CN108398400A - 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 - Google Patents
利用太赫兹成像无损检测小麦中脂肪酸含量的方法 Download PDFInfo
- Publication number
- CN108398400A CN108398400A CN201810047145.5A CN201810047145A CN108398400A CN 108398400 A CN108398400 A CN 108398400A CN 201810047145 A CN201810047145 A CN 201810047145A CN 108398400 A CN108398400 A CN 108398400A
- Authority
- CN
- China
- Prior art keywords
- wheat
- fatty acid
- content
- terahertz
- destructive testing
- 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
- 241000209140 Triticum Species 0.000 title claims abstract description 116
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 116
- 235000014113 dietary fatty acids Nutrition 0.000 title claims abstract description 60
- 229930195729 fatty acid Natural products 0.000 title claims abstract description 60
- 239000000194 fatty acid Substances 0.000 title claims abstract description 60
- 150000004665 fatty acids Chemical class 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003384 imaging method Methods 0.000 title claims abstract description 35
- 238000009659 non-destructive testing Methods 0.000 title claims abstract description 20
- 238000001228 spectrum Methods 0.000 claims abstract description 59
- 238000003860 storage Methods 0.000 claims abstract description 38
- 238000012417 linear regression Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 239000002253 acid Substances 0.000 claims abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 238000000611 regression analysis Methods 0.000 claims abstract description 12
- 125000001931 aliphatic group Chemical group 0.000 claims abstract description 11
- 238000012935 Averaging Methods 0.000 claims abstract description 6
- 239000000284 extract Substances 0.000 claims abstract description 3
- 230000003595 spectral effect Effects 0.000 claims description 18
- 238000004611 spectroscopical analysis Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 4
- 238000007906 compression Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 15
- 238000012545 processing Methods 0.000 abstract description 5
- 238000009499 grossing Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 6
- 235000013339 cereals Nutrition 0.000 description 5
- 238000013144 data compression Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 4
- 238000009614 chemical analysis method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 241000227653 Lycopersicon Species 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 230000004060 metabolic process Effects 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 241001212149 Cathetus Species 0.000 description 1
