CN108387530A - 一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 - Google Patents
一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 Download PDFInfo
- Publication number
- CN108387530A CN108387530A CN201810060939.5A CN201810060939A CN108387530A CN 108387530 A CN108387530 A CN 108387530A CN 201810060939 A CN201810060939 A CN 201810060939A CN 108387530 A CN108387530 A CN 108387530A
- Authority
- CN
- China
- Prior art keywords
- maleic acid
- sample
- starch
- high spectrum
- spectrum image
- 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.)
- Granted
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法。该方法包括:a、制备淀粉、顺丁烯二酸标准样本和淀粉‑顺丁烯二酸混合样本;b、用高光谱图像系统采集标准样本的高光谱图像;c、截取高光谱图像预分析区域并提取预分析区域内每个像素的光谱值;d、利用预分析区域内淀粉和顺丁烯二酸像素光谱值结合支持向量数据描述算法建立淀粉和顺丁烯二酸分类模型;f、采集混合样本的高光谱图像,截取预分析区域并提取预分析区域内每个像素的光谱值输入到分类模型中,获得顺丁烯二酸的检测结果。本发明通过高光谱图像系统检测淀粉中顺丁烯二酸,并根据顺丁烯二酸像素的分布情况,让检测结果可视化;操作简单,实时性好,可靠性高。
Description
技术领域
本发明属于食品无损检测技术领域,涉及一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法。
背景技术
“毒淀粉”是指在淀粉及淀粉制品中加入了化工原料顺丁烯二酸,以增加食品的弹性、粘性及外观光泽度,同时还可以增加淀粉的保质期。顺丁烯二酸是一种重要的工业原料,主要用于塑料、造纸、合成树脂、医药及农药等领域。现行国家标准GB2760-2014 并未将顺丁烯二酸列入食品添加剂,故顺丁烯二酸不能作为食品添加剂进行食品加工使用。有实验表明摄入过量的顺丁烯二酸,会破坏人体器官的粘膜组织,并损害肾脏。
目前采用的顺丁烯二酸的检测方法主要包括高效液相法、离子色谱法、液相色谱-串联质谱法等,但这些方法普遍操作繁琐,样本需要用有机溶剂对样本进行萃取等预处理,准备耗时长,操作复杂。
发明内容
本发明提供了一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法,该方法能够实现无损检测,能够在样本不需要有机溶剂处理的情况下,得到淀粉中顺丁烯二酸的检测结果,同时还可以根据图像显示顺丁烯二酸在淀粉中的具体分布位置情况。
本发明的技术方案:
一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法,步骤如下:
步骤a:制作纯淀粉和纯顺丁烯二酸的标准样本,两个标准标本的质量相同;
步骤b:选取与步骤a相同的纯淀粉与纯顺丁烯二酸,制备不同质量浓度的均匀混合样本;
步骤c:将标准样本和混合样本分别放在铝盘中,并刮平铝盘的表面;
步骤d:将铝盘放在高光谱图像采集系统中,采集并获取标准样本和混合样本的高光谱图像;
所述的高光谱图像采集系统包括采光室12、计算机1、电源7、石英卤素钨灯8和光纤9;所述采光室12内设有位于线性光源10上方的CCD控制器2、CCD数字照相机3、光谱仪4和聚焦透镜5,以及位于线性光源10下方的铝盘6和移动台11;其中,光谱仪4设置于CCD数字照相机3下方,CCD控制器2设置于CCD数字照相机3的上方,CCD数字照相机3的输出端与CCD控制器2相连,CCD控制器2的输出端与计算机1连接,用于向计算机1输出采集所得高光谱图像;所述光谱仪4的前端设有聚焦透镜5;所述的线性光源10 通过光纤9汇聚石英卤素钨灯8发出的光线,作为系统光源;石英卤素钨灯8的电源端连接电源7;所述系统光源照射在装有样本的铝盘6中的待测样本上,通过光谱仪4与CCD数字照相机3,采集待测样本的高光谱图像。所述CCD数字照相机3的覆盖的波长是900-1700nm;所述的线性光源10照射距离为250mm;所述光谱仪4的光谱分辨率为4.8nm;所述石英卤素钨灯8的输出功率为150W。
