CN106323909A - 果蔬品质手持式近红外光谱检测系统及检测方法 - Google Patents
果蔬品质手持式近红外光谱检测系统及检测方法 Download PDFInfo
- Publication number
- CN106323909A CN106323909A CN201610824094.3A CN201610824094A CN106323909A CN 106323909 A CN106323909 A CN 106323909A CN 201610824094 A CN201610824094 A CN 201610824094A CN 106323909 A CN106323909 A CN 106323909A
- Authority
- CN
- China
- Prior art keywords
- fruit
- near infrared
- quality
- spectrum
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 48
- 235000012055 fruits and vegetables Nutrition 0.000 title abstract description 7
- 238000001228 spectrum Methods 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 17
- 235000013305 food Nutrition 0.000 claims abstract description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 23
- 230000003287 optical effect Effects 0.000 claims description 20
- 238000000985 reflectance spectrum Methods 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 239000004065 semiconductor Substances 0.000 claims description 9
- 238000002835 absorbance Methods 0.000 claims description 8
- 238000000862 absorption spectrum Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 229920006351 engineering plastic Polymers 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 229920001296 polysiloxane Polymers 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000010561 standard procedure Methods 0.000 claims description 3
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 claims description 3
- 229910052721 tungsten Inorganic materials 0.000 claims description 3
- 239000010937 tungsten Substances 0.000 claims description 3
- 235000013311 vegetables Nutrition 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 2
- 238000012821 model calculation Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 36
- 239000007787 solid Substances 0.000 description 9
- 230000003595 spectral effect Effects 0.000 description 9
- 241000227653 Lycopersicon Species 0.000 description 6
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 238000005192 partition Methods 0.000 description 5
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000004907 flux Effects 0.000 description 3
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 description 2
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 2
- 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 description 2
- JEVVKJMRZMXFBT-XWDZUXABSA-N Lycophyll Natural products OC/C(=C/CC/C(=C\C=C\C(=C/C=C/C(=C\C=C\C=C(/C=C/C=C(\C=C\C=C(/CC/C=C(/CO)\C)\C)/C)\C)/C)\C)/C)/C JEVVKJMRZMXFBT-XWDZUXABSA-N 0.000 description 2
- 229930003268 Vitamin C Natural products 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005538 encapsulation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004313 glare Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- OAIJSZIZWZSQBC-GYZMGTAESA-N lycopene Chemical compound CC(C)=CCC\C(C)=C\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\C=C(/C)CCC=C(C)C OAIJSZIZWZSQBC-GYZMGTAESA-N 0.000 description 2
- 235000012661 lycopene Nutrition 0.000 description 2
- 229960004999 lycopene Drugs 0.000 description 2
- 239000001751 lycopene Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- ZCIHMQAPACOQHT-ZGMPDRQDSA-N trans-isorenieratene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/c1c(C)ccc(C)c1C)C=CC=C(/C)C=Cc2c(C)ccc(C)c2C ZCIHMQAPACOQHT-ZGMPDRQDSA-N 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 235000019154 vitamin C Nutrition 0.000 description 2
- 239000011718 vitamin C Substances 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 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
Abstract
本发明公开一种果蔬品质手持式近红外光谱检测系统及检测方法,属于食品或农产品品质快速检测技术领域;本发明采用数字微镜器件调制光路,配置单点探测器及其他外设模块,获得手持式、低成本、小型化的果蔬品质近红外光谱检测系统,可避免使用高昂的线性阵列探测器的同时完成高性能的光谱信息获取;在果蔬品质检测模型建立方面,首先选择特征波段,去除无信息变量和相关度不高的波段,然后再利用特征波长选择方法优选少量的特征波长,消除光谱数据内部存在的共线性关系,降低模型计算量,同时简化模型,提高模型的质量;本发明可突破果蔬品质无损检测成本高、携带不便和检测模型质量差的瓶颈问题。
Description
技术领域
本发明属于食品或农产品品质快速检测技术领域,具体涉及一种果蔬品质手持式近红外光谱检测系统及检测方法。
背景技术
果蔬在世界农业生产和贸易中占有重要的地位,果蔬的品质控制对提高市场竞争力具有重要意义。传统的湿化学方法费时、费力、检测成本高且使用化学试剂,无法满足果蔬生产、流通、控制等环节快速检测的需要。
农产品光电检测技术具有高通量、多指标同时检测的优势。其中果蔬品质快速无损检测方面首选的绿色分析技术是近红外光谱分析技术。果蔬品质快速、高精度、无损伤、智能化的近红外检测与评价方法具有广阔的市场前景。
随着新型光谱仪微机电系统(micro electro-mechanical system, MEMS)的研发逐渐成熟,发展了基于MEMS技术的集成度高、体积小结构坚固的新型便携式近红外光谱仪,MEMS技术利于大规模生产且降低仪器的成本。发展的小型近红外光谱仪一般采用固定光栅结合线阵探测器的方式获取近红外信号,价格有一定程度的降低但仍无法满足低成本、实用化的实际需求,且存在信噪比低、抗干扰能力弱的问题。
目前的果蔬品质检测仪体积大、重量重、携带不便,同时价格昂贵,如使用光谱仪一般采用线阵探测器,价格高,无法在食品、农产品加工检测行业推广应用。因此,果蔬品质小型化、低成本、实用化的检测系统亟待开发。另外,作为实用化的小型检测设备必须具有低功耗的特点,才能满足原位、离线等多种工况的操作使用要求。
发明内容
针对现有技术的不足,本发明提供一种果蔬品质手持式近红外光谱检测方法与系统,解决果蔬品质无损检测仪小型化设计和低成本开发的瓶颈问题,解决低功耗实现和模型精简问题,推进近红外光谱果蔬品质检测的实用化。
为实现上述目的,本发明通过以下技术方案予以实现:
本发明首先提供一种果蔬品质手持式近红外光谱检测系统,所述系统包括橡胶垫圈、微型近红外光谱仪、信息控制与处理模块、触控开关、PDA 、移动电源和壳体。
所述壳体设计为曲柄式,工程塑料模制而成,前端连接橡胶垫圈,内部用于固定微型近红外光谱仪、开发的信号控制与处理模块的电路板、移动电源、触控开关和PDA 。
所述橡胶垫圈固定在壳体上,位于手持式系统的前端,直接接触待检样本,微型近红外光谱仪将采集到的样本信息转化为电信号后经由信息控制与处理模块传输到PDA 。所述橡胶垫圈采用食品级硅胶模制而成,根据果蔬对象不同橡胶垫圈硬度范围在30-45内取值;所述橡胶垫圈和待检球形果蔬样本接触,封闭待检样本与光谱仪探头间的空间,可以避免果蔬损伤的同时避免杂散光的干扰。
所述信息控制与处理模块与触控开关连接,触控开关固定于壳体的手柄位置,通过触控开关,将光谱采集指令通过信息控制与处理模块传递给微型近红外光谱仪。
所述移动电源为系统供电,通过电源线与信息控制与处理模块连接,微型近红外光谱仪和PDA 由信息控制与处理模块通过电源线供电;所述移动电源为可拆卸电源,可以替换备用电池。
其中所述的微型近红外光谱仪包括微型光源、可调狭缝、光学透镜组、衍射光栅、数字微镜器件、单点探测器、半导体制冷器、信号放大器、模数转换器和嵌入式处理器;所述的光学透镜组包括准直透镜、885nm的长波通滤光片、聚焦透镜和采集透镜。
所述微型光源将光投射到待测样本表面进入内部,经体反射通过可调狭缝传输到准直透镜,透过准直透镜和885nm的长波通滤光片的光经衍射光栅反射将光分成若干波长下的光,再经聚焦透镜投射到数字微镜器件上,通过调控数字微镜器件连续获得单波长的光,经采集透镜到达单点探测器,到达单点探测器的光信号通过信号放大器和模数转换器输出数字信号,传到嵌入式处理器。
所述嵌入式处理器内置于微型近红外光谱仪的,用于接收信息控制与处理模块的指令并返回采集的信息;所述嵌入式处理器设有低能耗蓝牙模块和微型USB连接器;精确控制数字微镜器件中的每一个微镜,在每一瞬间仅有特定波长的光传输到单点探测器。
所述微型光源对称布局,光源的主轴与入射狭缝平面呈40°夹角,光投射到果蔬表面进入内部,然后光经体反射传输到光谱仪,可以避免无效镜面反射光进入光谱仪;所述微型光源采用尺寸小、功耗低的微型光源,且满足能量和强度要求,微型光源前置透镜可以将光有效聚集到特定方向,使发散性的光得到收敛,在光源前部可以获得10倍于同等功耗的普通光源的光强度。
优选的,所述微型光源的前置透镜的设计发散性得到收敛,具有一定的焦距和工作平面,在工作面上光分布得到优化,包括光强度、光照均匀性和一致性等;所述微型光源首选C-6结构的细钨丝,具有低电压高电流的特点,采用高品质玻璃封装,色温2200K,使用寿命25000小时。
所述可调狭缝,通过调整狭缝的大小可以调节光谱分辨率和信噪比;所述可调狭缝前端设有聚焦透镜,可增加接受光的视角,可获取2.5mm视窗内的漫反射光。
所述数字微镜器件由几十万至数百万个微型数字可编程镜片组成,微镜固定在轭上,通过电极对微镜产生静电吸引,实现微镜的转动,进而控制每个微镜来产生特定模式的光信号获取。
优选的,所述数字微镜器件是数字可编程的,可根据果蔬检测的需要设置光谱分辨率和波长范围,调整积分时间,均衡光通量,可将信噪比提高到30000:1以上,快速、精准的获得光信号。
所述单点探测器配置半导体制冷器保证低温下获得高信噪比和灵敏度的光信号,光信号通过信号放大器和模数转换器输出数字信号。
优选的,单点探测器选用InGaAs探测器获取光电信号,同时配置半导体制冷器以提高信号的精度和稳定性。
工作时打开光源以特定角度照射到果蔬表面,光经番茄内部传输后由微型近红外光谱仪获取体反射光,光信号转化为电信号后由控制电路传输到PDA 进行显示和存储;检测时通过触控开关,打开光源的同时触发光谱仪采集果蔬的漫反射光谱,实现果蔬品质的快速检测。
第二方面,本发明提出一种果蔬品质手持式近红外光谱检测方法,该方法通过以下步骤实现:
S1. 批量采集代表性待测果蔬样本;
S2. 采用所述手持式近红外光谱检测系统采集所述果蔬样本的近红外漫反射光谱,去除所述近红外漫反射光谱两端信噪比低的光谱区间,得到修正的果蔬近红外漫反射光谱;
S3. 对所述修正的果蔬近红外漫反射光谱进行吸光度A计算,以吸光度光谱建立与果蔬品质指标的相关关系,计算公式如下:
R=(I O -I D )/(I W -I D )×100%;
A=Log(1/R);
其中,I O 为果蔬样本的近红外漫反射光谱,I D 为所述微型光谱仪本身的暗噪音光谱,I W 为所述微型光谱仪内置的相对参考光谱,R为近红外光谱的反射率;
S4. 对S3得到的吸光度A选用S-G平滑/一阶导数预处理、标准变量变换、多元散射校正、正交信号校正中的一种或其组合方式进行光谱预处理,消除随机噪声,增强特征信号;
S5. 果蔬样本采集光谱后在同一位置取点,采用标准方法测定其品质指标值,作为建立定标方程的参考值;
S6. 对S4中得到的预处理后的光谱,结合S5测定的果蔬品质参考值,先采用联合区间偏最小二乘法选择特征波段组合,再对选择的特征波段采用连续投影算法、遗传算法、蚁群优化算法、粒子群优化算法中的一种或组合方式选择特征波长;
S7. 利用选择的果蔬品质指标的特征波长,采用多元校正方法建立果蔬品质指标的定标方程,示例如下:
Y=a1X1+ a2X2+……anXn+L
其中Y为果蔬某一品质指标的值,a i 为对应特征波长X i 的系数,X i 为特征波长的光谱强度值,L为拟合常数;
S8. 对未知待测的果蔬样本,应用已建立的果蔬品质定标方程预测其品质指标值;
S9. 对已建立品质指标的检测模型的果蔬,直接采用S8进行检测,若测量结果与标准测定值相比超出偏差范围,对所述L值进行修正,若修正L值后仍不能满足实际检测的需要,选择批量样本,执行S1-S8,并替换原有检测模型。
优选的,所述联合区间偏最小二乘法选择光谱特征波段,优先将整个光谱区间等变量划分,无法等变量划分时,前面区间比后面区间变量数多一个;光谱区间选择时可以联合2个、3个和4个中的一个。
优选的,所述特征波长选择,采用波长精简化原则,满足选择尽量少的特征波长达到较好的预测效果,即增加特征波长时预测效果无显著性增加时不再增加特征波长;另外,选择的特征波长组合满足校正集样本的校正均方根误差和验证集样本的预测均方根误差在同一水平上。
优选的,所述品质指标是待测果蔬的一个或多个品质指标,如苹果的糖度、硬度、酸度、维生素C含量中的一个或其中的多个;如番茄的番茄红素、可溶性固形物、酸度中的一个或多个;每个品质指标对应一个品质检测模型,进行多指标同时检测时,多个品质检测模型并行计算得到多个指标参数。
本发明的有益效果是:
相比于现有技术,本发明提出一种果蔬品质手持式近红外光谱检测方法和系统,采用数字微镜器件设计近红外光谱仪,配置单点探测器,获得小型化、低成本的果蔬品质近红外光谱系统,可避免使用高昂的线性探测器阵列的同时完成高性能的光谱信息获取。在果蔬品质检测模型建立方面,首先选择特征波段,去除无信息变量和相关度不高的波段,然后再利用特征波长选择方法优选少量的特征波长,消除光谱数据内部存在的共线性关系,降低模型计算量,同时简化模型,提高模型的质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了果蔬品质手持式近红外光谱检测系统结构示意图;图中,1为橡胶垫圈,2为微型光源,3为微型近红外光谱仪; 4为信息控制与处理模块;5
为PDA; 6为触控开关;7为移动电源;8为壳体。
图2示出了果蔬品质手持式近红外光谱检测系统内部光路与信号传输示意图;9为果蔬样本;2为微型光源;11为可调狭缝;12为准直透镜;13为长波通滤光片;14为衍射光栅;15为聚焦透镜;16为数字微镜器件;17为采集透镜;18为单点探测器;19为半导体制冷器;20为信号放大器;21为模数转换器;22
为嵌入式处理器22。
图3示出了果蔬品质近红外光谱检测的特征波长选择示意图。
图4示出了果蔬品质近红外光谱检测模型的示例图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本发明实施例1提出一种果蔬品质手持式近红外光谱检测系统,所述系统包括橡胶垫圈、微型近红外光谱仪3、信息控制与处理模块4、PDA 5、移动电源7和壳体8。
所述壳体8设计为曲柄式,工程塑料模制而成,前端连接橡胶垫圈,内部用于固定微型近红外光谱仪3、开发的信号控制与处理模块的电路板、移动电源7、触控开关6和PDA5。
所述橡胶垫圈固定在壳体8上,位于手持式系统的前端,直接接触待检样本,微型近红外光谱仪3将采集到的样本信息转化为电信号后经由信息控制与处理模块4传输到PDA5。所述橡胶垫圈采用食品级硅胶模制而成,根据果蔬对象不同橡胶垫圈硬度范围在30-45内取值;所述橡胶垫圈和待检球形果蔬样本接触,封闭待检样本与光谱仪探头间的空间,可以避免果蔬损伤的同时避免杂散光的干扰。
所述信息控制与处理模块4与触控开关6连接,触控开关6固定于壳体8的手柄位置,通过触控开关6,将光谱采集指令通过信息控制与处理模块4传递给微型近红外光谱仪3。
所述移动电源7为系统供电,通过电源线与信息控制与处理模块4连接,微型近红外光谱仪3和PDA 5由信息控制与处理模块4通过电源线供电;所述移动电源7为可拆卸电源,可以替换备用电池。
其中所述的微型近红外光谱仪3包括微型光源2、可调狭缝11、光学透镜组、衍射光栅14、数字微镜器件16、单点探测器18、半导体制冷器19、信号放大器20、模数转换器21和嵌入式处理器22;所述的光学透镜组包括准直透镜12、885nm的长波通滤光片13、聚焦透镜15和采集透镜17。
所述微型光源2将光投射到待测样本表面进入内部,经体反射通过可调狭缝11传输到准直透镜12,透过准直透镜12和885nm的长波通滤光片13的光经衍射光栅14反射将光分成若干波长下的光,再经聚焦透镜15投射到数字微镜器件16上,通过调控数字微镜器件16连续获得单波长的光,经采集透镜17到达单点探测器18,到达单点探测器18的光信号通过信号放大器20和模数转换器21输出数字信号,传到嵌入式处理器22。
所述嵌入式处理器22内置于微型近红外光谱仪3的,用于接收信息控制与处理模块4的指令并返回采集的信息;所述嵌入式处理器22设有低能耗蓝牙模块和微型USB连接器;精确控制数字微镜器件16中的每一个微镜,在每一瞬间仅有特定波长的光传输到单点探测器18。
所述微型光源2对称布局,光源的主轴与入射狭缝平面呈40°夹角,光投射到果蔬表面进入内部,然后光经体反射传输到光谱仪,可以避免无效镜面反射光进入光谱仪;所述微型光源2采用尺寸小、功耗低的微型光源2,且满足能量和强度要求,微型光源2前置透镜可以将光有效聚集到特定方向,使发散性的光得到收敛,在光源前部可以获得10倍于同等功耗的普通光源的光强度。
优选的,所述微型光源2的前置透镜的设计发散性得到收敛,具有一定的焦距和工作平面,在工作面上光分布得到优化,包括光强度、光照均匀性和一致性等;所述微型光源2首选C-6结构的细钨丝,具有低电压高电流的特点,采用高品质玻璃封装,色温2200K,使用寿命25000小时。本实施例中所述微型光源2选用美国ILT公司的L1005型微型精密光源。
所述可调狭缝11,通过调整狭缝的大小可以调节光谱分辨率和信噪比;所述可调狭缝11前端设有聚焦透镜15,可增加接受光的视角,可获取2.5mm视窗内的漫反射光。
所述数字微镜器件16由几十万至数百万个微型数字可编程镜片组成,微镜固定在轭上,通过电极对微镜产生静电吸引,实现微镜的转动,进而控制每个微镜来产生特定模式的光信号获取。
优选的,所述数字微镜器件16是数字可编程的,可根据果蔬检测的需要设置光谱分辨率和波长范围,调整积分时间,均衡光通量,可将信噪比提高到30000:1以上,快速、精准的获得光信号。本实施例中的数字微镜器件16选用美国TI公司的DLP2010NIR DMD模块。
所述单点探测器18配置半导体制冷器19保证低温下获得高信噪比和灵敏度的光信号,光信号通过信号放大器20和模数转换器21输出数字信号。
优选的,单点探测器18选用InGaAs探测器获取光电信号,同时配置半导体制冷器19以提高信号的精度和稳定性;
工作时打开光源以特定角度照射到果蔬表面,光经番茄内部传输后由微型近红外光谱仪3获取体反射光,光信号转化为电信号后由控制电路传输到PDA 5进行显示和存储;检测时通过触控开关6,打开光源的同时触发光谱仪采集果蔬的漫反射光谱,实现果蔬品质的快速检测。
本实施例的果蔬品质手持式近红外光谱检测系统适用于果蔬品质的快速无损检测,相比于传统的果蔬品质近红外光谱检测仪具有成本低、体积小、精度高的显著性进步,对推进近红外光谱在农产品检测的应用具有重要推动作用。
实施例2:
一种果蔬品质手持式近红外光谱检测方法,该方法通过以下步骤实现:
S1. 批量采集代表性待测果蔬样本,要求样本完好,检测指标具有一定的覆盖度。
S2. 采用所述手持式近红外光谱检测系统采集所述果蔬样本的近红外漫反射光谱,去除所述近红外漫反射光谱两端信噪比低的光谱区间,得到修正的果蔬近红外漫反射光谱。
S3. 对所述修正的果蔬近红外漫反射光谱进行吸光度A计算,以吸光度光谱建立与果蔬品质指标的相关关系,计算公式如下:
R=(I O -I D )/(I W -I D )×100%;
A=Log(1/R);
其中,I O 为果蔬样本的近红外漫反射,I D 为所述微型光谱仪本身的暗噪音光谱,I W 为所述微型光谱仪内置的相对参考光谱,R为近红外光谱的反射率。
S4. 对所述变换后的吸光度光谱选用S-G平滑/一阶导数预处理、标准变量变换、多元散射校正、正交信号校正中的一种或其组合方式进行光谱预处理,消除随机噪声,增强特征信号。
S5. 果蔬样本采集光谱后在同一位置取点,采用标准方法测定其品质指标值,作为建立定标方程的参考值。
S6. 对所述预处理后的光谱,结合测定的果蔬品质参考值,先采用联合区间偏最小二乘法选择特征波段组合,再对选择的特征波段采用连续投影算法、遗传算法、蚁群优化算法、粒子群优化算法中的一种或组合方式选择特征波长。
S7. 利用选择的果蔬品质指标的特征波长,采用多元校正方法建立果蔬品质指标的定标方程,示例如下:
Y=a1X1+ a2X2+……anXn+L
其中Y为果蔬某一品质指标的值,a i 为对应特征波长X i 的系数,X i 为特征波长的光谱强度值,L为拟合常数。
S8. 对未知待测的果蔬样本,应用已建立的果蔬品质定标方程预测其品质指标值。
S9. 对已建立品质指标的检测模型的果蔬,直接采用S8进行检测,若测量结果与标准测定值相比超出偏差范围,对所述L值进行修正,若修正L值后仍不能满足实际检测的需要,选择批量样本,执行S1-S8,并替换原有检测模型。
其中,所述一种果蔬品质手持式近红外光谱检测方法,进一步包括:所述联合区间偏最小二乘法选择光谱特征波段,优先将整个光谱区间等变量划分,无法等变量划分时,前面区间比后面区间变量数多一个;光谱区间选择时可以联合2个、3个和4个中的一个。
其中,所述一种果蔬品质手持式近红外光谱检测方法,进一步包括:所述特征波长选择,采用波长精简化原则,满足选择尽量少的特征波长达到较好的预测效果,即增加特征波长时预测效果无显著性增加时不再增加特征波长;另外,选择的特征波长组合满足校正集样本的校正均方根误差和验证集样本的预测均方根误差在同一水平上。
其中,所述一种果蔬品质手持式近红外光谱检测方法,进一步包括:所述品质指标是待测果蔬的一个或多个品质指标,如苹果的糖度、硬度、酸度、维生素C含量中的一个或其中的多个;如番茄的番茄红素、可溶性固形物、酸度中的一个或多个;每个品质指标对应一个品质检测模型,进行多指标同时检测时,多个品质检测模型并行计算得到多个指标参数。
本实施例的果蔬品质手持式近红外光谱检测方法,首先选择特征波段,去除无信息变量和相关度不高的波段,然后再利用特征波长选择方法优选少量的特征波长,消除光谱数据内部存在的共线性关系,降低模型计算量,同时简化模型,提高模型的质量。
实施例3:
本实施例以番茄为例,采用所述果蔬品质手持式近红外光谱检测方法与系统,批量获取番茄品质信息的近红外光谱数据,建立番茄品质检测模型,实现番茄品质快速无损检测:
(1)批量选择代表性番茄样本,采用所述果蔬品质手持式近红外光谱检测系统,设置波长范围为900-1700 nm,光谱分辨率为4.68 nm,扫描次数为3,采集番茄的近红外光谱数据。
按照约2:1的比例划分为校正集与验证集,如测试番茄样本共78个,校正集番茄样本52个,验证集样本26。
(2)对番茄的近红外光谱数据进行吸光度A计算,以吸光度光谱建立与果蔬品质指标的相关关系,计算公式如下:
R=(I O -I D )/(I W -I D )×100%;
A=Log(1/R);
其中,I O 为果蔬样本的近红外漫反射,I D 为所述微型光谱仪本身的暗噪音光谱,I W 为所述微型光谱仪内置的相对参考光谱,R为近红外光谱的反射率。
得到一个吸光度A的数据集。
(3)对得到的吸光度A选用S-G平滑/一阶导数预处理、标准变量变换、多元散射校正、正交信号校正中的一种或其组合方式进行光谱预处理,这里选用标准正态变换进行光谱预处理。
(4)近红外光谱采集后参考GB12295采用折射仪法测定番茄的可溶性固形物含量;取番茄上对应光谱采集的部位,经多层纱布过滤挤汁滴在折光仪镜面,测定温度修正为20℃的锤度(Brix)。
(5)利用联合区间偏最小二乘法,结合可溶性固形物测量值,首先将整个光谱区域划分为20个子区间,联合4个子区间(分别为第6,10,11,12个子区间)优选特征波段,然后在选择的特征波段上利用连续投影算法选择特征波长。可溶性固形物含量的谱区选择和特征波长优选如图3所示,对可溶性固形物含量,优选9个特征波长,分别是1148.85、1298.43、1141.73、1319.80、1123.92、1373.22、1134.61、1355.42和1391.03 nm。
(6)利用选择的番茄品质指标的特征波长,采用多元校正方法建立番茄品质指标的定标方程,示例如下:
Y=a1X1+ a2X2+……anXn+L
其中Y为番茄可溶性固形物含量的指标值,a i 为对应特征波长X i 的系数,X i 为特征波长的光谱强度值,L为拟合常数。
该实施例中建立的定标方程如下:
Y=38.3306X1148.85-20.1241X1298.43-25.0663X1141.73+8.8814X1319.80-5.5763X1123.92-7.5373X1373.22+4.4635X1134.61+7.2817X1355.42+3.0746X1391.03+4.8795
建立的番茄可溶性固形物含量的定标方程如图4所示,番茄品质测定值和光谱预测值具有较好的相关关系;经独立样本集验证发现,建立的可溶性固形物检测模型具有较好的预测性能。采用先选择特征光谱波段再优选特征波长的策略可有效检测番茄的品质指标。
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 (10)
1.一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述系统包括橡胶垫圈(1)、微型近红外光谱仪(3)、信息控制与处理模块(4)、触控开关(6)、PDA(5)、移动电源(7)和壳体(8);
所述壳体(8)设计为曲柄式,用于固定所述系统各部件;
所述橡胶垫圈(1)固定在壳体(8)上,位于手持式系统的前端,直接接触待检样本,微型近红外光谱仪(3)将采集到的样本信息转化为电信号后经由信息控制与处理模块(4)传输到PDA(5);
所述信息控制与处理模块(4)与触控开关(6)连接,触控开关(6)固定于壳体(8)的手柄位置,通过触控开关(6),将光谱采集指令通过信息控制与处理模块(4)传递给微型近红外光谱仪(3);
所述移动电源(7)为系统供电,通过电源线与信息控制与处理模块(4)连接,微型近红外光谱仪(3)和PDA(5)由信息控制与处理模块(4)通过电源线供电。
2.根据权利要求1所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述的微型近红外光谱仪(3)包括微型光源(2)、可调狭缝(11)、光学透镜组、衍射光栅(14)、数字微镜器件(16)、单点探测器(18)、半导体制冷器(19)、信号放大器(20)、模数转换器(21)和嵌入式处理器(22);所述的光学透镜组包括准直透镜(12)、长波通滤光片(13)、聚焦透镜(15)和采集透镜(17);
所述微型光源(2)将光投射到待测样本表面进入内部,经体反射通过可调狭缝(11)传输到准直透镜(12),透过准直透镜(12)和长波通滤光片(13)的光经衍射光栅(14)反射将光分成若干波长下的光,再经聚焦透镜(15)投射到数字微镜器件(16)上,通过调控数字微镜器件(16)连续获得单波长的光,经采集透镜(17)到达单点探测器(18),到达单点探测器(18)的光信号通过信号放大器(20)和模数转换器(21)输出数字信号,传到嵌入式处理器(22);
所述嵌入式处理器(22)内置于微型近红外光谱仪,嵌入式处理器设有低能耗蓝牙模块和微型USB连接器。
3.根据权利要求1所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述壳体(8)由工程塑料模制而成;所述橡胶垫圈(1)采用食品级硅胶模制而成,根据果蔬对象不同橡胶垫圈硬度范围在30-45内取值。
4.根据权利要求1所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述移动电源为可拆卸电源,能替换备用电池。
5.根据权利要求2所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述微型光源(2)对称布局,光源的主轴与入射狭缝平面呈40°夹角;所述微型光源(2)首选C-6结构的细钨丝。
6.根据权利要求2所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述可调狭缝(11)前端设有聚焦透镜(15)。
7.根据权利要求2所述的一种果蔬品质手持式近红外光谱检测系统,其特征在于,所述单点探测器(18)配置有半导体制冷器(19)。
8.一种果蔬品质手持式近红外光谱检测方法,其特征在于,该方法通过以下步骤实现:
S1. 批量采集代表性待测果蔬样本;
S2. 采用所述手持式近红外光谱检测系统采集所述果蔬样本的近红外漫反射光谱,去除所述近红外漫反射光谱两端信噪比低的光谱区间,得到修正的果蔬近红外漫反射光谱;
S3. 对所述修正的果蔬近红外漫反射光谱进行吸光度A计算,以吸光度光谱建立与果蔬品质指标的相关关系,计算公式如下:
R=(I O -I D )/(I W -I D )×100%;
A=Log(1/R);
其中,I O 为果蔬样本的近红外漫反射光谱,I D 为所述微型光谱仪本身的暗噪音光谱,I W 为所述微型光谱仪内置的相对参考光谱,R为近红外光谱的反射率;
S4. 对S3得到的吸光度A进行光谱预处理,消除随机噪声,增强特征信号;
S5. 果蔬样本采集光谱后在同一位置取点,采用标准方法测定其品质指标值,作为建立定标方程的参考值;
S6. 对S4中得到的预处理后的光谱,结合S5测定的果蔬品质参考值,先采用联合区间偏最小二乘法选择特征波段组合,再对选择的特征波段选择特征波长;
S7. 利用选择的果蔬品质指标的特征波长,采用多元校正方法建立果蔬品质指标的定标方程,示例如下:
Y=a1X1+ a2X2+……anXn+L
其中Y为果蔬某一品质指标的值,a i 为对应特征波长X i 的系数,X i 为特征波长的光谱强度值,L为拟合常数;
S8. 对未知待测的果蔬样本,应用已建立的果蔬品质定标方程预测其品质指标值。
9.根据权利要求8所述的一种果蔬品质手持式近红外光谱检测方法,其特征在于,步骤S4中所述的光谱预处理采用S-G平滑/一阶导数预处理、标准变量变换、多元散射校正、正交信号校正中的一种或其组合方式进行。
10.根据权利要求8所述的一种果蔬品质手持式近红外光谱检测方法,其特征在于,步骤S6中所述的选择特征波长采用连续投影算法、遗传算法、蚁群优化算法、粒子群优化算法中的一种或组合方式选择特征波长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610824094.3A CN106323909A (zh) | 2016-09-14 | 2016-09-14 | 果蔬品质手持式近红外光谱检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610824094.3A CN106323909A (zh) | 2016-09-14 | 2016-09-14 | 果蔬品质手持式近红外光谱检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106323909A true CN106323909A (zh) | 2017-01-11 |
Family
ID=57787663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610824094.3A Pending CN106323909A (zh) | 2016-09-14 | 2016-09-14 | 果蔬品质手持式近红外光谱检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106323909A (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841092A (zh) * | 2017-03-01 | 2017-06-13 | 广西民族大学 | 一种甘蔗病害红外识别方法 |
CN107064056A (zh) * | 2017-03-08 | 2017-08-18 | 北京农业智能装备技术研究中心 | 一种水果无损检测的方法及装置 |
CN107132197A (zh) * | 2017-05-25 | 2017-09-05 | 江苏大学 | 一种食醋总酸含量的检测方法及装置 |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
CN107860473A (zh) * | 2017-10-25 | 2018-03-30 | 暨南大学 | 一种基于云数据的智能手持光谱仪 |
CN108195789A (zh) * | 2017-12-05 | 2018-06-22 | 广州讯动网络科技有限公司 | 一种快速检测粮食指标的手持装置、方法 |
CN108572158A (zh) * | 2018-07-11 | 2018-09-25 | 天津博霆光电技术有限公司 | 一种家用超微型近红外光谱测试仪 |
CN108760671A (zh) * | 2018-05-29 | 2018-11-06 | 上海贝高医疗科技有限公司 | 一种母乳红外检测装置 |
CN109100322A (zh) * | 2018-08-17 | 2018-12-28 | 江苏大学 | 基于温度自校正的食品近红外光谱快速检测方法及便携式检测装置 |
CN109425588A (zh) * | 2017-08-30 | 2019-03-05 | 广州讯动网络科技有限公司 | 快速辨别黄龙病的手持装置、方法及计算机可读存储介质 |
CN109470640A (zh) * | 2018-12-14 | 2019-03-15 | 北京华易明新科技有限公司 | 一种基于可见-近红外吸收光谱的润滑油多指标检测探头 |
CN109580501A (zh) * | 2018-12-25 | 2019-04-05 | 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 |
CN109856081A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 便携式猕猴桃糖度快速无损检测方法和装置 |
CN110487740A (zh) * | 2019-07-02 | 2019-11-22 | 西安理工大学 | 基于近红外法的籽棉回潮率在线测量系统及其测量方法 |
WO2020038043A1 (zh) * | 2018-08-22 | 2020-02-27 | 江西绿萌科技控股有限公司 | 一种用于果蔬内部品质检测的聚光装置及包括聚光装置的系统及其使用方法 |
CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
CN112082913A (zh) * | 2020-09-23 | 2020-12-15 | 武汉轻工大学 | 粮食等级检测方法、系统、手持式检测仪及服务器 |
CN112326585A (zh) * | 2020-10-28 | 2021-02-05 | 南京农业大学 | 一种用于快速检测草莓白粉病的红外光谱装置及检测方法 |
CN112730316A (zh) * | 2020-12-04 | 2021-04-30 | 江苏大学 | 基于近红外光谱的小型水果内部品质在线动态快速检测方法 |
CN112819062A (zh) * | 2021-01-26 | 2021-05-18 | 淮阴工学院 | 基于混合粒子群和连续投影的荧光光谱二次特征选择方法 |
CN112986174A (zh) * | 2021-02-03 | 2021-06-18 | 佛山一本农业科技有限公司 | 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质 |
CN113466173A (zh) * | 2021-06-28 | 2021-10-01 | 重庆化工职业学院 | 一种饲料品质检测用近红外分析仪 |
CN113484278A (zh) * | 2021-05-21 | 2021-10-08 | 北京农业智能装备技术研究中心 | 一种基于光谱和主成分分析的番茄综合品质无损检测方法 |
CN113720792A (zh) * | 2021-09-24 | 2021-11-30 | 江苏大学 | 一种提高测试效率及精度的植物叶片多成分检测装置 |
CN114428058A (zh) * | 2022-01-29 | 2022-05-03 | 中国农业大学 | 一种玉米含水率检测仪 |
CN114894730A (zh) * | 2022-05-12 | 2022-08-12 | 广西大学 | 基于可见光-近红外的甘蔗糖分无损检测装置及检测方法 |
CN116660206A (zh) * | 2023-05-31 | 2023-08-29 | 浙江省农业科学院 | 一种作物产量预估方法及系统 |
WO2023231902A1 (zh) * | 2022-06-15 | 2023-12-07 | 浙江大学 | 适用于检测农产品中番茄红素含量的光谱检测方法 |
WO2023231903A1 (zh) * | 2022-06-15 | 2023-12-07 | 浙江大学 | 适用于检测农产品中微量元素的光谱仪及其应用 |
WO2024037674A1 (es) * | 2022-08-17 | 2024-02-22 | Universidad Simón Bolívar | Dispositivo de detección de la enfermedad hlb |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2285895Y (zh) * | 1996-09-11 | 1998-07-08 | 中国石油化工总公司石油化工科学研究院 | 近红外石油组成分析仪 |
CN2602369Y (zh) * | 2003-02-21 | 2004-02-04 | 邓梁 | 红外光谱细胞水分检测仪 |
WO2006047273A2 (en) * | 2004-10-21 | 2006-05-04 | Sensys Medical, Inc. | Method and apparatus for noninvasive glucose concentration estimation through near-infrared spectroscopy |
CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及系统 |
CN101609042A (zh) * | 2009-06-29 | 2009-12-23 | 浙江托普仪器有限公司 | 基于近红外光谱的手持式土壤养分无损测量系统 |
CN101799401A (zh) * | 2010-04-19 | 2010-08-11 | 华东交通大学 | 用于水果内部品质无损检测的手持式近红外探头及探测方法 |
CN103674854A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于联合区间偏最小二乘判别分析的苹果分级方法 |
CN203519486U (zh) * | 2013-10-28 | 2014-04-02 | 贺州学院 | 一种近红外便携式脐橙品质无损检测装置 |
CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测系统及方法 |
CN104535526A (zh) * | 2014-12-17 | 2015-04-22 | 中国科学院长春光学精密机械与物理研究所 | 基于微型计算机Edison的线性渐变滤光片式手持智能光谱仪 |
CN105823750A (zh) * | 2016-05-10 | 2016-08-03 | 华中农业大学 | 便携式葡萄糖度近红外检测装置及其方法 |
-
2016
- 2016-09-14 CN CN201610824094.3A patent/CN106323909A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2285895Y (zh) * | 1996-09-11 | 1998-07-08 | 中国石油化工总公司石油化工科学研究院 | 近红外石油组成分析仪 |
CN2602369Y (zh) * | 2003-02-21 | 2004-02-04 | 邓梁 | 红外光谱细胞水分检测仪 |
WO2006047273A2 (en) * | 2004-10-21 | 2006-05-04 | Sensys Medical, Inc. | Method and apparatus for noninvasive glucose concentration estimation through near-infrared spectroscopy |
CN101303291A (zh) * | 2008-06-05 | 2008-11-12 | 苏州大学 | 基于数字微镜器件的多通道多目标超光谱成像方法及系统 |
CN101609042A (zh) * | 2009-06-29 | 2009-12-23 | 浙江托普仪器有限公司 | 基于近红外光谱的手持式土壤养分无损测量系统 |
CN101799401A (zh) * | 2010-04-19 | 2010-08-11 | 华东交通大学 | 用于水果内部品质无损检测的手持式近红外探头及探测方法 |
CN203519486U (zh) * | 2013-10-28 | 2014-04-02 | 贺州学院 | 一种近红外便携式脐橙品质无损检测装置 |
CN103674854A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于联合区间偏最小二乘判别分析的苹果分级方法 |
CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测系统及方法 |
CN104535526A (zh) * | 2014-12-17 | 2015-04-22 | 中国科学院长春光学精密机械与物理研究所 | 基于微型计算机Edison的线性渐变滤光片式手持智能光谱仪 |
CN105823750A (zh) * | 2016-05-10 | 2016-08-03 | 华中农业大学 | 便携式葡萄糖度近红外检测装置及其方法 |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106841092A (zh) * | 2017-03-01 | 2017-06-13 | 广西民族大学 | 一种甘蔗病害红外识别方法 |
CN107064056A (zh) * | 2017-03-08 | 2017-08-18 | 北京农业智能装备技术研究中心 | 一种水果无损检测的方法及装置 |
CN107064056B (zh) * | 2017-03-08 | 2020-05-22 | 北京农业智能装备技术研究中心 | 一种水果无损检测的方法及装置 |
CN107132197A (zh) * | 2017-05-25 | 2017-09-05 | 江苏大学 | 一种食醋总酸含量的检测方法及装置 |
CN107132197B (zh) * | 2017-05-25 | 2020-12-18 | 江苏大学 | 一种食醋总酸含量的检测方法及装置 |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
CN109425588A (zh) * | 2017-08-30 | 2019-03-05 | 广州讯动网络科技有限公司 | 快速辨别黄龙病的手持装置、方法及计算机可读存储介质 |
CN107860473A (zh) * | 2017-10-25 | 2018-03-30 | 暨南大学 | 一种基于云数据的智能手持光谱仪 |
CN108195789A (zh) * | 2017-12-05 | 2018-06-22 | 广州讯动网络科技有限公司 | 一种快速检测粮食指标的手持装置、方法 |
CN108760671A (zh) * | 2018-05-29 | 2018-11-06 | 上海贝高医疗科技有限公司 | 一种母乳红外检测装置 |
CN108572158A (zh) * | 2018-07-11 | 2018-09-25 | 天津博霆光电技术有限公司 | 一种家用超微型近红外光谱测试仪 |
CN109100322A (zh) * | 2018-08-17 | 2018-12-28 | 江苏大学 | 基于温度自校正的食品近红外光谱快速检测方法及便携式检测装置 |
US11914128B2 (en) | 2018-08-22 | 2024-02-27 | Reemoon Technology Co., Ltd. | Light condensing device for inspecting quality inside fruits and vegetables, system comprising same, and use method thereof |
WO2020038043A1 (zh) * | 2018-08-22 | 2020-02-27 | 江西绿萌科技控股有限公司 | 一种用于果蔬内部品质检测的聚光装置及包括聚光装置的系统及其使用方法 |
CN109470640A (zh) * | 2018-12-14 | 2019-03-15 | 北京华易明新科技有限公司 | 一种基于可见-近红外吸收光谱的润滑油多指标检测探头 |
CN109580501A (zh) * | 2018-12-25 | 2019-04-05 | 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 |
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 |
CN109856081A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 便携式猕猴桃糖度快速无损检测方法和装置 |
CN110487740A (zh) * | 2019-07-02 | 2019-11-22 | 西安理工大学 | 基于近红外法的籽棉回潮率在线测量系统及其测量方法 |
CN111624317A (zh) * | 2020-06-22 | 2020-09-04 | 南京农业大学 | 一种娃娃菜新鲜度判别的无损检测方法 |
CN112082913A (zh) * | 2020-09-23 | 2020-12-15 | 武汉轻工大学 | 粮食等级检测方法、系统、手持式检测仪及服务器 |
CN112326585A (zh) * | 2020-10-28 | 2021-02-05 | 南京农业大学 | 一种用于快速检测草莓白粉病的红外光谱装置及检测方法 |
CN112730316A (zh) * | 2020-12-04 | 2021-04-30 | 江苏大学 | 基于近红外光谱的小型水果内部品质在线动态快速检测方法 |
CN112819062A (zh) * | 2021-01-26 | 2021-05-18 | 淮阴工学院 | 基于混合粒子群和连续投影的荧光光谱二次特征选择方法 |
CN112986174A (zh) * | 2021-02-03 | 2021-06-18 | 佛山一本农业科技有限公司 | 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质 |
CN113484278A (zh) * | 2021-05-21 | 2021-10-08 | 北京农业智能装备技术研究中心 | 一种基于光谱和主成分分析的番茄综合品质无损检测方法 |
CN113466173A (zh) * | 2021-06-28 | 2021-10-01 | 重庆化工职业学院 | 一种饲料品质检测用近红外分析仪 |
CN113720792A (zh) * | 2021-09-24 | 2021-11-30 | 江苏大学 | 一种提高测试效率及精度的植物叶片多成分检测装置 |
CN113720792B (zh) * | 2021-09-24 | 2022-09-23 | 江苏大学 | 一种提高测试效率及精度的植物叶片多成分检测装置 |
CN114428058A (zh) * | 2022-01-29 | 2022-05-03 | 中国农业大学 | 一种玉米含水率检测仪 |
CN114894730A (zh) * | 2022-05-12 | 2022-08-12 | 广西大学 | 基于可见光-近红外的甘蔗糖分无损检测装置及检测方法 |
CN114894730B (zh) * | 2022-05-12 | 2023-06-16 | 广西大学 | 基于可见光-近红外的甘蔗糖分无损检测装置及检测方法 |
WO2023231902A1 (zh) * | 2022-06-15 | 2023-12-07 | 浙江大学 | 适用于检测农产品中番茄红素含量的光谱检测方法 |
WO2023231903A1 (zh) * | 2022-06-15 | 2023-12-07 | 浙江大学 | 适用于检测农产品中微量元素的光谱仪及其应用 |
WO2024037674A1 (es) * | 2022-08-17 | 2024-02-22 | Universidad Simón Bolívar | Dispositivo de detección de la enfermedad hlb |
CN116660206A (zh) * | 2023-05-31 | 2023-08-29 | 浙江省农业科学院 | 一种作物产量预估方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106323909A (zh) | 果蔬品质手持式近红外光谱检测系统及检测方法 | |
CN101852725B (zh) | 一种全谱段透射式植物生化参数无损检测装置和方法 | |
CN102042968B (zh) | 粮食品质近红外快速检测无线系统 | |
CN100483109C (zh) | 带称重的便携式水果糖度无损检测装置 | |
Xie et al. | Applications of near-infrared systems for quality evaluation of fruits: A review | |
CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
CN103048277B (zh) | 近红外光谱无损检测水果内部品质的系统及方法 | |
CN102507480B (zh) | 基于12个特征波长的无损快速检测茶叶含水率的方法 | |
CN101625314B (zh) | 一种高等植物生化参数非接触监测装置 | |
CN101876630A (zh) | 一种基于led组合光源的便携式水果品质无损检测装置 | |
CN107064044B (zh) | 一种茶提取液中多酚含量的快速检测方法及装置 | |
Yu et al. | Development of a handheld spectrometer based on a linear variable filter and a complementary metal-oxide-semiconductor detector for measuring the internal quality of fruit | |
CN109100322A (zh) | 基于温度自校正的食品近红外光谱快速检测方法及便携式检测装置 | |
Min et al. | Design of a hyperspectral nitrogen sensing system for orange leaves | |
CN206387724U (zh) | 便携式猕猴桃糖度无损检测装置 | |
CN107132197B (zh) | 一种食醋总酸含量的检测方法及装置 | |
MX2013000736A (es) | Reflectometro portatil y metodo de caracterizacion de espejos de centrales termosolares. | |
Zhou et al. | Low-cost and handheld detector on soluble solids content and firmness of kiwifruit | |
CN105784606A (zh) | 一种基于光学特性的水质监控系统 | |
Yahaya et al. | Visible spectroscopy calibration transfer model in determining pH of Sala mangoes | |
Cao et al. | Comparison of online quality prediction models of kiwifruit at different conveying speeds | |
CN201000430Y (zh) | 一种带称重的便携式水果糖度无损检测装置 | |
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 | |
CN201724900U (zh) | 基于近红外光谱技术的油菜籽品质无损检测装置 | |
CN111610162A (zh) | 便携式水果无损快速测试装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |
|
RJ01 | Rejection of invention patent application after publication |