- 238000001157 Fourier transform infrared spectrum Methods 0.000 description 1
- 238000001069 Raman spectroscopy Methods 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000002246 antineoplastic agent Substances 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 235000019581 fat taste sensations Nutrition 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000011785 micronutrient Substances 0.000 description 1
- 235000013369 micronutrients Nutrition 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229960001756 oxaliplatin Drugs 0.000 description 1
- -1 oxaliplatin small molecule Chemical class 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010998 test method 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
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Toxicology (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
本发明公开了一种利用太赫兹成像无损检测小麦中脂肪酸含量的方法，包括：将新小麦、储藏时间为1年、2年、3年、3.5年和4年的小麦样品进行反射成像测量获得太赫兹图像；从太赫兹图像中各个像素点提取出太赫兹光谱，并在各频率点求平均，获得一条平均光谱信号，采用SG卷积平滑处理得到平均频域功率光谱曲线；对平均频域功率光谱曲线采用一阶导数增强光谱数据的特征差异获得小麦脂肪酸含量变化的特征波段；应用多元回归分析方法建立基于全波段和提取的特征波段的小麦脂肪酸定量检测多元线性回归模型，通过多元线性回归模型对小麦脂肪酸含量进行定量检测。本发明实现对小麦脂肪酸含量的快速无损检测，为快速检测小麦的新陈度提供理论基础。
Description
技术领域
本发明属于小麦脂肪酸含量检测的技术领域。更具体地说，本发明涉及一种快速无损的利用太赫兹成像无损检测小麦中脂肪酸含量的方法。
背景技术
小麦是我国最主要的粮食作物之一，含有丰富的淀粉、脂肪、蛋白质、矿物质，及少量的维生素及微量元素等营养物质。作为一个有生命的活体，在储藏过程中将发生缓慢的新陈代谢作用，即微生物以粮食微营养基质，进行消化、吸收和利用的物质代谢和能量代谢的生物化学反应，其中脂肪酸是一种比较稳定的代谢产物，容易在储藏过程中积累，从而导致粮食脂肪酸值增高。因此，脂肪酸含量的变化可以较好地表征粮食的新陈度。传统的脂肪酸值测定主要采取传统的化学分析方法，处理周期较长、过程繁琐，并且需要添加化学试剂，对粮食本身具有一定的破坏性，易造成环境污染、难以达到快速、无损检测需求。
THz波作为一种新的可靠的潜力巨大的无损探测技术，其光谱包含有丰富的物理和化学信息，正逐渐成为拉曼光谱学、傅里叶红外光谱学和X射线技术的有效补充。由于其独特的特性，THz波及成像技术已经在医学成像、安检、物质定量检测和质量控制等领域得到了广泛的应用。Hu[1]和Banergee[2]等人采用THz成像技术分别对树叶和纸的水分含量进行了测量，获得了不同时间树叶和纸张的水分分布情况。Ogawa等人[3]利用THz反射光谱技术对正常和受损的番茄进行了检测，证明了THz技术检测番茄内部品质的可行性。Chua等人[4，5]利用THz-TDS技术测量了不同水分含量的小麦粉水分含量，得出了小麦样品的湿度预测模型。虽然THz光谱技术能够有效地测量食品中的含水量，但是无别识别食品内部水分的空间分布，而THz成像技术能够很好的弥补这一缺陷。Wang Li[6]等利用THz-TDS在水溶液中监控DNA与奥沙利铂小分子抗癌药物的实时反应，发现不同链长DNA与药物反应灵敏。
[1]Hu B.B.,Nuss M.C..Imaging with terahertz waves[J],Optics Letters,1995,20:1716.
[2]Banerjee D.，Spiegel W.，Thomson M.D.，et al.Diagnosing water contentin paper by terahertz radiation[J].Optics Express,2008,16(12):9060-9066.
[3]Yuchi O.，Shinichiro H.，Naoshi K.，et al.Feasibility on the qualityevaluation of agricultural products with terahertz electronics wave[J].American Society of Agricultural and Biological Engineer Paper，2006(7)：063050.[4]Chua H.S.，Obradovic J.，Haigh A.D.，et al.Terahertz time domainspectroscopy of crushed wheat grain[J].In Microwave Symposium Digest，IEEEMTT-S International,2005:2103-2106.