具体步骤如下:
s1、将CCD控制器2、CCD数字照相机3、光谱仪4及聚焦透镜5放置在采光室12 内;
s2、盖上光谱仪4前端的聚焦透镜5的镜头盖,采集全黑标定图像;
s3、将白色标准校正白板放置在聚焦透镜5的下方,获取校正光源波段影响的参考图像;
s4、将白色标准校正白板移出采光室12;
s5、将装有标准样本或混合样本的铝盘6放置在移动台11上,每个铝盘6由移动台11带动,光谱仪4连续扫描q条线,CCD数字照相机3获取铝盘6内整个样本的高光谱图像。
步骤e:高光谱图像采集系统截取并分析标准样本和混合样本的高光谱图像中的预分析区域,计算所有预分析区域里每个像素的光谱值;
步骤f:利用淀粉标准样本和顺丁烯二酸标准样本的像素点光谱值,并结合支持向量数据描述算法,建立淀粉和顺丁烯二酸的分类判别模型;
步骤g:将采集到的混合样本高光谱图像预分析区域提取的每个像素的光谱值带到分类判别模型中,获得顺丁烯二酸的检测结果;
步骤h:将检测结果中显示的顺丁烯二酸的像素点在混合样本的高光谱图像中标记出来,获得顺丁烯二酸在淀粉中的分布情况,将分布情况的检测结果可视化。
本发明利用高光谱图像采集系统和淀粉及顺丁烯二酸标准样本首先获得分类模型,通过分类模型及高光谱图像采集系统获得混合样本中顺丁烯二酸的检测结果,操作简单,实时性好,可靠性高。
附图说明
图1为本发明高光谱图像采集系统的工作原理结构示意图。
图2为本发明检测方法流程示意图。
图中:1、计算机;2、CCD控制器;3、CCD数字照相机;4、光谱仪;5、聚焦透镜;6、铝盘;7、电源;8、石英卤素钨灯;9、光纤;10、线性光源;11、移动台;12、采光室。
具体实施方式
下面结合具体附图对本发明的优选实施例进行说明。
如图1所示:CCD控制器2、CCD数字照相机3、光谱仪4、聚焦透镜5、装有样本的铝盘6、线性光源10与移动台11,均设置在采光室12内部,避免外来光源的干扰;所述CCD 数字照相机3覆盖的波长为900-1700nm;所述光谱仪4的光谱分辨率为4.8nm。CCD控制器 2、CCD数字照相机3、光谱仪4与聚焦透镜5依次配合连接,且位于光源的上方;聚焦透镜 5设置在光谱仪4的前端,光谱仪4设置在CCD数字照相机3上,CCD数字照相机3的输出端与CCD控制器2相连,CCD控制器2的输出端与计算机1相连,用于向计算机1输出采集所得高光谱图像;石英卤素钨灯8与电源7相连,并通过光纤9连接在线性光源10上,形成系统光源;系统光源照射在装有样本的铝盘6上,通过光谱仪4与CCD数字照相机3,通过移动台11的移动,采集装有样本的铝盘高光谱图像,所述石英卤素钨灯8的输出功率为 150W。所述铝盘6的规格为:长40mm,宽40mm,深2mm。
所述高光谱图像采集系统采集淀粉、顺丁烯二酸以及淀粉-顺丁烯二酸混合样本的高光谱图像的步骤包括:
s1、将CCD控制器2、CCD数字照相机3、光谱仪4、聚焦透镜5及线性光源10放置在采光室12内;所述采光室12为光学屏蔽装置,能够避免外来光源的干扰,确保高光谱图像采集系统采集淀粉、顺丁烯二酸以及淀粉-顺丁烯二酸混合样本高光谱图像的准确度;
s2、在采光室12内盖上光谱仪4前端的聚焦透镜5的镜头盖,采集全黑标定图像;
s3、在采光室12内放置白色标准校正白板,所述白色标准校正白板放置在CCD控制器2、CCD数字照相机3、光谱仪4及透镜组5的下方,获取校正光源波段影响的参考图像;
s4、移出采光室12内的白色标准校正白板,便于在采光室12内对装有样本的铝盘6进行检测;
s5、将装有淀粉、顺丁烯二酸或淀粉-顺丁烯二酸混合样本的铝盘6放置在CCD数字照相机3、光谱仪4及聚焦透镜5下方,每个铝盘由移动台11带动,系统连续扫描q 条线,获取整个样本铝盘的高光谱图像;CCD数字照相机3将采集到的高光谱图像经过CCD控制器2传送到计算机1内,由计算机1对高光谱图像进行相应的处理;
s6、利用全黑标定图像及白色标准校正白板的参考图像,计算每个标准样本或者是混合样本的相对高光谱图像。
截取相对高光谱图像的预分析样本区域,提取淀粉和顺丁烯二酸标准样本预分析区域内每个像素点的光谱值结合支持向量数据描述算法建立淀粉和顺丁烯二酸的分类判别模型,将采集到的混合样本高光谱图像预分析区域提取的每个像素的光谱值带到已建立的分类判别模型中,获得顺丁烯二酸的检测结果。
如图2所示:所述采用高光谱图像检测淀粉中顺丁烯二酸的步骤包括:
a、选取淀粉n克和纯度为99%的顺丁烯二酸n克作为标准样本;
b、分别选取淀粉各n克和纯度为99%的顺丁烯二酸0.005*n克、0.01*n克、0.05*n克,配置0.5%,1%,5%三种不同质量浓度的混合样本,放在搅拌器中充分混合m分钟;
c、将标准样本和混合均匀后的样本分别放在40mm长,40mm宽,2mm深的铝盘中,并用卡片刮平铝盘表面;
