CN107356536B - 葡萄酒品质检测方法、服务器及光谱测量设备 - Google Patents
葡萄酒品质检测方法、服务器及光谱测量设备 Download PDFInfo
- Publication number
- CN107356536B CN107356536B CN201710453395.4A CN201710453395A CN107356536B CN 107356536 B CN107356536 B CN 107356536B CN 201710453395 A CN201710453395 A CN 201710453395A CN 107356536 B CN107356536 B CN 107356536B
- Authority
- CN
- China
- Prior art keywords
- sample
- spectral
- detected
- hyperspectral data
- slope index
- 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
Images
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
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
本发明公开葡萄酒品质检测方法、服务器及光谱测量设备。其中,所述方法包括:接收待检测样品的高光谱数据,所述高光谱数据是由光谱测量设备获得并发送的;根据所述高光谱数据获得所述待检测样品的光谱斜率指数;根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。所述服务器用于执行上述方法。本发明提供的葡萄酒品质检测方法、服务器及光谱测量设备,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
Description
技术领域
本发明涉及食品安全检测技术领域,具体涉及葡萄酒品质检测方法、服务器及光谱测量设备。
背景技术
近年来葡萄酒作为一种时尚、健康的饮品,受到越来越多的人青睐,葡萄酒是以鲜葡萄或葡萄汁为原料,经全部或部分发酵酿制而成的,通常酒精浓度不低于7.0%。随着中国葡萄酒市场和国际市场的接轨,葡萄酒消费呈快速增长趋势,然而现阶段消费市场上存在一些商家为了利益最大化而向通过天然发酵酿造而成的葡萄酒中掺水,导致其品质良莠不齐。
常用的葡萄酒品质检测方法包括感官检测、理化检测,以及近年来发展迅速地基于近红外光谱技术的检测方法。感官检测是消费市场中应用最为广泛的品质鉴别手段,经过长期训练的品评人员可以较好的评价一种葡萄酒品质的好坏,其方法是通过对葡萄酒的颜色、澄清、香味风格个性等的评价,并对比葡萄酒的评分标准对分析结果打分。但是,即使是训练有素的不同品酒人员之间依然可能出现很大的主观评价差异。理化检测方法基于葡萄酒理化成分分析方法以及对理化参数的不同方式处理。部分理化指标能够在一定程度上反映葡萄酒的一些品质特征,但由于葡萄酒中各种成分的复杂性,葡萄酒的品质不仅与其中的主要成分有关,也与许多微量成分密切相关,不仅与各种物质的含量有关,更与各种物质间比例的谐调性有关。因此,理化指标以及基于理化指标的统计分析技术的充分应用也只能从某一个或少数层次上对葡萄酒进行评价。近年来,随着光谱技术的快速发展,一种基于近红外光谱分析的无损检测方法被应用葡萄酒品质的检测,这种方法通过获取葡萄酒样本的光谱反射曲线,并对其内部物质含量进行建模,定量的分析葡萄酒稀释程度等级,但现阶段还局限在实验室内进行,需要价格昂贵的光谱测量系统支撑,成本较高,且后期需要具备专业知识的相关人员通过复杂的计算机算法对数据进行分析建模。
因此,如何提出一种方法,能够对葡萄酒的品质进行快速检测,以提高对葡萄酒品质的检测效率,成为业界亟待解决的重要课题。
发明内容
针对现有技术中的缺陷,本发明提供葡萄酒品质检测方法、服务器及光谱测量设备。
一方面,本发明提出一种葡萄酒品质检测方法,包括:
接收待检测样品的高光谱数据,所述高光谱数据是由光谱测量设备获得并发送的;
根据所述高光谱数据获得所述待检测样品的光谱斜率指数;
根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
另一方面,本发明还提供一种葡萄酒品质检测方法,包括:
获取待检测样品的高光谱数据;
发送所述高光谱数据至服务器,以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数,并根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
又一方面,本发明提供一种服务器,包括:
接收模块,用于接收待检测样品的高光谱数据,所述高光谱数据是由移动终端获得并发送的;
处理模块,用于根据所述高光谱数据获得所述待检测样品的光谱斜率指数;
检测模块,根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
再一方面,本发明提供一种光谱测量设备,包括:
获取模块,用于获取待检测样品的高光谱数据;
发送模块,用于发送所述高光谱数据至服务器,以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数,并根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
本发明提供的葡萄酒品质检测方法、服务器及光谱测量设备,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