[5]Chua H.S.，Upadhya P.C.，Haigh A.D.，et al.Terahertz time domainspectroscopy of wheat grain[C].Infrared and Millimeter Waves，2004and 12thInternational Conference on Terahertz Electronics，Conference Digest of the2004Joint 29th International Conference on,2004:399-400.
[6]Wu XJ,E YW,Xu XL,Wang L.Label-free monitoring of interactionbetween DNA and oxaliplatin in aqueous solution by terahertzspectroscopy.Applied Physics Letters 2012,101(3):033704-1-4.
发明内容
本发明的一个目的是解决至少上述问题或缺陷，并提供至少一个后面将说明的优点。
本发明还有一个目的是提供一种快速、无损的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，以不同储藏时间的小麦样品作为研究对象，测量之前先采用脂肪酸测定仪检测不同小麦样品的脂肪酸含量，再利用太赫兹成像技术获得不同储藏时间小麦样品的太赫兹光谱信息，运用S-G卷积平滑和一阶导数对样品光谱数据进行预处理及数据压缩和特征提取，最后应用多元回归分析方法建立基于特征频段光谱的小麦脂肪酸定量检测回归模型，并对比各种回归分析方法的预测精度，确定最佳预测模型。结果表明，利用太赫兹成像技术能够有效地对小麦中脂肪酸含量进行无损检测，为快速检测小麦的新陈度提供理论基础。
为了实现根据本发明的这些目的和其它优点，本发明提供了一种利用太赫兹成像无损检测小麦中脂肪酸含量的方法，包括：
步骤一、太赫兹光谱数据采集：将新小麦、储藏时间为1年、2年、3年、3.5年和4年的小麦样品分别放置在太赫兹时域光谱系统的移动平台上进行反射成像测量获得太赫兹图像；
步骤二、太赫兹光谱预处理：从所述步骤一获得的太赫兹图像中各个像素点提取出太赫兹光谱，并在各频率点求平均，获得一条平均光谱信号，采用Savitzky-Golay卷积平滑处理得到6个不同储藏时间小麦样品的平均频域功率光谱曲线；
步骤三、特征波段的选取：对所述步骤二获得的并6个不同储藏时间小麦样品的平均频域功率光谱曲线采用一阶导数增强光谱数据的特征差异获得小麦脂肪酸含量变化的特征波段；
步骤四、建立小麦脂肪酸含量预测模型：应用多元回归分析方法建立基于全波段和提取的特征波段光谱数据的小麦脂肪酸定量检测多元线性回归模型，通过多元线性回归模型对小麦脂肪酸含量进行定量检测。
优选的是，其中，所述步骤四中建立小麦脂肪酸含量预测模型具体包括如下步骤：
1)随机选取65个小麦样本作为模型预测集，235个小麦样本作为校正集用于模型的构建；
2)对校正集和预测集样本的光谱数据进行预处理，增强光谱特征；
3)提取光谱数据的特征波段，消除原始光谱数据中冗余的信息，实现光谱数据压缩；
4)通过相关性分析，建立光谱特征波段与脂肪酸含量的多元线性回归模型；
5)采用预测集样本对建立的多元线性回归模型进行预测验证。
优选的是，其中，所述步骤5)中对多元线性回归模型进行预测验证具体包括：采用留一法进行校正交叉验证，并使用相关系数R和均方根误差RMSE指标来评价多元线性回归模型的质量
其中，n为样本数；yTi为样本实测值；yPi为样本预测值；为样本实测平均值。
优选的是，其中，所述步骤一中，太赫兹时域光谱系统的空间分辨率设置为0.1mm，由计算机端的太赫兹分析和控制软件控制整个太赫兹图像获取过程，获得的太赫兹图像以三维格式创建、记录和存储，不仅包含了空间信息，同时也包含了光谱信息，每条太赫兹光谱包括512个时域点，频率范围为0～3.5THz。
优选的是，其中，所述步骤二中，每一条平均光谱信号包含512个点。
优选的是，其中，所述步骤三中，特征波段为0.7～1.3Thz。
优选的是，其中，所述多元线性回归模型为SVM回归模型，并选用RBF函数为SVM的核函数，通过网格搜索算法计算最优模型参数。
优选的是，其中，最优模型参数C,γ分别为3.6，1.9和3.8，2。
本发明至少包括以下有益效果：
为了解决传统化学分析法测量小麦脂肪酸含量检测费时、费力等问题，本发明提供的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，以不同储藏时间的小麦样品作为研究对象，测量之前先采用脂肪酸测定仪检测不同小麦样品的脂肪酸含量，再利用太赫兹成像技术获得不同储藏时间小麦样品的太赫兹光谱信息，运用S-G卷积平滑和一阶导数对样品光谱数据进行预处理及数据压缩和特征提取，最后应用多元回归分析方法建立基于特征频段光谱的小麦脂肪酸定量检测回归模型，并对比各种回归分析方法的预测精度，确定最佳预测模型。结果表明，利用太赫兹成像技术能够有效地对小麦中脂肪酸含量进行无损检测，为快速检测小麦的新陈度提供理论基础。
附图说明
图1为本发明的一个实施例中采用Savitzky-Golay(SG)卷积平滑处理后的6个不同储藏时间小麦样品的平均频域功率光谱曲线示意图；
图2为本发明的一个实施例中经过一阶导数后的6个不同储藏时间小麦样品的光谱曲线示意图；
图3为本发明的一个实施例中基于全波段和基于特征波段的SVM模型预测结果和实际结果对应关系散点图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
一种利用太赫兹成像无损检测小麦中脂肪酸含量的方法，包括以下步骤：