d、将放入样本的铝盘放在高光谱图像采集系统中,采集标准样本和混合样本的高光谱图像;对采集到的标准样本和混合样本高光谱图像,截取预分析区域进行分析;
e、计算每个样本的预分析区域里每个像素的光谱值;
f、利用淀粉和顺丁烯二酸标准样本的像素点光谱值结合支持向量数据描述算法建立淀粉和顺丁烯二酸的分类判别模型;
g、将采集到的混合样本高光谱图像预分析区域提取的每个像素的光谱值带到步骤f 得到的分类判别模型中,获得顺丁烯二酸的检测结果;
h、将检测得到顺丁烯二酸的像素点在混合样本的图像中给出标记,获得顺丁烯二酸在淀粉中的分布情况,检测结果可视化。
Claims (3)
1.一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法,其特征在于以下步骤:
步骤a:制作纯淀粉和纯顺丁烯二酸的标准样本,两个标准标本的质量相同;
步骤b:选取与步骤a相同的纯淀粉与纯顺丁烯二酸,制备不同质量浓度的均匀混合样本;
步骤c:将标准样本和混合样本分别放在铝盘中,并刮平铝盘的表面;
步骤d:将铝盘放在高光谱图像采集系统中,采集并获取标准样本和混合样本的高光谱图像;
步骤e:高光谱图像采集系统截取并分析标准样本和混合样本的高光谱图像中的预分析区域,计算所有预分析区域里每个像素的光谱值;
步骤f:利用淀粉标准样本和顺丁烯二酸标准样本的像素点光谱值,并结合支持向量数据描述算法,建立淀粉和顺丁烯二酸的分类判别模型;
步骤g:将采集到的混合样本高光谱图像预分析区域提取的每个像素的光谱值带到分类判别模型中,获得顺丁烯二酸的检测结果;
步骤h:将检测结果中显示的顺丁烯二酸的像素点在混合样本的高光谱图像中标记出来,获得顺丁烯二酸在淀粉中的分布情况,将分布情况的检测结果可视化。
2.一种权利要求1所述的无损检测方法,所述的高光谱图像采集系统包括采光室(12)、计算机(1)、电源(7)、石英卤素钨灯(8)和光纤(9);所述采光室(12)内设有位于线性光源(10)上方的CCD控制器(2)、CCD数字照相机(3)、光谱仪(4)和聚焦透镜(5),以及位于线性光源(10)下方的铝盘(6)和移动台(11);其中,光谱仪(4)设置于CCD数字照相机(3)下方,CCD控制器(2)设置于CCD数字照相机(3)的上方,CCD数字照相机(3)的输出端与CCD控制器(2)相连,CCD控制器(2)的输出端与计算机(1)连接,用于向计算机(1)输出采集所得高光谱图像;所述光谱仪(4)的前端设有聚焦透镜(5);所述的线性光源(10)通过光纤(9)汇聚石英卤素钨灯(8)发出的光线,作为系统光源;石英卤素钨灯(8)的电源端连接电源(7);所述系统光源照射在装有样本的铝盘(6)中的待测样本上,通过光谱仪(4)与CCD数字照相机(3),采集待测样本的高光谱图像;其特征在于,所述CCD数字照相机(3)的覆盖的波长是900-1700nm;所述的线性光源(10)照射距离为250mm;所述光谱仪(4)的光谱分辨率为4.8nm;所述石英卤素钨灯(8)的输出功率为150W;
该系统的检测步骤如下:
s1、将CCD控制器(2)、CCD数字照相机(3)、光谱仪(4)及聚焦透镜(5)放置在采光室(12)内;
s2、盖上光谱仪(4)前端的聚焦透镜(5)的镜头盖,采集全黑标定图像;
s3、将白色标准校正白板放置在聚焦透镜(5)的下方,获取校正光源波段影响的参考图像;
s4、将白色标准校正白板移出采光室(12);
s5、将装有标准样本或混合样本的铝盘(6)放置在移动台(11)上,每个铝盘(6)由移动台(11)带动,光谱仪(4)连续扫描q条线,CCD数字照相机(3)获取铝盘(6)内整个样本的高光谱图像。
3.根据权利要求1或2所述的无损检测方法,其特征是:所述铝盘的长为40mm,宽为40mm,深为2mm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810060939.5A CN108387530B (zh) | 2018-01-22 | 2018-01-22 | 一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810060939.5A CN108387530B (zh) | 2018-01-22 | 2018-01-22 | 一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108387530A true CN108387530A (zh) | 2018-08-10 |
CN108387530B CN108387530B (zh) | 2021-05-14 |
Family
ID=63077300
