的效果,方便果蔬的品质分析及分类。
进一步地,所述根据所述出射光的光强和相位计算得到待测果蔬的各个部位的吸收系数和散射系数包括:
建立待测果蔬的空间模型,并标出实际激光产生器和光电检测器的分布位置;
将所述待测果蔬剖分为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,获取待测果蔬的各个部位的吸收系数和散射系数;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
图4a示出了本发明一个实施例的待测的病变苹果的示意图。霉心病变的苹果,其周围正常部位和内部发生病变的位置的光学参数不同。本发明实施例应用有限元的方法,首先建立水果的空间模型,并标出激光产生器和检测器的分布位置;然后将水果这样的连续系统按一定的形状和比例剖分成离散系统,由于需要对水果进行三维成像,故用正四面体对模型进行剖分,每一个四面体区域内的组织看为均匀介质,则剖分的四面体数目越多时,四面体的体积越小,参数计算以及重构便更精确。由于实验仅能获取入射光的光源以及出射光的光强和相位值,且直接求解光学参数分布并不容易,则本发明实施例用迭代算法,先根据漫射光子传输模型,求出每个剖分的四面体节点处的光子流量率,并假设水果预设光学参数分布情况,求出在此参数分布下,理论上出射光的光强和相位值。再将光强和相位的理论值与实际检测值进行最小二乘迭代,当它们的差值不满足迭代终止条件时,更新预设光学参数,再重新进行计算;当它们的差值满足迭代终止条件时,则得到最终的光学参数分布。此时的光学参数分布图便可反映水果的内部是否发生病变等。
图4b示出了本发明一个实施例的对待测的病变苹果的二维仿真图,利用开源软件对病变水果进行仿真得到的二维图谱。
本发明实施例采用频域近红外检测技术,使用高频调制光入射生物组织,漫射光子在生物组织内部形成漫射光子密度波,该光子密度波经过生物组织后,其出射光与入射光具有相同的调制频率、不同的调制度和相位,通过检测得到的光强和相位信息,即可反演出组织的吸收系数和散射系数,并且通过多光源多检测器的设置以及三维重构方法,可定位出病变的位置。相比于近红外技术结合化学计量学方法,频域近红外检测技术不需要事先收集大量的样品进行建模,数据量较小,检测更加方便,且多点检测技术又能够全面反映果蔬的内部结构及品质;相比于连续波检测技术,频域近红外检测技术既可获得光强信息,又可获得相位延迟信息,使得定位更加准确。与传统的果蔬内部品质因数检测方法相比,应用光学特性参数检测方法速度快,能够达到实时检测,且能够实现果蔬内部结构的可视化。
具体地,所述根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位包括:
根据公式(一)获取理论出射光的光强:
根据公式(二)获取理论出射光的相位:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,ν是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
需要说明的是,光子在生物组织中的传输遵循漫射传输理论,且光源和检测器的距离d不同时,其检测到的光子的强度和相位值也不同。一般在均匀介质中,光子的光强和相位与距离d存在上述关系。
简化原方程即:ln[d·AC]=slopeAC·d+bAC,PH=slopePH·d+bPH,其中,代表公式(一)中的斜率,代表公式(一)中的截距;代表公式(二)中斜率,bPH=PH0,代表公式中(二)的截距。从上式可以看出距离d与ln[d·AC]和PH均呈线性关系,ln[d·AC]随着d的增加逐渐减小,PH随着d的增加逐渐增大。此时可得吸收系数和散射系数的求解表达式为:本发明实施例采用具有多光源多检测器的系统发射一定波长的调制激光信号,同时检测出射光的光强和相位,并根据公式中光学参数和斜率的关系,采用多间距非线性拟合,便可求出均匀介质的光学参数。
图5示出了验证本发明果蔬品质分析方法准确性的实验装置结构示意图。
由于一般水果的形状并不规则,利用有限元建立三维立体模型稍复杂,且牛奶和水果均属于强散射性介质,因此初期实验我们采用牛奶代替病变水果进行实验及验证。实验中频域光学检测系统使用的是多通道多检测器的频域近红外光谱仪,使用改进的开源软件进行数据整理及三维重构。
(1)实验装置搭建:实验装置如图5所示,玻璃水槽1中装有一定体积的牛奶,为防止外界杂散光对实验的影响,玻璃槽的外面用黑色铝板2罩住,顶侧铝板用四根支架固定一块用来固定激光产生器和检测器的黑色平板3。黑色平板3上激光产生器和检测器按照一定的规律排列,且黑色平板3需要与牛奶液面平齐。实验用具有一定吸收系数和散射系数的异质体小球4模仿发生病变的组织,该小球由细铁丝连接并固定在支撑杆5上,支撑杆5固定在滑台上,步进电机6通过导轨控制滑台上下移动,从而控制支撑杆5上下移动。
(2)实验步骤:首先把球形的异质体固定在金属杆上,实验前小球置于牛奶液面以下一定距离处。控制实验装置让小球上下移动,每移动一次,记录当前的光强(AC)和相位(PH)的值。实验采集到的AC以及PH信号数据存储到文件里,经过均值预处理后,用改进的开源软件重构出牛奶内部的三维图谱并求出相应的光学参数。
图像重构中,采用的异质体是直径已知的具有一定吸收系数和散射系数的小球。将已知的吸收系数和散射系数与求得的光学参数进行对比,可知该实施例的果蔬品质分析方法较为准确地通过分析吸收系数和散射系数定位出水果内部病变的位置,达到可视化的效果。
图6示出了本发明一个实施例的基于频域近红外光谱检测技术的果蔬品质分析系统的结构示意图。如图6所示,该实施例的基于频域近红外光谱检测技术的果蔬品质分析系统,包括:
激光入射单元61,用于以经过调制的可见近红外波段的高频正弦波激光信号照射待测果蔬;
出射光检测单元62,用于检测从所述待测果蔬表面射出的出射光的光强和相位;
光学参数获取单元63,用于根据所述出射光的光强和相位计算出待测果蔬的各个部位的吸收系数和散射系数;
品质分析单元64,用于根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质。
在一种可选的实施方式中,该系统还包括:
分布位置获取单元,用于在所述待测果蔬上设置多个激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置。
进一步地,该系统还包括:
激光产生单元,用于产生经过调制的高频正弦波激光信号。
具体地,所述光学参数获取单元包括:
光子流量率获取模块,用于将所述待测果蔬分割为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
理论出射光参数获取模块,用于根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
光学参数获取模块,用于对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,获取待测果蔬的各个部位的吸收系数和散射系数;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
具体地,所述理论出射光的光子流获取模块,进一步用于根据公式(一)获取理论出射光的光强:
根据公式(二)获取理论出射光的相位:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,ν是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
本实施例所述的基于频域近红外光谱检测技术的果蔬品质分析方法及系统可以用于执行上述方法实施例,其原理和技术效果类似,此处不再赘述。
本发明提供的基于频域近红外光谱检测技术的果蔬品质分析方法及系统,检测速度快,能够实现实时检测,可有效计算吸收系数和散射系数,实现果蔬内部吸收系数和散射系数的三维重构,并通过分析吸收系数和散射系数定位出水果内部病变的位置,达到可视化的效果。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (6)
1.一种基于频域近红外光谱检测技术的果蔬品质分析方法,其特征在于,包括:
在待测果蔬上设置多个一定波长的激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置;
以经过调制的可见近红外波段的高频正弦波激光信号照射所述待测果蔬;
检测从所述待测果蔬表面射出的出射光的光强和相位;
建立所述待测果蔬的空间模型,并标出实际激光产生器和光电检测器的分布位置;
将所述待测果蔬剖分为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,获取所述待测果蔬的各个部位的吸收系数和散射系数;
根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
2.根据权利要求1所述的基于频域近红外光谱检测技术的果蔬品质分析方法,其特征在于,在所述以经过调制的可见近红外波段的高频正弦波激光信号照射所述待测果蔬之前,还包括:
所述激光产生器产生经过调制的高频正弦波激光信号。
3.根据权利要求1所述的基于频域近红外光谱检测技术的果蔬品质分析方法,其特征在于,所述根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位包括:
根据公式(一)获取理论出射光的光强AC:
根据公式(二)获取理论出射光的相位PH:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,ν是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
4.一种基于频域近红外光谱检测技术的果蔬品质分析系统,其特征在于,包括:
分布位置获取单元,用于在待测果蔬上设置至少多个激光产生器和多个光电检测器,获取所述激光产生器和光电检测器的分布位置;
激光入射单元,用于以经过调制的可见近红外波段的高频正弦波激光信号照射所述待测果蔬;
出射光检测单元,用于检测从所述待测果蔬表面射出的出射光的光强和相位;
光学参数获取单元,用于根据所述出射光的光强和相位计算出所述待测果蔬的各个部位的吸收系数和散射系数;
品质分析单元,用于根据所述待测果蔬的吸收系数和散射系数的分布情况分析所述待测果蔬的品质;
所述光学参数获取单元包括:
光子流量率获取模块,用于将所述待测果蔬剖分为多个正四面体,利用漫射光子传输模型获取每个正四面体节点处的光子流量率;
理论出射光参数获取模块,用于根据所述光子流量率和预设光学参数获取理论出射光的光强和理论出射光的相位;
光学参数获取模块,用于对所述理论出射光的光强和检测的出射光的光强进行最小二乘迭代,并对所述理论出射光的相位和检测出的出射光的相位进行最小二乘迭代,获取所述待测果蔬的各个部位的吸收系数和散射系数;
其中,所述预设光学参数包括预设吸收系数和预设散射系数。
5.根据权利要求4所述的基于频域近红外光谱检测技术的果蔬品质分析系统,其特征在于,还包括:
激光产生单元,用于产生经过调制的高频正弦波激光信号。
6.根据权利要求4所述的基于频域近红外光谱检测技术的果蔬品质分析系统,其特征在于,所述理论出射光参数获取模块,进一步用于根据公式(一)获取理论出射光的光强:
根据公式(二)获取理论出射光的相位:
其中,AC为光强,d为激光产生器和激光检测器的距离;ω是对入射光进行调制的角频率,v是光在介质中传播的速度,μ′s是约化散射系数;AC0为初始幅度;PH0为初始相位;μa为吸收系数,μs为散射系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610217565.4A CN105891149B (zh) | 2016-04-08 | 2016-04-08 | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610217565.4A CN105891149B (zh) | 2016-04-08 | 2016-04-08 | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105891149A CN105891149A (zh) | 2016-08-24 |
CN105891149B true CN105891149B (zh) | 2018-09-11 |
Family
ID=57012402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610217565.4A Active CN105891149B (zh) | 2016-04-08 | 2016-04-08 | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105891149B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3635368A4 (en) * | 2017-06-09 | 2021-03-03 | The New Zealand Institute for Plant and Food Research Limited | PROCESS AND SYSTEM FOR DETERMINING THE INTERNAL QUALITY ATTRIBUTE (S) OF AGRICULTURAL PRODUCTS ITEMS |
CN107655847A (zh) * | 2017-11-17 | 2018-02-02 | 黑龙江八农垦大学 | 针对难分辨中草药的利用红外光谱进行可视化表达的方法 |
CN109363629A (zh) * | 2018-08-22 | 2019-02-22 | 西安电子科技大学 | 基于频域扩散方程解析解的重建初始值测定方法及装置 |
CN109580501B (zh) * | 2018-12-25 | 2023-11-07 | 上海理工大学 | 一种嵌入冰箱的果蔬新鲜品质智能判别装置及方法 |
CN110501301B (zh) * | 2019-07-15 | 2020-11-06 | 中国农业大学 | 水果内部品质检测方法及系统 |
CN110907381A (zh) * | 2019-12-26 | 2020-03-24 | 烟台拓伟智能科技股份有限公司 | 一种果蔬霉心病及糖度自动检测设备及检测方法 |
CN116439700A (zh) * | 2023-03-21 | 2023-07-18 | 北京师范大学 | 一种血氧数据检测系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2387789A1 (en) * | 1999-10-15 | 2001-04-26 | Abbott Laboratories | Method for modulating light penetration depth in tissue and diagnostic applications using same |
CN1284967C (zh) * | 2005-03-24 | 2006-11-15 | 中国农业大学 | 一种便携式果品内部品质无损检测装置 |