步骤一、太赫兹光谱数据采集：将新小麦、储藏时间为1年、2年、3年、3.5年和4年的小麦样品分别放置在太赫兹时域光谱系统的移动平台上进行反射成像测量获得太赫兹图像；
步骤二、太赫兹光谱预处理：从所述步骤一获得的太赫兹图像中各个像素点提取出太赫兹光谱，并在各频率点求平均，获得一条平均光谱信号，采用Savitzky-Golay卷积平滑处理得到6个不同储藏时间小麦样品的平均频域功率光谱曲线；
步骤三、特征波段的选取：对所述步骤二获得的并6个不同储藏时间小麦样品的平均频域功率光谱曲线采用一阶导数增强光谱数据的特征差异获得小麦脂肪酸含量变化的特征波段；
步骤四、建立小麦脂肪酸含量预测模型：应用多元回归分析方法建立基于全波段和提取的特征波段光谱数据的小麦脂肪酸定量检测多元线性回归模型，通过多元线性回归模型对小麦脂肪酸含量进行定量检测。
具体来说，本发明所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法包括：
步骤一、太赫兹光谱数据采集：将新小麦、储藏时间为1年、2年、3年、3.5年和4年的小麦样品分别放置在太赫兹时域光谱系统的移动平台上进行反射成像测量获得太赫兹图像；
其中，小麦样品是在模拟粮仓正常储藏条件下存放的，新小麦是指当季收割小麦，并事先采用脂肪酸测定仪检测了不同样品的脂肪酸含量以便后边对本发明测试方法的预测精度的检测对比。
太赫兹光谱数据采集的太赫兹时域光谱系统的空间分辨率设置为0.1mm。由计算机端的太赫兹分析和控制软件控制整个图像获取过程。获得的图像以三维格式创建、记录和存储，不仅包含了空间信息，同时也包含了光谱信息，每条THz光谱包括512个时域点，频率范围从0-3.5THz；
步骤二、太赫兹光谱预处理：从所述步骤一获得的太赫兹图像中各个像素点提取出太赫兹光谱，并在各频率点求平均，获得一条平均光谱信号，采用Savitzky-Golay卷积平滑处理得到6个不同储藏时间小麦样品的平均频域功率光谱曲线；
从不同储藏时间小麦样品的THz图像中各个像素点提取出THz光谱，并在各频率点求平均，获得一条平均光谱信号，每条光谱包含512个点。采用Savitzky-Golay(SG)卷积平滑处理后的6个不同储藏时间小麦样品的平均频域功率光谱曲线如图1所示。由图1可得，不同储藏时间小麦样品的太赫兹光谱之间存在较大的差异，且随着储藏时间的增加，光谱间的差异逐渐增大。但是不同储藏时间小麦样品的光谱曲线总体变化规律趋于一致。
步骤三、特征波段的选取：对所述步骤二获得的并6个不同储藏时间小麦样品的平均频域功率光谱曲线采用一阶导数增强光谱数据的特征差异获得小麦脂肪酸含量变化的特征波段；
一阶导数能增强不同类光谱数据曲线间的差异性。经过一阶导数后的6个不同储藏时间小麦样品的光谱数据如图2所示。由图可得，不同储藏期小麦样品光谱反射值差异集中在0.7～1.3Thz之间，这主要是由于小麦样品对低频段THz波不是敏感，存在较大的噪声，而对高频段THz波具有较强的吸收及系统动态范围的限制，背景噪声增强，这与原始光谱曲线基本保持一致。根据原始光谱和一阶导数后光谱曲线的特点，初步确定0.7～1.3Thz为检测小麦脂肪酸含量变化的特征区间，实现了对光谱数据的压缩，降低了模型的复杂度。
步骤四、建立小麦脂肪酸含量预测模型：应用多元回归分析方法建立基于全波段和提取的特征波段光谱数据的小麦脂肪酸定量检测多元线性回归模型，通过多元线性回归模型对小麦脂肪酸含量进行定量检测。
研究小麦反射光谱与其脂肪酸含量之间的关系属于非确定性问题，因此应用多元回归分析方法构造变量间数理统计模型是一种有效的分析方法。由于太赫兹波具有较高的分辨率，生成的数据维数较高，若使用全光谱波段作为输入变量建立回归模型，具有存在较大的数据冗余，增加建模的复杂度。
本研究采用太赫兹成像技术建立小麦脂肪酸含量预测模型主要步骤如下：
Step1：随机选取65个小麦样本作为模型预测集，剩余235个样本作为校正集用于模型的构建；
Step2：对校正集和预测集样本的光谱数据进行预处理，增强光谱特征；
Step3：提取光谱数据的特征波段，消除原始光谱数据中冗余的信息，实现光谱数据压缩；
Step4：通过相关性分析，建立光谱特征波段与脂肪酸含量的多元线性回归模型；
Step5：采用预测集样本对建立的多元线性回归模型进行预测验证。
其中模型构建过程中，采用留一法进行校正交叉验证，并使用相关系数(R)和均方根误差(RMSE)等指标来评价模型的质量。
其中，n为样本数；yTi为样本实测值；yPi为样本预测值；为样本实测平均值。
将测量得到的235个小麦校正集样本全波段光谱和提取的特征波段，分别经过SG平滑和一阶导数后对应的光谱反射值作为回归模型的输入变量，本研究采用SVM回归模型，并选用RBF函数为SVM的核函数，通过网格搜索算法计算最优模型参数。利用预测集的65个样本验证建立模型的预测效果。使用全波段和特征波段建立的模型校验结果和预测结果如表1所示。
表1采用全波段和特征波段建立的SVM模型的小麦脂肪酸含量预测结果
由表1可得，无论是采用全波段还是特征波段构建的SVM模型对小麦储藏期间脂肪酸含量具有较好的预测效果。而采用提取的特征波段构建的回归模型预测效果更加明显，其校正集和预测集的相关系数(R)和均方根误差(RMSE)分别为96.36、0.896和94.12、0.934。结果表明采用太赫兹成像技术实现对储藏小麦脂肪酸含量的测定是有效可行的。
为了获得最优定量分析方法，还采用偏最小二乘回归法、BP神经网络方法对不同储藏时间小麦脂肪酸进行了定量分析，得到脂肪酸的定量识别结果如表2所示。由表2可得，SVM模型的识别精度比PLSR和BPNN的识别精度高。
表2小麦脂肪酸含量的模型预测结果比较