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810060939.5A Active CN108387530B (zh) | 2018-01-22 | 2018-01-22 | 一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108387530B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553983A (zh) * | 2019-09-05 | 2019-12-10 | 东北农业大学 | 一种牛奶中山梨酸钾的快速检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102621077A (zh) * | 2012-03-30 | 2012-08-01 | 江南大学 | 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法 |
CN103033512A (zh) * | 2012-07-24 | 2013-04-10 | 南京农业大学 | 一种基于高光谱识别种蛋孵化的装置与方法 |
KR20130051358A (ko) * | 2011-11-09 | 2013-05-20 | 고려대학교 산학협력단 | 식품 또는 전분 혼합물로부터 전분 출처 구별 방법 |
CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
-
2018
- 2018-01-22 CN CN201810060939.5A patent/CN108387530B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130051358A (ko) * | 2011-11-09 | 2013-05-20 | 고려대학교 산학협력단 | 식품 또는 전분 혼합물로부터 전분 출처 구별 방법 |
CN102621077A (zh) * | 2012-03-30 | 2012-08-01 | 江南大学 | 高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法 |
CN103033512A (zh) * | 2012-07-24 | 2013-04-10 | 南京农业大学 | 一种基于高光谱识别种蛋孵化的装置与方法 |
CN104280349A (zh) * | 2014-10-28 | 2015-01-14 | 南京农业大学 | 一种基于高光谱图像对白萝卜糠心鉴定的方法 |
CN107064096A (zh) * | 2017-06-02 | 2017-08-18 | 常熟市浙大紫金光电技术研究中心 | 基于高光谱成像的混合物粉末无损定量检测装置及方法 |
Non-Patent Citations (3)
Title |
---|
HAI-YAN FU等: "Detection of unexpected frauds: Screening and quantification of maleic acid in cassava starch by Fourier transform near-infrared spectroscopy", 《FOOD CHEMISTRY》 * |
JIANWEI QIN等: "Detecting Maleic Anhydride in Starch using Line-Scan Hyperspectral Raman Chemical Imaging", 《ASABE 2017 ANNUAL INTERNATIONAL MEETING》 * |
孙俊等: "高光谱图像技术在掺假大米检测中的应用", 《农业工程学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553983A (zh) * | 2019-09-05 | 2019-12-10 | 东北农业大学 | 一种牛奶中山梨酸钾的快速检测方法 |
CN110553983B (zh) * | 2019-09-05 | 2022-03-04 | 东北农业大学 | 一种牛奶中山梨酸钾的快速检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108387530B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Orrillo et al. | Hyperspectral imaging as a powerful tool for identification of papaya seeds in black pepper | |
CN207379913U (zh) | 一种基于反射和透射高光谱成像的棉花杂质检测装置 | |
KR101441953B1 (ko) | 시료 내 분석물의 측정 방법 및 측정 시스템 | |
Yao et al. | Non-invasive and rapid pH monitoring for meat quality assessment using a low-cost portable hyperspectral scanner | |
Lawrence et al. | A hyperspectral imaging system for identification of faecal and ingesta contamination on poultry carcasses | |
CN104897583B (zh) | 一种微量血迹无损检测装置及方法 | |
CN109001218A (zh) | 基于高光谱成像技术的苹果表面缺陷快速无损识别方法 | |
Stuart et al. | Low-cost hyperspectral imaging system: Design and testing for laboratory-based environmental applications | |
CN105891123A (zh) | 基于高光谱透射成像的雨生红球藻色素含量可视化方法 | |
CN103472031A (zh) | 一种基于高光谱成像技术的脐橙糖度检测方法 | |
Cao et al. | Identification of species and geographical strains of Sitophilus oryzae and Sitophilus zeamais using the visible/near‐infrared hyperspectral imaging technique | |
CN101936894B (zh) | 一种基于近红外光谱及显微脂肪细胞数据融合的猪肉新鲜度无损检测技术 | |
Wang et al. | Spatial distribution of total polyphenols in multi-type of tea using near-infrared hyperspectral imaging | |
CN109415753A (zh) | 鉴定细菌革兰氏类型的方法和系统 | |
Kandpal et al. | Raman spectral imaging technique for API detection in pharmaceutical microtablets | |
CN114419311B (zh) | 一种基于多源信息的百香果成熟度无损检测方法及装置 | |
Liu et al. | Fast hyperspectral imager driven by a low-cost and compact galvo-mirror | |
CN108387530A (zh) | 一种基于高光谱图像技术进行淀粉中顺丁烯二酸的无损检测方法 | |
Davies et al. | Image correction and In situ spectral calibration for low-cost, smartphone hyperspectral imaging | |
CN107576600A (zh) | 一种抹茶粒度等级的快速检测方法 | |
Raicu et al. | Preliminary Identification of Mixtures of Pigments Using the paletteR Package in R—The Case of Six Paintings by Andreina Rosa (1924–2019) from the International Gallery of Modern Art Ca’Pesaro, Venice | |
Firtha et al. | Methods for improving image quality and reducing data load of NIR hyperspectral images | |
Lawrence et al. | Partial least squares regression of hyperspectral images for contaminant detection on poultry carcasses | |
CN114207420A (zh) | 一种在工业生产线中操作质量控制的装置、对应的方法和计算机程序产品 | |
CN105954205B (zh) | 基于光谱成像的青梅糖度与酸度快速无损检测装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |