CN107247026A - 一种易腐食品的预判方法 - Google Patents
一种易腐食品的预判方法 Download PDFInfo
- Publication number
- CN107247026A CN107247026A CN201710616813.7A CN201710616813A CN107247026A CN 107247026 A CN107247026 A CN 107247026A CN 201710616813 A CN201710616813 A CN 201710616813A CN 107247026 A CN107247026 A CN 107247026A
- Authority
- CN
- China
- Prior art keywords
- perishables
- wavelength
- value
- perishable items
- laser
- 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.)
- Withdrawn
Links
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
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
本发明公开了一种易腐食品的预判方法,包括以下步骤:S1:采用激光加热易腐食物;S2:采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3;S3:选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3;S4:根据权重值得出易腐食物的综合光谱W;W=F1*W1+F2*W2+F3*W3;S5:根据W得出易腐食物的腐败程度。本发明一种易腐食品的预判方法,通过对波长1000nm、1500nm和2000nm处的反射光谱值进行加权平均,实现了对易腐食物内部的腐败情况检测。
Description
技术领域
本发明涉及食品检测领域,具体涉及一种易腐食品的预判方法。
背景技术
易腐食品是指在自然温度环境下受温度和湿度的影响,存放一定时间内容易发生动物性食物的死亡或变质,植物性食物的腐烂、霉变等异常质量问题。动物性食品包含:虾、蟹、沙蚕、活冻贝、鲜鱼类,畜禽肉类及加工后的食品;植物性食物包含:花卉、水果、蔬菜类、菌类等;速冻面食,蛋乳制品等。易腐食品容易变质是由多方面的原因造成的,首先决定于货物本身所组成的性质,其次由于微生物的存在,酶的作用以及外界温度的影响等。其中因微生物的生长、发育和繁殖活动而造成货物腐败,是冷藏货物易腐变质的主要原因。此外,由于货物受压或因在运输过程中受到碰撞、震动而造成表面损伤,从而引起化学变化而腐败。这种腐败,开始时虽只局限于受损部分,但在一定条件下,由于微生物的作用,能迅速扩大引起整体腐烂。新鲜蔬菜有着丰富的营养价值,它品种多,特性各异。由于蔬菜本身所组成的性质适宜于微生物的繁殖和生长。因此,是一种易腐易坏的货物。蔬菜腐坏主要是受温、湿度的影响、环境卫生条件和气体成分不适宜而引起的。空气过于干燥,萝卜容易空心;过于潮湿,叶菜类就容易腐烂。
然而现有的易腐食物检测只能检测到食物表面发生的腐败,而不能检测食物内部发生的腐败情况。
发明内容
本发明所要解决的技术问题是现有的易腐食物检测只能检测到食物表面发生的腐败,而不能检测食物内部发生的腐败情况,目的在于提供一种易腐食品的预判方法,解决上述问题。
本发明通过下述技术方案实现:
一种易腐食品的预判方法,包括以下步骤:S1:采用激光加热易腐食物;S2:采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3;S3:选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3;S4:根据权重值得出易腐食物的综合光谱W;W=F1*W1+F2*W2+F3*W3;S5:根据W得出易腐食物的腐败程度。
现有技术中,易腐食物检测只能检测到食物表面发生的腐败,而不能检测食物内部发生的腐败情况。本发明应用时,先采用激光加热易腐食物,再采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3,然后选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3,再然后根据权重值得出易腐食物的综合光谱W;W=F1*W1+F2*W2+F3*W3,最后根据W得出易腐食物的腐败程度。发明人发现在波长1000nm、波长1500nm和波长2000nm处,腐败食物的反射光谱值均会出现大幅的下降,从而通过观测这三个光谱值即可以准确的判别出食物的腐败情况,而易腐食物在激光加热下,会整体包括食物内部发出红外光,从而根据该红外光谱可以有效的获得易腐食物内部的腐败情况。本发明通过对波长1000nm、1500nm和2000nm处的反射光谱值进行加权平均,实现了对易腐食物内部的腐败情况检测。
进一步的,步骤S5中所述根据W得出易腐食物的腐败程度,采用将W与该食物新鲜状态下的新鲜综合光谱值W4求差并取绝对值,所述绝对值越大说明易腐食物的腐败程度越高,反之绝对值越小说明易腐食物的腐败程度越低。
进一步的,所述F1、F2和F3的值随着易腐食品的种类不同而发生变化。
本发明应用时,由于食物不同时,易腐食品的F1、F2和F3均会不同,比如猕猴桃和苹果这种水果,1000nm波长下的反射光谱值的变化会比较敏感,而2000nm波长下的反射光谱值的变化不敏感;对于面包等小麦制品,2000nm波长下的反射光谱值的变化会非常敏感,而1500nm波长下的反射光谱值的变化不敏感,1000nm波长下的反射光谱值则几乎不会发生变化;所以选用适当的F1、F2和F3可以使得本发明可以应用于各种食物的腐败程度检测。
进一步的,所述激光采用功率小于0.4mW的低输出激光。
进一步的,所述激光采用波长700nm的激光。
本发明应用时,波长700nm的激光会不会对检测结果造成影响,提高了检测的精确度。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明一种易腐食品的预判方法,通过对波长1000nm、1500nm和2000nm处的反射光谱值进行加权平均,实现了对易腐食物内部的腐败情况检测。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明步骤示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
如图1所示,本发明一种易腐食品的预判方法,包括以下步骤:S1:采用激光加热易腐食物;S2:采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3;S3:选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3;S4:根据权重值得出易腐食物的综合光谱W;W=F1*W1+F2*W2+F3*W3;S5:根据W得出易腐食物的腐败程度。步骤S5中所述根据W得出易腐食物的腐败程度,采用将W与该食物新鲜状态下的新鲜综合光谱值W4求差并取绝对值,所述绝对值越大说明易腐食物的腐败程度越高,反之绝对值越小说明易腐食物的腐败程度越低。所述F1、F2和F3的值随着易腐食品的种类不同而发生变化。所述激光采用功率小于0.4mW的低输出激光。所述激光采用波长700nm的激光。
本实施例实施时,先采用激光加热易腐食物,再采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3,然后选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3,再然后根据权重值得出易腐食物的综合光谱W;W=F1*W1+F2*W2+F3*W3,最后根据W得出易腐食物的腐败程度。发明人发现在波长1000nm、波长1500nm和波长2000nm处,腐败食物的反射光谱值均会出现大幅的下降,从而通过观测这三个光谱值即可以准确的判别出食物的腐败情况,而易腐食物在激光加热下,会整体包括食物内部发出红外光,从而根据该红外光谱可以有效的获得易腐食物内部的腐败情况。本发明通过对波长1000nm、1500nm和2000nm处的反射光谱值进行加权平均,实现了对易腐食物内部的腐败情况检测。由于食物不同时,易腐食品的F1、F2和F3均会不同,比如猕猴桃和苹果这种水果,1000nm波长下的反射光谱值的变化会比较敏感,而2000nm波长下的反射光谱值的变化不敏感,此时的F1=0.6,F2=0.35,F3=0.05;对于面包等小麦制品,2000nm波长下的反射光谱值的变化会非常敏感,而1500nm波长下的反射光谱值的变化不敏感,1000nm波长下的反射光谱值则几乎不会发生变化,此时的F1=0.02,F2=0.28,F3=0.7;所以选用适当的F1、F2和F3可以使得本发明可以应用于各种食物的腐败程度检测。波长700nm的激光会不会对检测结果造成影响,提高了检测的精确度。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种易腐食品的预判方法,其特征在于,包括以下步骤:
S1:采用激光加热易腐食物;
S2:采集易腐食物的光谱,并记录波长1000nm处的反射光谱值W1、波长1500nm处的反射光谱值W2和波长2000nm处的反射光谱值W3;
S3:选取W1处的权重值F1,选取W2处的权重值F2,选取W3处的权重值F3;
S4:根据权重值得出易腐食物的综合光谱W;
W=F1*W1+F2*W2+F3*W3;
S5:根据W得出易腐食物的腐败程度。
2.根据权利要求1所述的一种易腐食品的预判方法,其特征在于,步骤S5中所述根据W得出易腐食物的腐败程度,采用将W与该食物新鲜状态下的新鲜综合光谱值W4求差并取绝对值,所述绝对值越大说明易腐食物的腐败程度越高,反之绝对值越小说明易腐食物的腐败程度越低。
3.根据权利要求1所述的一种易腐食品的预判方法,其特征在于,所述F1、F2和F3的值随着易腐食品的种类不同而发生变化。
4.根据权利要求1所述的一种易腐食品的预判方法,其特征在于,所述激光采用功率小于0.4mW的低输出激光。
5.根据权利要求1所述的一种易腐食品的预判方法,其特征在于,所述激光采用波长700nm的激光。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710616813.7A CN107247026A (zh) | 2017-07-26 | 2017-07-26 | 一种易腐食品的预判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710616813.7A CN107247026A (zh) | 2017-07-26 | 2017-07-26 | 一种易腐食品的预判方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107247026A true CN107247026A (zh) | 2017-10-13 |
Family
ID=60013240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710616813.7A Withdrawn CN107247026A (zh) | 2017-07-26 | 2017-07-26 | 一种易腐食品的预判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107247026A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050272157A1 (en) * | 2004-03-12 | 2005-12-08 | Barnet Liberman | Method of evaluating freshness of a fish product |
CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
CN103592316A (zh) * | 2013-10-23 | 2014-02-19 | 江苏大学 | 一种马铃薯的缺陷检测方法 |
CN104297165A (zh) * | 2014-10-28 | 2015-01-21 | 南京农业大学 | 一种基于高光谱图像对腐败真菌生长预测的方法 |
CN104655761A (zh) * | 2015-02-28 | 2015-05-27 | 华南理工大学 | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 |
CN104897581A (zh) * | 2015-05-29 | 2015-09-09 | 华南理工大学 | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 |
CN105973814A (zh) * | 2015-12-16 | 2016-09-28 | 新希望双喜乳业(苏州)有限公司 | 一种激光近红外快速检测牛奶新鲜度的方法 |
CN106404692A (zh) * | 2016-11-09 | 2017-02-15 | 大连工业大学 | 利用高光谱成像技术检测即食海参新鲜度等级的方法 |
-
2017
- 2017-07-26 CN CN201710616813.7A patent/CN107247026A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050272157A1 (en) * | 2004-03-12 | 2005-12-08 | Barnet Liberman | Method of evaluating freshness of a fish product |
CN103439285A (zh) * | 2013-08-19 | 2013-12-11 | 华南理工大学 | 一种基于高光谱成像的鱼片新鲜度检测方法 |
CN103592316A (zh) * | 2013-10-23 | 2014-02-19 | 江苏大学 | 一种马铃薯的缺陷检测方法 |
CN104297165A (zh) * | 2014-10-28 | 2015-01-21 | 南京农业大学 | 一种基于高光谱图像对腐败真菌生长预测的方法 |
CN104655761A (zh) * | 2015-02-28 | 2015-05-27 | 华南理工大学 | 一种基于多光谱成像在线测定鱼肉新鲜度指标k值的方法 |
CN104897581A (zh) * | 2015-05-29 | 2015-09-09 | 华南理工大学 | 基于高光谱的识别新鲜肉、冷却肉和冷冻肉的方法及装置 |
CN105973814A (zh) * | 2015-12-16 | 2016-09-28 | 新希望双喜乳业(苏州)有限公司 | 一种激光近红外快速检测牛奶新鲜度的方法 |
CN106404692A (zh) * | 2016-11-09 | 2017-02-15 | 大连工业大学 | 利用高光谱成像技术检测即食海参新鲜度等级的方法 |
Non-Patent Citations (2)
Title |
---|
N. SINELLI ET AL.: "Evaluation of freshness decay of minced beef stored in high-oxygen modified atmosphere packaged at different temperatures using NIR and MIR spectroscopy", 《MEAT SCIENCE》 * |
金超等: "基于激光辅助的红外热像的食品腐败检测", 《食品科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alegbeleye et al. | Microbial spoilage of vegetables, fruits and cereals | |
Tolera et al. | Nutritional quality of Oyster Mushroom (Pleurotus Ostreatus) as affected by osmotic pretreatments and drying methods | |
Hill | Pests of stored foodstuffs and their control | |
EFSA Panel on Biological Hazards (BIOHAZ) | Scientific Opinion on the risk posed by pathogens in food of non‐animal origin. Part 1 (outbreak data analysis and risk ranking of food/pathogen combinations) | |
Caleb et al. | Modified atmosphere packaging of pomegranate fruit and arils: a review | |
Haugaard et al. | Potential food applications of biobased materials. An EU‐concerted action project | |
Wakjira | Solar drying of fruits and windows of opportunities in Ethiopia | |
Al-Dairi et al. | Postharvest quality, technologies, and strategies to reduce losses along the supply chain of banana: A review | |
TW201726000A (zh) | 動物生殖器棒串式寵物零食 | |
Peter et al. | Computational intelligence and mathematical modelling in chanterelle mushrooms’ drying process under heat pump dryer | |
Li et al. | Evaluation of the effects of different freezing and thawing methods on the quality preservation of Pleurotus eryngii | |
CN102266016A (zh) | 脱水蔬菜粉的加工方法 | |
TW201725972A (zh) | 蔬菜及水果串寵物零食 | |
US20070248733A1 (en) | Ready meal for pets | |
CN107525780A (zh) | 基于光谱技术的物品腐败程度检测系统 | |
CN102228076A (zh) | 蔬菜脱水加工工艺 | |
CN107247026A (zh) | 一种易腐食品的预判方法 | |
Adegoke et al. | Preservation of plant and animal foods: An overview | |
Demissew et al. | Testing and demonstration of onion flake processing technology in fogera area at Rib and Megech River Project | |
Sivamma et al. | Drying of white onion slices in modified solar greenhouse dryer using aluminium foil and black mulch sheet | |
Dandago | Changes in nutrients during storage and processing of foods-a review | |
Verma et al. | Processing of mushrooms: A viable option to sustain the growing population of the developing countries | |
Agu et al. | Sodium dodecyl sulphate polyacrylamide gel electrophoresis (SDS-PAGE) of fungal contaminant of garri | |
Chimi et al. | Industrial processing of figs by solar drying in Morocco | |
Samuel et al. | Moisture sorption behaviour and mould ecology of trade garri sold in South Eastern Nigeria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171013 |