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一简单地介绍,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为本发明一实施例葡萄酒品质检测方法的流程示意图;
图2为本发明一实施例已知样品含水百分比随光谱斜率指数的变化示意图;
图3为本发明一实施例已知样品含水百分比与对应的光谱斜率指数的拟合直线示意图;
图4为本发明另一实施例葡萄酒品质检测方法的流程示意图;
图5为本发明一实施例服务器的结构示意图;
图6为本发明一实施例光谱测量设备的结构示意图。
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,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。
图1为本发明一实施例葡萄酒品质检测方法的流程示意图,如图1所示,本发明提供的葡萄酒品质检测方法,包括:
S101、接收待检测样品的高光谱数据,所述高光谱数据是由光谱测量设备获得并发送的;
具体地,光谱测量设备采集待检测样品的高光谱数据,并将所述高光谱数据发送至服务器,所述服务器接收所述高光谱数据。其中,所述光谱测量设备可以是集成特定光源,例如卤素灯,和微型高光谱传感器的移动终端,并具有远程通信功能,可以将所述高光谱数据发送至所述服务器。所述待检测样品为葡萄酒样品。
S102、根据所述高光谱数据获得所述待检测样品的光谱斜率指数;
具体地,所述服务器接收到所述高光谱数据之后,根据所述高光谱数据在特征波段内获得光谱反射率及其对应的波长值,再根据所述光谱反射率及其对应的波长值获得所述待检测样品的光谱斜率指数。其中,所述特征波段可以设定为800-850nm,在所述特征波段内所述光谱反射率随着葡萄酒的含水量不同而呈现明显的变化。
例如,所述服务器根据所述高光谱数据在第一特征波段范围内获得光谱反射率的最大值RFmax及其对应的波长值λmax,所述第一特征波段可以设置为800~830nm;所述服务器根据所述高光谱数据在第二特征波段范围内获得所述光谱反射率的最小值RFmin及其对应的波长值λmin,所述第二特征波段可以设置为830~850nm;再根据公式计算获得所述光谱斜率指数F。
S103、根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
具体地,所述品质检测即检测所述待测样品的含水量,所述服务器根据获得的所述光谱斜率指数和检测模型,可以获得所述待检测样品的含水量,如果检测出的所述待测样品的含水量在所述葡萄酒的含水量的正常范围内,说明所述葡萄酒品质良好。例如,可以将所述光谱斜率指数输入到所述检测模型中,从而计算获得所述待检测样品的含水量,根据所述含水量确定所述待检测样品的品质。其中,所述检测模型是预先建立的。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
在上述实施例的基础上,进一步地,所述根据所述高光谱数据获得所述待检测样品的光谱斜率指数包括:
根据公式计算获得所述光谱斜率指数F,其中,RFmax为在第一特征波段范围内光谱反射率的最大值,λmax为与所述光谱反射率的最大值对应的波长值,RFmin为在第二特征波段范围内所述光谱反射率的最小值,λmin为与所述光谱反射率的最小值对应的波长值。
具体地,所述服务器根据所述高光谱数据在第一特征波段范围内获得光谱反射率的最大值RFmax及其对应的波长值λmax,所述第一特征波段可以设置为800~830nm;所述服务器根据所述高光谱数据在第二特征波段范围内获得所述光谱反射率的最小值RFmin及其对应的波长值λmin,所述第二特征波段可以设置为830~850nm;再根据公式计算获得所述光谱斜率指数F。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而通过给定光谱斜率指数的计算公式,可以快速计算出光谱斜率指数,有利于提高对待检测样品的检测效率。
在上述各实施例的基础上,进一步地,所述检测模型是根据含水量已知的葡萄酒样品的光谱斜率指数及其对应的含水量建立的。
具体地,获取多个含水量已知的葡萄酒样品(以下简称已知样品)的高光谱数据,所述已知样品的高光谱数据可以通过所述光谱测量设备获得;再根据每个已知样品的高光谱数据获得所述每个已知样品的光谱斜率指数,所述已知样品的光谱斜率指数的获得与步骤102类似,此处不再赘述;然后,根据所述每个已知样品的光谱斜率指数及其对应的含水量建立所述检测模型。
例如,基于六个已知样品,可以获得所述六个已知样品的光谱斜率指数,根据所述六个已知样品的光谱斜率指数以及各自对应的含水量可以得到如图2所示的已知样品含水百分比随光谱斜率指数的变化示意图。根据所述六个已知样品的含水量及其各自对应的光谱斜率指数可以拟合出含水量与光谱斜率指数的函数关系,图3为已知样品含水百分比与对应的光谱斜率指数的拟合直线示意图,函数表达式为f(x)=-3.4109x+0.0526,x表示所述光谱斜率指数,f(x)表示含水量,上述函数关系式可以作为所述检测模型。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而通过预先设定检测模型,可以快速检测待测样品的品质,有利于提高对待检测样品的检测效率。
在上述各实施例的基础上,进一步地,本发明提供的葡萄酒品质检测方法还包括:在接收所述待检测样品的高光谱数据之后,对所述高光谱数据进行预处理;相应地,根据所述高光谱数据获得所述待检测样品的光谱斜率指数包括:根据预处理后的所述高光谱数据获得所述待检测样品的光谱斜率指数。