CN100463644C (zh) * | 2007-03-23 | 2009-02-25 | 天津大学 | 近红外漫射光无创早期宫颈癌检测系统 |
CN101856219B (zh) * | 2010-05-13 | 2012-10-03 | 天津大学 | 基于频域近红外光测量的光学参数重构方法 |
CN101966078B (zh) * | 2010-11-09 | 2012-01-04 | 天津析像光电科技有限公司 | 一种近红外漫射光频域信息获取方法 |
WO2015051016A1 (en) * | 2013-10-01 | 2015-04-09 | The General Hospital Corporation | System, method and computer-accessible medium for utilizing discrete fourier-transform for frequency near-infrared spectroscopy |
-
2016
- 2016-04-08 CN CN201610217565.4A patent/CN105891149B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105891149A (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105891149B (zh) | 基于频域近红外光谱检测技术的果蔬品质分析方法及系统 | |
Wabnitz et al. | Performance assessment of time-domain optical brain imagers, part 2: nEUROPt protocol | |
Alerstam et al. | White Monte Carlo for time-resolved photon migration | |
Zhong et al. | Nondestructive defect identification with terahertz time-of-flight tomography | |
US5813988A (en) | Time-resolved diffusion tomographic imaging in highly scattering turbid media | |
US8263947B2 (en) | Method and device for localising fluorophores or absorbers in a surrounding medium | |
US20090164130A1 (en) | Fluorescence-lifetime-based tomography | |
CN101612034B (zh) | 重构混浊介质光学参数的时间分辨测量系统及方法 | |
CN101308086A (zh) | 基于近红外光谱技术的水果内部品质在线检测方法及装置 | |
TW200804794A (en) | Photoacoustic imaging method | |
CN104076002A (zh) | 用太赫兹波获取样本信息的信息获取装置和信息获取方法 | |
CN105510253A (zh) | 用空间频域成像检测农产品组织光学特性的装置及方法 | |
CN105996999A (zh) | 基于oct测量样品深度分辨衰减系数的方法和系统 | |
CN103487397A (zh) | 一种雷竹笋硬度快速检测方法及装置 | |
CN104764713B (zh) | 太赫兹瞬态热成像检测和层析成像系统及方法 | |
CN104007075B (zh) | 利用太赫兹时域光谱技术检测晶体生长环境的方法及系统 | |
CN105334204B (zh) | 一种基于傅里叶变换拉曼光谱分析方法 | |
CN110151133A (zh) | 基于图像分割与时频信息融合的乳腺光学成像装置及方法 | |
CN204630927U (zh) | 一种赣南脐橙产地快速鉴别装置 | |
CN201725011U (zh) | 一种太阳能电池量子效率的交流测量装置 | |
CN109781656A (zh) | 基于太赫兹的水蒸气检测系统及检测方法 | |
US6064917A (en) | Method for three-dimensional, inhomogeneity localization in turbid medium using diffuse photon density waves | |
CN101966078B (zh) | 一种近红外漫射光频域信息获取方法 | |
CN109856082A (zh) | 香烟滤嘴中爆珠的检测方法与检测装置 | |
CN107991285B (zh) | 测试对象安全性检测方法和测试对象安全性检测设备 |
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 |