将新小麦和储藏时间分别为1年、2年、3年、3.5年和4年的小麦进行太赫兹成像测量，分别采用SG卷积平滑对不同储藏时间小麦样品的光谱数据进行预处理，并采用一阶导数增强光谱数据的特征差异，选取有效的特征波段，再对全波段样品光谱和提取的特征波段光谱数据进行SVM、PLSR、BPNN建模，实现对不同储藏时间小麦脂肪酸含量的定量分析，对比结果表明，SVM回归模型是最优的定量分析模型，预测精度达到了94％以上，而PLSR和BPNN模型的总体识别率相对较低，分别为89％和83％以上。同时采用网格搜索算法对SVM模型进行参数优化，计算得到RMSE最小时，模型的最优参数C,γ分别为3.6，1.9和3.8，2。图3为基于全波段和基于特征频率的SVM模型预测结果和实际结果对应关系散点图，这两种麦芽糖混合物的支持向量机模型的预测浓度和实际浓度对应散点图，图3中直线表示零误差线。
由图3可以看出，采用提取后的特征波段的THz光谱数据构建的回归模型能够获得较高的预测精度，这主要是由于通过数据压缩和特征提取后，去除了一些冗余及噪声信息，并且降低了预测模型的复杂度，提高了预测效率。结果证明，THz反射成像技术和多元回归分析方法相结合实现对储藏期小麦脂肪酸含量的定量检测是现实可行的，是一种新的快速无损检测方法，为小麦新陈度的检测提供了重要的理论依据。
为了解决传统化学分析法测量小麦脂肪酸含量检测费时、费力等问题，本文提出采用太赫兹成像技术实现对小麦脂肪酸含量的无损检测方法。以不同储藏时间的小麦样品作为研究对象，测量之前先采用脂肪酸测定仪检测不同小麦样品的脂肪酸含量，再利用太赫兹成像技术获得不同储藏时间小麦样品的太赫兹光谱信息，运用S-G卷积平滑和一阶导数对样品光谱数据进行预处理及数据压缩和特征提取，最后应用多元回归分析方法建立基于特征频段光谱的小麦脂肪酸定量检测回归模型，并对比各种回归分析方法的预测精度，确定最佳预测模型。结果表明，利用太赫兹成像技术能够有效地对小麦中脂肪酸含量进行无损检测，为快速检测小麦的新陈度提供理论基础。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。
Claims (8)
1.一种利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，包括以下步骤：
步骤一、太赫兹光谱数据采集：将新小麦、储藏时间为1年、2年、3年、3.5年和4年的小麦样品分别放置在太赫兹时域光谱系统的移动平台上进行反射成像测量获得太赫兹图像；
步骤二、太赫兹光谱预处理：从所述步骤一获得的太赫兹图像中各个像素点提取出太赫兹光谱，并在各频率点求平均，获得一条平均光谱信号，采用Savitzky-Golay卷积平滑处理得到6个不同储藏时间小麦样品的平均频域功率光谱曲线；
步骤三、特征波段的选取：对所述步骤二获得的并6个不同储藏时间小麦样品的平均频域功率光谱曲线采用一阶导数增强光谱数据的特征差异获得小麦脂肪酸含量变化的特征波段；
步骤四、建立小麦脂肪酸含量预测模型：应用多元回归分析方法建立基于全波段和提取的特征波段光谱数据的小麦脂肪酸定量检测多元线性回归模型，通过多元线性回归模型对小麦脂肪酸含量进行定量检测。
2.如权利要求1所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述步骤四中建立小麦脂肪酸含量预测模型具体包括如下步骤：
1)随机选取65个小麦样本作为模型预测集，235个小麦样本作为校正集用于模型的构建；
2)对校正集和预测集样本的光谱数据进行预处理，增强光谱特征；
3)提取光谱数据的特征波段，消除原始光谱数据中冗余的信息，实现光谱数据压缩；
4)通过相关性分析，建立光谱特征波段与脂肪酸含量的多元线性回归模型；
5)采用预测集样本对建立的多元线性回归模型进行预测验证。
3.如权利要求2所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述步骤5)中对多元线性回归模型进行预测验证具体包括：采用留一法进行校正交叉验证，并使用相关系数R和均方根误差RMSE指标来评价多元线性回归模型的质量
其中，n为样本数；yTi为样本实测值；yPi为样本预测值；为样本实测平均值。
4.如权利要求1所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述步骤一中，太赫兹时域光谱系统的空间分辨率设置为0.1mm，由计算机端的太赫兹分析和控制软件控制整个太赫兹图像获取过程，获得的太赫兹图像以三维格式创建、记录和存储，不仅包含了空间信息，同时也包含了光谱信息，每条太赫兹光谱包括512个时域点，频率范围为0～3.5THz。
5.如权利要求1所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述步骤二中，每一条平均光谱信号包含512个点。
6.如权利要求1所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述步骤三中，特征波段为0.7～1.3Thz。
7.如权利要求2所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，所述多元线性回归模型为SVM回归模型，并选用RBF函数为SVM的核函数，通过网格搜索算法计算最优模型参数。
8.如权利要求7所述的利用太赫兹成像无损检测小麦中脂肪酸含量的方法，其特征在于，最优模型参数C,γ分别为3.6，1.9和3.8，2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810047145.5A CN108398400B (zh) | 2018-01-18 | 2018-01-18 | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810047145.5A CN108398400B (zh) | 2018-01-18 | 2018-01-18 | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108398400A true CN108398400A (zh) | 2018-08-14 |
| CN108398400B CN108398400B (zh) | 2020-12-22 |
Family
ID=63094720
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810047145.5A Active CN108398400B (zh) | 2018-01-18 | 2018-01-18 | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108398400B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458362A (zh) * | 2019-08-15 | 2019-11-15 | 中储粮成都储藏研究院有限公司 | 基于svm支持向量机模型的粮食品质指标预测方法 |
| CN112179867A (zh) * | 2020-09-21 | 2021-01-05 | 上海理工大学 | 一种基于太赫兹波谱技术的微藻细胞中油脂的测定方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008093647A1 (ja) * | 2007-01-31 | 2008-08-07 | Tohoku University | マイクロアレイとその製造方法並びに有機分子と作用物質との相互作用の検出方法 |
| CN103822899A (zh) * | 2014-01-28 | 2014-05-28 | 华中农业大学 | 基于太赫兹时域光谱检测小麦粉中害虫碎片的方法 |
| CN105021535A (zh) * | 2015-08-07 | 2015-11-04 | 中南林业科技大学 | 一种稻谷脂肪酸含量无损检测方法及系统 |
| CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
| CN106525849A (zh) * | 2016-11-02 | 2017-03-22 | 江苏大学 | 茶叶智能化拼配方法与系统 |
-
2018
- 2018-01-18 CN CN201810047145.5A patent/CN108398400B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008093647A1 (ja) * | 2007-01-31 | 2008-08-07 | Tohoku University | マイクロアレイとその製造方法並びに有機分子と作用物質との相互作用の検出方法 |
| CN103822899A (zh) * | 2014-01-28 | 2014-05-28 | 华中农业大学 | 基于太赫兹时域光谱检测小麦粉中害虫碎片的方法 |
| CN105021535A (zh) * | 2015-08-07 | 2015-11-04 | 中南林业科技大学 | 一种稻谷脂肪酸含量无损检测方法及系统 |
| CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
| CN106525849A (zh) * | 2016-11-02 | 2017-03-22 | 江苏大学 | 茶叶智能化拼配方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 宝日玛: "地沟油的太赫兹波段光谱特性研究", 《中国油脂》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110458362A (zh) * | 2019-08-15 | 2019-11-15 | 中储粮成都储藏研究院有限公司 | 基于svm支持向量机模型的粮食品质指标预测方法 |
| CN112179867A (zh) * | 2020-09-21 | 2021-01-05 | 上海理工大学 | 一种基于太赫兹波谱技术的微藻细胞中油脂的测定方法 |
| CN112179867B (zh) * | 2020-09-21 | 2022-11-29 | 上海理工大学 | 一种基于太赫兹波谱技术的微藻细胞中油脂的测定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108398400B (zh) | 2020-12-22 |
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 | |
| Chen et al. | Determination of protein, total carbohydrates and crude fat contents of foxtail millet using effective wavelengths in NIR spectroscopy | |
| Malvandi et al. | Non-destructive measurement and real-time monitoring of apple hardness during ultrasonic contact drying via portable NIR spectroscopy and machine learning | |
| Fan et al. | Rapid determination of TBARS content by hyperspectral imaging for evaluating lipid oxidation in mutton | |
| Ma et al. | Development of simplified models for nondestructive testing of rice (with husk) protein content using hyperspectral imaging technology | |
| Wang et al. | Rapid detection of protein content in rice based on Raman and near-infrared spectroscopy fusion strategy combined with characteristic wavelength selection | |
| Temiz et al. | A review of recent studies employing hyperspectral imaging for the determination of food adulteration | |
| Liu et al. | Determination of total protein and wet gluten in wheat flour by Fourier transform infrared photoacoustic spectroscopy with multivariate analysis | |
| Li et al. | Identification of aged-rice adulteration based on near-infrared spectroscopy combined with partial least squares regression and characteristic wavelength variables | |
| Zhang et al. | Rapid determination of protein, starch and moisture content in wheat flour by near-infrared hyperspectral imaging | |
| Cui et al. | Screening of maize haploid kernels based on near infrared spectroscopy quantitative analysis | |
| He et al. | Hyperspectral imaging combined with chemometrics for rapid detection of talcum powder adulterated in wheat flour | |
| Yang et al. | A cost-effective on-site milk analyzer based on multispectral sensor | |
| CN109520965A (zh) | 一种基于近红外光谱特征数据提取技术检测赖氨酸含量的方法 | |
| Cheng et al. | Development of a novel quantitative function between spectral value and metmyoglobin content in Tan mutton | |
| Jiang et al. | Comparison of wavelength selected methods for improving of prediction performance of PLS model to determine aflatoxin B1 (AFB1) in wheat samples during storage | |
| Qin et al. | Prediction of Peking duck intramuscle fat content by near-infrared spectroscopy | |
| CN108398400A (zh) | 利用太赫兹成像无损检测小麦中脂肪酸含量的方法 | |
| Liu et al. | Prediction of talc content in wheat flour based on a near-infrared spectroscopy technique | |
| Zhao et al. | Determination of residual levels of procymidone in rapeseed oil using near-infrared spectroscopy combined with multivariate analysis | |
| Liu et al. | Rapid determination of acidity index of peanut during storage by a portable near-infrared spectroscopy system | |
| Ning et al. | Study on apple damage detecting method based on relaxation single-wavelength laser and convolutional neural network | |
| Sun et al. | Quantitative detection of myoglobin content in tan mutton during cold storage by near-infrared hyperspectral imaging | |
| Sun et al. | Data mean and ratio of absorbance to concentration methods: A novel optimization strategy for near infrared spectroscopy modeling | |
| Fei et al. | The rapid non-destructive detection of the protein and fat contents of sorghum based on hyperspectral imaging |
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 |