具体地,为了获得高质量所述高光谱数据,所述服务器在接收所述待检测样品的高光谱数据之后,可以对所述高光谱数据进行预处理,包括降噪处理、反射率计算、特征增强等,上述对所述高光谱数据的预处理过程为现有技术,此处不做赘述。相应地,所述服务器根据预处理后的所述高光谱数据获得所述待检测样品的光谱斜率指数。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而通过对高光谱数据的预处理,可以提高光谱数据的质量,有利于提高对待检测样品的检测准确性。
在上述各实施例的基础上,进一步地,本发明提供的葡萄酒品质检测方法还包括:发送所述待检测样品的品质检测结果至所述光谱测量设备进行显示。
具体地,所述服务器在获得所述待检测样品的检测结果之后,将所述检测结果发送至所述光谱测量设备进行显示。例如,所述服务器在检测获得所述待检测样品的含水量之后,将所述含水量发送至所述光谱测量设备显示。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而将检测结果发送至光谱测量设备显示,有利于检测人员直观获得检测结果。
图4为本发明另一实施例葡萄酒品质检测方法的流程示意图,如图4所示,本发明提供的葡萄酒品质检测方法,包括:
S401、获取待检测样品的高光谱数据;
具体地,光谱测量设备采集待检测样品的高光谱数据。其中,所述光谱测量设备可以是集成特定光源,例如卤素灯,和微型高光谱传感器的移动终端,可以对所述待检测样品进行高光谱数据的采集。所述待检测样品为葡萄酒样品。
S402、发送所述高光谱数据至服务器,以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数,并根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
具体地,所述光谱测量设备将所述高光谱数据发送至服务器,所述服务器会接收所述高光谱数据。所述服务器接收到所述高光谱数据之后,根据所述高光谱数据在特征波段内获得光谱反射率及其对应的波长值,再根据所述光谱反射率及其对应的波长值获得所述待检测样品的光谱斜率指数。其中,所述特征波段可以设定为800-850nm,在所述特征波段内光谱的反射率随着葡萄酒含水量的不同而呈现明显的变化。所述服务器根据获得的所述光谱斜率指数和检测模型,对所述待检测样品进行品质检测,所述品质检测即检测所述待测样品中的含水量,如果检测出的所述含水量在所述葡萄酒的正常范围内,说明所述葡萄酒品质良好。例如,可以将所述光谱斜率指数输入到所述检测模型中,从而计算获得所述待检测样品的含水量,根据所述含水量确定所述待检测样品的品质。其中,所述检测模型是预先建立的。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
在上述实施例的基础上,进一步地,葡萄酒品质检测方法还包括:
接收所述服务器发送的所述待检测样品的品质检测结果并进行显示。
具体地,所述服务器在获得所述待检测样品的检测结果之后,将所述检测结果发送至所述光谱测量设备,所述光谱测量设备会接收所述检测结果,并将所述检测结果进行显示。例如,所述服务器在检测获得所述待检测样品的含水量之后,将所述含水量发送至所述光谱测量设备,所述光谱检测设备接收所述含水量,并在显示屏上显示所述含水量。
本发明提供的葡萄酒品质检测方法,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而将检测结果发送至光谱测量设备显示,有利于检测人员直观获得检测结果。
图5为本发明一实施例服务器的结构示意图,如图5所示,本发明提供的服务器,包括接收模块501、处理模块502和检测模块503,其中:
接收模块501用于接收待检测样品的高光谱数据,所述高光谱数据是由移动终端获得并发送的;处理模块502用于根据所述高光谱数据获得所述待检测样品的光谱斜率指数;检测模块503根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
具体地,光谱测量设备采集待检测样品的高光谱数据,并将所述高光谱数据发送至接收模块501,接收模块501接收所述高光谱数据。其中,所述光谱测量设备可以是集成特定光源,例如卤素灯,和微型高光谱传感器的移动终端,并具有远程通信功能,可以将所述高光谱数据发送至接收模块501。所述待检测样品为葡萄酒样品。
处理模块502在接收到所述高光谱数据之后,根据所述高光谱数据在特征波段内获得光谱反射率及其对应的波长值,再根据所述光谱反射率及其对应的波长值获得所述待检测样品的光谱斜率指数。其中,所述特征波段可以设定为800-850nm,在所述特征波段内所述光谱反射率随着葡萄酒的含水量不同而呈现明显的变化。
所述品质检测即检测所述待测样品的含水量,检测模块503根据获得的所述光谱斜率指数和检测模型,可以获得所述待检测样品的含水量,如果检测出的所述含水量在所述葡萄酒的含水量的正常范围内,说明所述葡萄酒品质良好。例如,检测模块503可以将所述光谱斜率指数输入到所述检测模型中,从而计算获得所述待检测样品的含水量,根据所述含水量确定所述待检测样品的品质。其中,所述检测模型是预先建立的。
本发明提供的服务器,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
在上述各实施例的基础上,进一步地,处理模块502具体用于:
根据公式计算获得光谱斜率指数F,其中,RFmax为波长值在第一特征波段范围内光谱反射率的最大值,λmax为与所述光谱反射率的最大值对应的波长值,RFmin为波长值在第二特征波段范围内光谱反射率的最小值,λmin为与所述光谱反射率的最小值对应的波长值。
具体地,处理模块502根据所述高光谱数据在第一特征波段范围内获得光谱反射率的最大值RFmax及其对应的波长值λmax,所述第一特征波段可以设置为800~830nm;处理模块502根据所述高光谱数据在第二特征波段范围内获得所述光谱反射率的最小值RFmin及其对应的波长值λmin,所述第二特征波段可以设置为830~850nm;处理模块502再根据公式计算获得所述光谱斜率指数F。
本发明提供的服务器,由于能够通过光谱测量设备获得待检测样品的高光谱数据,并根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。而通过给定光谱斜率指数的计算公式,可以快速计算出光谱斜率指数,有利于提高对待检测样品的检测效率。
本发明提供的服务器的实施例具体可以用于执行上述相应方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图6为本发明一实施例光谱测量设备的结构示意图,如图6所示,本发明提供的光谱测量设备包括获取模块601和发送模块602,其中:
获取模块601用于获取待检测样品的高光谱数据;发送模块602用于发送所述高光谱数据至服务器,以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数,并根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测。
具体地,获取模块601采集待检测样品的高光谱数据。其中,获取模块601可以包括特定光源,例如卤素灯,和微型高光谱传感器的移动终端,可以对所述待检测样品进行高光谱数据的采集。所述待检测样品为葡萄酒样品。
发送模块602将所述高光谱数据发送至服务器,所述服务器会接收所述高光谱数据。所述服务器接收到所述高光谱数据之后,根据所述高光谱数据在特征波段内获得光谱反射率及其对应的波长值,再根据所述光谱反射率及其对应的波长值获得所述待检测样品的光谱斜率指数。其中,所述特征波段可以设定为800-850nm,在所述特征波段内光谱的反射率随着葡萄酒含水量的不同而呈现明显的变化。所述服务器根据获得的所述光谱斜率指数和检测模型,对所述待检测样品进行品质检测,所述品质检测即检测所述待测样品中的含水量,如果检测出的所述含水量在所述葡萄酒的正常范围内,说明所述葡萄酒品质良好。例如,可以将所述光谱斜率指数输入到所述检测模型中,从而计算获得所述待检测样品的含水量,根据所述含水量确定所述待检测样品的品质。其中,所述检测模型是预先建立的。
本发明提供的光谱测量设备,能够获得待检测样品的高光谱数据,并将高光谱数据发送至服务器,服务器根据高光谱数据获得待检测样品的光谱斜率指数,从而根据光谱斜率指数和预先建立的检测模型对待检测样品进行品质检测,提高了对待检测样品的检测效率。
本发明提供的光谱测量设备的实施例具体可以用于执行上述相应方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
2.根据权利要求1所述的方法,其特征在于,所述检测模型是根据含水量已知的葡萄酒样品的光谱斜率指数及其对应的含水量建立的。
3.根据权利要求1所述的方法,其特征在于,还包括:
在接收所述待检测样品的高光谱数据之后,对所述高光谱数据进行预处理;
相应地,根据所述高光谱数据获得所述待检测样品的光谱斜率指数包括:根据预处理后的所述高光谱数据获得所述待检测样品的光谱斜率指数。
4.根据权利要求1至3任一项所述的方法,其特征在于,还包括:
发送所述待检测样品的品质检测结果至所述光谱测量设备进行显示。
6.根据权利要求5所述的方法,其特征在于,还包括:
接收所述服务器发送的所述待检测样品的品质检测结果并进行显示。
8.一种光谱测量设备,其特征在于,包括:
获取模块,用于获取待检测样品的高光谱数据;
发送模块,用于发送所述高光谱数据至服务器,以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数,并根据所述光谱斜率指数和预先建立的检测模型对所述待检测样品进行品质检测;
其中,所述以使得所述服务器根据所述高光谱数据获得所述待检测样品的光谱斜率指数包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710453395.4A CN107356536B (zh) | 2017-06-15 | 2017-06-15 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710453395.4A CN107356536B (zh) | 2017-06-15 | 2017-06-15 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356536A CN107356536A (zh) | 2017-11-17 |
CN107356536B true CN107356536B (zh) | 2020-07-17 |
Family
ID=60272884
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710453395.4A Active CN107356536B (zh) | 2017-06-15 | 2017-06-15 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107356536B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107356536B (zh) * | 2017-06-15 | 2020-07-17 | 中科谱光科技(北京)有限公司 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
CN110174360A (zh) * | 2019-05-05 | 2019-08-27 | 青岛海尔智能技术研发有限公司 | 酒品鉴别装置、方法、系统和醒酒器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201477049U (zh) * | 2009-09-07 | 2010-05-19 | 上海镭立激光科技有限公司 | 利用紫外激光拉曼荧光联合光谱的防伪系统 |
CN201819877U (zh) * | 2010-03-30 | 2011-05-04 | 浙江师范大学 | 基于近红外光谱分析技术的牛奶水分快速监测装置 |
CN105578953A (zh) * | 2013-07-22 | 2016-05-11 | 洛克菲勒大学 | 用于皮肤疾病的光学检测的系统和方法 |
CN106841070A (zh) * | 2017-03-09 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种白酒真伪鉴定方法及装置 |
CN107356536A (zh) * | 2017-06-15 | 2017-11-17 | 中科谱光科技(北京)有限公司 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
-
2017
- 2017-06-15 CN CN201710453395.4A patent/CN107356536B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201477049U (zh) * | 2009-09-07 | 2010-05-19 | 上海镭立激光科技有限公司 | 利用紫外激光拉曼荧光联合光谱的防伪系统 |
CN201819877U (zh) * | 2010-03-30 | 2011-05-04 | 浙江师范大学 | 基于近红外光谱分析技术的牛奶水分快速监测装置 |
CN105578953A (zh) * | 2013-07-22 | 2016-05-11 | 洛克菲勒大学 | 用于皮肤疾病的光学检测的系统和方法 |
CN106841070A (zh) * | 2017-03-09 | 2017-06-13 | 中国科学院遥感与数字地球研究所 | 一种白酒真伪鉴定方法及装置 |
CN107356536A (zh) * | 2017-06-15 | 2017-11-17 | 中科谱光科技(北京)有限公司 | 葡萄酒品质检测方法、服务器及光谱测量设备 |
Non-Patent Citations (2)
Title |
---|
光程变化对基于近红外光谱的黄酒品质检测的影响;林涛 等;《光谱学与光谱分析》;20090430;第29卷(第4期);第950-955页 * |
基于支持向量机的假酒近红外光谱识别分类研究;谭琨 等;《光子学报》;20130131;第42卷(第1期);第69-73页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107356536A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Nondestructive measurement of soluble solids content in apple using near infrared hyperspectral imaging coupled with wavelength selection algorithm | |
Hu et al. | Rapid detection of three quality parameters and classification of wine based on Vis-NIR spectroscopy with wavelength selection by ACO and CARS algorithms | |
Dos Santos et al. | Raman spectroscopy for wine analyses: A comparison with near and mid infrared spectroscopy | |
Yang et al. | Quantitative prediction and visualization of key physical and chemical components in black tea fermentation using hyperspectral imaging | |
Bao et al. | Measurement of soluble solid contents and pH of white vinegars using VIS/NIR spectroscopy and least squares support vector machine | |
Fernández-Novales et al. | Shortwave-near infrared spectroscopy for determination of reducing sugar content during grape ripening, winemaking, and aging of white and red wines | |
Nieuwoudt et al. | Principal component analysis applied to Fourier transform infrared spectroscopy for the design of calibration sets for glycerol prediction models in wine and for the detection and classification of outlier samples | |
Bevin et al. | Varietal discrimination of Australian wines by means of mid-infrared spectroscopy and multivariate analysis | |
Guidetti et al. | Evaluation of grape quality parameters by a simple Vis/NIR system | |
Bevin et al. | Development of a rapid “fingerprinting” system for wine authenticity by mid-infrared spectroscopy | |
Urraca et al. | Estimation of total soluble solids in grape berries using a hand‐held NIR spectrometer under field conditions | |
US20100297291A1 (en) | Visible/near-infrared spectrum analyzing method and grape fermenting method | |
Jiang et al. | Dynamic monitoring of fatty acid value in rice storage based on a portable near-infrared spectroscopy system | |
Peng et al. | Monitoring of alcohol strength and titratable acidity of apple wine during fermentation using near-infrared spectroscopy | |
Parpinello et al. | Relationship between sensory and NIR spectroscopy in consumer preference of table grape (cv Italia) | |
Li et al. | Nondestructive measurement and fingerprint analysis of soluble solid content of tea soft drink based on Vis/NIR spectroscopy | |
Sun et al. | Detection of internal qualities of hami melons using hyperspectral imaging technology based on variable selection algorithms | |
Yuan et al. | Non-invasive measurements of ‘Yunhe’pears by vis-NIRS technology coupled with deviation fusion modeling approach | |
CN105548070B (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 | |
Aleixandre-Tudo et al. | Towards on-line monitoring of phenolic content in red wine grapes: A feasibility study | |
Porep et al. | Implementation of an on‐line near infrared/visible (NIR/VIS) spectrometer for rapid quality assessment of grapes upon receival at wineries | |
Yu et al. | Prediction of enological parameters and discrimination of rice wine age using least-squares support vector machines and near infrared spectroscopy | |
CN107356536B (zh) | 葡萄酒品质检测方法、服务器及光谱测量设备 | |
Yu et al. | A portable NIR system for nondestructive assessment of SSC and firmness of Nanguo pears | |
CN113030011A (zh) | 水果糖度快速无损检测方法及检测系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200628 Address after: 100101 03-174, 8 floor, No. 18 Zhongguancun street, Beijing, Haidian District Applicant after: ZHONGKE PUGUANG TECHNOLOGY (BEIJING) Co.,Ltd. Applicant after: Tianjin zhongkeshi optical information technology Co.,Ltd. Address before: 100101 03-174, 8 floor, No. 18 Zhongguancun street, Beijing, Haidian District Applicant before: ZHONGKE PUGUANG TECHNOLOGY (BEIJING) Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |