CN109238973A - 一种检测苹果可溶性固形物含量和含水量的方法 - Google Patents

一种检测苹果可溶性固形物含量和含水量的方法 Download PDF

Info

Publication number
CN109238973A
CN109238973A CN201810790199.0A CN201810790199A CN109238973A CN 109238973 A CN109238973 A CN 109238973A CN 201810790199 A CN201810790199 A CN 201810790199A CN 109238973 A CN109238973 A CN 109238973A
Authority
CN
China
Prior art keywords
apple
soluble solid
spectral data
water content
intelligent terminal
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
Application number
CN201810790199.0A
Other languages
English (en)
Inventor
张立福
岑奕
李晶宜
孙雪剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ZHONGKE SPECTRUM TECHNOLOGY (TIANJIN) Co.,Ltd.
Original Assignee
Zhongke Spectrum Technology (tianjin) Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhongke Spectrum Technology (tianjin) Co Ltd filed Critical Zhongke Spectrum Technology (tianjin) Co Ltd
Priority to CN201810790199.0A priority Critical patent/CN109238973A/zh
Publication of CN109238973A publication Critical patent/CN109238973A/zh
Pending legal-status Critical Current

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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/02—Food
    • G01N33/025—Fruits or vegetables
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/06—Illumination; Optics
    • G01N2201/061—Sources
    • G01N2201/06166—Line selective sources
    • G01N2201/0618—Halogene sources

Landscapes

  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明实施例提供一种检测苹果可溶性固形物含量和含水量的方法，包括：通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；将高光谱数据发送到服务端，并接收服务端根据高光谱数据返回的待检测苹果的可溶性固形物含量和/或含水量。本发明实施例提供的方法，降低了传统的实验室光谱检测所需的仪器成本，同时使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提高了运算速度。

Description

一种检测苹果可溶性固形物含量和含水量的方法
技术领域
本发明实施例涉及食品检测技术领域，尤其涉及一种检测苹果可溶性固形物含量和含水量的方法。
背景技术
近年来，随着人们生活水平的日益提高，不论是出口还是内销，人们对食品质量要求越来越高。以水果为例，水果的品质已不仅仅从外观来判断，更需要通过对水果的内部品质包括可溶性固形物(SSC)、酸度和含水量等各项指标进行评定。其中，可溶性固形物含量是包括糖、酸、维生素等可溶于水的物质含量，是衡量水果的成熟度、内部品质及食用加工特性的重要参考指标之一。
早期的水果内部品质无损检测是采用介电特性检测技术和声学检测技术，介电特性检测技术和声学检测技术均受到检测少数内部品质限制；电子鼻技术在水果品质检测中也存在精度不高的缺点。而近红外光谱技术具有快速、无损、高效并能同步测定多种组分值等优点，近年来被广泛应用于水果、蔬菜等的品质分析中，并取得了较好的试验效果。这种方法通过获取水果样本的光谱曲线，对其内部可溶性固形物(SSC)、酸度和含水量进行建模反演，通过和其他方式测量结果比较分析其反演精度。
虽然基于近红外光谱技术的食物内部品质无损检测方法具备快速、无损、实时等优势，但传统的可见近红外光谱仪，多用于实验室测量，光谱分辨率较高，体积较为庞大，使用条件限制较多，难以用于水果的野外实地快速检测。
发明内容
本发明实施例提供一种检测苹果可溶性固形物含量和含水量的方法，用以解决现有的近红外光谱技术的食物内部品质无损检测方法往往局限在实验室中，难以随时随地进行实地快速检测的问题。
一方面，本发明实施例提供一种检测苹果可溶性固形物含量和含水量的方法，包括：通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；将高光谱数据发送到服务端，并接收服务端根据高光谱数据反演得到的待检测苹果的可溶性固形物含量和/或含水量。
另一方面，本发明实施例提供一种便携智能终端，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如前所述的检测苹果可溶性固形物含量和含水量的方法。
又一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的检测苹果可溶性固形物含量和含水量的方法。
再一方面，本发明实施例提供一种检测苹果可溶性固形物含量和含水量的方法，包括：接收便携智能终端发送的通过光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
还一方面，本发明实施例提供一种服务端，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如前所述的检测苹果可溶性固形物含量和含水量的方法。
再又一方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的检测苹果可溶性固形物含量和含水量的方法。
本发明实施例提供的一种检测苹果可溶性固形物含量和含水量的方法，通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
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为本发明实施例的一种检测苹果可溶性固形物含量和含水量方法的流程示意图；
图2为本发明实施例的一种检测苹果可溶性固形物含量和含水量的系统的结构示意图；
图3为本发明实施例的一种便携智能终端的结构示意图；
图4为本发明实施例的一种检测苹果可溶性固形物含量和含水量方法的流程示意图；
图5为本发明实施例的一种反演模型示意图；
图6为本发明实施例的一种检测苹果可溶性固形物含量和含水量的系统的结构示意图；
图7为本发明实施例的一种服务端的结构示意图；
图8为本发明实施例的一种反演模型示意图。
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、完整地描述，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作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。
基于近红外光谱技术的食物内部品质无损检测方法具备快速、无损、实时等优势，但传统的可见近红外光谱仪，多用于实验室测量，其光谱分辨率较高，体积较为庞大，使用条件限制较多，难以用于水果的野外实地快速检测。针对这一问题，本发明实施例提供了一种检测苹果可溶性固形物含量和含水量的方法，并从便携智能终端和服务端两个执行主体分别对该方法进行说明。
图1为本发明实施例的一种检测苹果可溶性固形物含量和含水量的方法的流程示意图，如图1所示，一种针对便携智能终端的检测苹果可溶性固形物含量和含水量的方法，包括：
101，便携智能终端通过光源和高光谱传感器，获取待检测苹果的高光谱数据。其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接。
此处，便携智能终端可以是智能手机，还可以是智能手表、平板电脑或者笔记本电脑等便携终端设备，本发明实施例对此不作具体限定。光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接，存在以下四种情况，包括：光源和高光谱传感器均集成在便携智能终端上；光源和高光谱传感器均与便携智能终端电连接；光源集成在便携智能终端上，高光谱传感器与便携智能终端电连接；光源与便携智能终端电连接，高光谱传感器集成在便携智能终端上。需要说明的是，在光源和/或高光谱传感器与便携智能终端电连接的情况下，其连接方式可以是蓝牙、Wifi等无线连接方式，也可以是有线连接方式，本发明实施例对此不作具体限定。
具体地，便携智能终端通过自身集成的或与自身电连接的光源发出的光束照射待检测苹果，光束经由待检测苹果反射后被便携智能终端自身集成的或与自身电连接的高光谱传感器采集，得到待检测苹果的高光谱数据。
102，便携智能终端将高光谱数据发送到服务端，并接收服务端根据高光谱数据返回的待检测苹果的可溶性固形物含量和/或含水量。
需要说明的是，此处服务端返回的可以是待检测苹果的可溶性固形物含量，也可以是待检测苹果的含水量，还可以是待检测苹果的可溶性固形物含量和含水量，本发明对此不作具体限定。
本发明实施例通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
基于上述实施例，一种针对便携智能终端的检测苹果可溶性固形物含量和含水量的方法，光源为微型卤素灯源，高光谱传感器为微型光谱仪，高光谱传感器的光谱覆盖范围为350nm-1050nm，光谱分辨率大于或等于5nm，信噪比大于或等于500:1。
基于上述任一实施例，一种针对便携智能终端的检测苹果可溶性固形物含量和含水量的方法，步骤101之后还包括：根据高光谱数据绘制待检测苹果的光谱曲线并显示。通过对高光谱曲线的绘制和显示，便携智能终端能够使用户更加直观地了解当前采集的待检测苹果的高光谱数据。
基于上述任一方法实施例，图2为本发明实施例的一种检测苹果可溶性固形物含量和含水量的系统的结构示意图，如图2所示，一种检测苹果可溶性固形物含量和含水量的系统，包括采集单元201和获取单元202。
其中，采集单元201用于通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；
获取单元202用于将所述高光谱数据发送到服务端，并接收所述服务端根据所述高光谱数据返回的所述待检测苹果的可溶性固形物含量和/或含水量。
需要说明的是，上述采集单元201和获取单元202配合以执行上述实施例中的一种检测苹果可溶性固形物含量和含水量的方法，该系统的具体功能参见上述的检测苹果可溶性固形物含量和含水量的方法的实施例，此处不再赘述。
本发明实施例通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
图3为本发明实施例的一种便携智能终端的结构示意图，如图3所示，便携智能终端包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令，以执行如下方法，例如包括：通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；将高光谱数据发送到服务端，并接收服务端根据高光谱数据返回的待检测苹果的可溶性固形物含量和/或含水量。
本发明实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；将高光谱数据发送到服务端，并接收服务端根据高光谱数据返回的待检测苹果的可溶性固形物含量和/或含水量。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；将高光谱数据发送到服务端，并接收服务端根据高光谱数据返回的待检测苹果的可溶性固形物含量和/或含水量。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的通信设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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的方法。
基于上述任一实施例，图4为本发明实施例的一种检测苹果可溶性固形物含量和含水量的方法的流程示意图，如图4所示，一种针对服务端的检测苹果可溶性固形物含量和含水量的方法，包括：
401，服务端接收便携智能终端发送的通过光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接。
此处，便携智能终端可以是智能手机，还可以是智能手表、平板电脑或者笔记本电脑等便携终端设备，本发明实施例对此不作具体限定。光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接，存在以下四种情况，包括：光源和高光谱传感器均集成在便携智能终端上；光源和高光谱传感器均与便携智能终端电连接；光源集成在便携智能终端上，高光谱传感器与便携智能终端电连接；光源与便携智能终端电连接，高光谱传感器集成在便携智能终端上。需要说明的是，在光源和/或高光谱传感器与便携智能终端电连接的情况下，其连接方式可以是蓝牙、Wifi等无线连接方式，也可以是有线连接方式，本发明实施例对此不作具体限定。
具体地，便携智能终端通过自身集成的或与自身电连接的光源发出的光束照射待检测苹果，光束经由待检测苹果反射后被便携智能终端自身集成的或与自身电连接的高光谱传感器采集，得到待检测苹果的高光谱数据，并将高光谱数据发送到服务端。
402，服务端根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
需要说明的是，此处服务端获取的可以是待检测苹果的可溶性固形物含量，也可以是待检测苹果的含水量，还可以是待检测苹果的可溶性固形物含量和含水量，本发明对此不作具体限定。
本发明实施例通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
基于上述任一实施例，一种针对服务端的检测苹果可溶性固形物含量和含水量的方法，步骤402中，服务端根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，具体包括：
4021，服务端对高光谱数据进行预处理。其中，服务端对高光谱数据进行的预处理的方法有多种，可通过降噪、一阶微分预处理和数据矩阵自动缩放等对高光谱数据进行预处理，还可通过上述预处理方法的结合对高光谱数据进行预处理，本发明实施例对此不作具体限定。
4022，服务端从预处理后的高光谱数据中选取最佳反演波长区间。
光照射物体产生的吸收光谱一般可分为基频吸收和倍频吸收。近红外区域的主要光谱信息来源于-CH、-OH和-NH等含氢基团的倍频与合频吸收，因此，绝大多数的化学和生物化学样品在近红外区域均有相应的吸收带，通过这些吸收带的信息可以对样品进行定性或定量分析。此处，最佳反演波长区间指待检测苹果的可溶性固形物和/或含水量对应的吸收带。
4023，服务端基于最佳反演波长区间，通过偏最小二乘法建立反演模型。其中，偏最小二乘法是一种数学优化技术，通过最小化误差的平方和找到一组数据的最佳函数匹配。
4024，服务端根据反演模型获取待检测苹果的可溶性固形物含量和/或含水量。对应步骤4022，若步骤4022中选取的最佳反演波长区间为待检测苹果的可溶性固形物对应的吸收带，则步骤4024中服务端根据反演模型获取待检测苹果的可溶性固形物；若步骤4022中选取的最佳反演波长区间为待检测苹果的含水量对应的吸收带，则步骤4024中服务端根据反演模型获取待检测苹果的含水量。
本发明实施例中，选取了待检测苹果的最佳反演波长区间建立反演模型，简化了服务端对全谱段光谱分析的复杂过程，降低了算法复杂度，提高了数据处理效率，有利于实现快速、有效的可溶性固形物含量和含水量检测。
基于上述任一实施例，一种针对服务端的检测苹果可溶性固形物含量和含水量的方法，4023，基于最佳反演波长区间，通过偏最小二乘法建立反演模型；4024，根据反演模型反演待检测苹果的可溶性固形物含量和/或含水量，具体包括：
首先，基于偏最小二乘法对光谱矩阵X和浓度矩阵Y进行分解，其模型为：
上述两式中，T和U分别是光谱矩阵X和浓度矩阵Y的得分矩阵，P和Q分别是光谱矩阵X和浓度矩阵Y的载荷矩阵；tk(n×1)是含有n条光谱(样品)的矩阵X的第k个主因子得分；pk(n×1)是含有n条光谱(样品)的矩阵X的第k个主因子载荷；uk(n×1)是含有n条光谱(样品)的浓度矩阵Y的第k个主因子的得分；qk(n×1)是含有n条光谱(样品)的性质矩阵Y的第k个主因子的载荷；EX和EY分别是光谱矩阵X和浓度矩阵Y的偏最小拟合残差矩阵。
随后，偏最小二乘法将T和U做线性回归：
U＝TB
B＝(TTT)-1TTY
预测时，根据载荷矩阵P求出未知样品光谱矩阵X未知的得分矩阵T未知，然后按照Y未知＝T未知BQ求解得到未知样品的浓度预测值矩阵Y未知。
基于上述任一实施例，一种针对服务端的检测苹果可溶性固形物含量和含水量的方法，4023，服务端基于最佳反演波长区间，通过偏最小二乘法建立反演模型，之后还包括：服务端获取反演模型的相关系数和交叉验证预测偏差，根据相关系数和交叉验证预测偏差对反演模型进行评价。
图5示出的反演模型示意图为根据一种苹果可溶性固形物对应的最佳反演波长区间建立的反演模型示意图。参考图5，得到苹果可溶性固形物的交互验证过程中的相关系数Q为0.807577、模型交互验证预测偏差RMSE为0.0773640。通常，Q值越高说明反演模型稳健性越好、RMSECV值越低表示反演模型预测准确度越高，从得到的Q值和RMSECV值可以看出，该反演模型稳健性和精确度均能满足需求。
基于上述任一实施例，一种针对服务端的检测苹果可溶性固形物含量和含水量的方法，4022，服务端从预处理后的高光谱数据中选取最佳反演波长区间，进一步包括：服务端将预处理后的高光谱数据划分为若干个子区间，通过最小二乘法建立每一子区间对应的区间模型；服务端根据每一区间模型的均方根误差，确定最佳反演波长区间。
此处，将预处理后的高光谱数据进行划分时，可以采用等间距划分的方法，间距即间隔宽度可根据预设的参数或服务端的处理速度等因素进行设定，间距的不同会造成子区间对应的区间模型的建模效果的差异，本发明实施例对此不作具体限定。例如，服务端在对红富士苹果的高光谱数据进行划分时，间距分别设置为5nm、10nm及20nm三种情况进行处理，间距为5nm的交互验证过程中的相关系数Q为0.748797，10nm时Q为0.807577，20nm时Q为0.797932。结果表明当间隔宽度设置为10nm时所得到最佳反演波长区间建模效果最优，对可溶性固形物所选取的最佳反演波长区间为617.76-637.60nm和756.56-796.2nm、对含水量所选取的最佳反演波长区间为597.92-637.6nm和756.56-796.2nm。
作为优选，服务端根据每一子区间对应的区间模型的均方根误差，确定预测效果最好的若干个子区间，作为优选子区间，随后，服务端以上述优选子区间作为中心单向或双向扩充或消减波长变量，进而组合预测准确度较高的建模波长区间，构成最佳反演波长区间。上述仅为根据每一区间模型的均方根误差确定最佳反演波长区间的一种示例，本发明实施例对此不作具体限定。
基于上述任一方法实施例，图6为本发明实施例的一种检测苹果可溶性固形物含量和含水量的系统的结构示意图，如图6所示，一种检测苹果可溶性固形物含量和含水量的系统，包括接收单元601和检测单元602。
其中，接收单元601，用于接收便携智能终端发送的光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；
检测单元602，用于根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
需要说明的是，上述接收单元601和检测单元602配合以执行上述实施例中的一种检测苹果可溶性固形物含量和含水量的方法，该系统的具体功能参见上述的检测苹果可溶性固形物含量和含水量的方法的实施例，此处不再赘述。
本发明实施例通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
基于上述任一实施例，一种检测苹果可溶性固形物含量和含水量的系统，检测单元602，具体包括预处理子单元、最佳反演波长区间获取子单元、建模子单元和分析子单元。
其中，预处理子单元用于对高光谱数据进行预处理；最佳反演波长区间获取子单元用于从预处理后的高光谱数据中选取最佳反演波长区间；建模子单元用于基于最佳反演波长区间，通过偏最小二乘法建立反演模型；分析子单元用于根据反演模型获取待检测苹果的可溶性固形物含量和/或含水量。
基于上述任一实施例，一种检测苹果可溶性固形物含量和含水量的系统，检测单元602还包括：
验证子单元，用于获取反演模型的相关系数和交叉验证预测偏差，根据相关系数和交叉验证预测偏差对反演模型进行评价。
基于上述任一实施例，一种检测苹果可溶性固形物含量和含水量的系统，最佳反演波长区间获取子单元包括子区间模块和确定模块；
其中，子区间模块用于将预处理后的高光谱数据划分为若干个子区间，通过最小二乘法建立每一子区间对应的区间模型；确定模块用于根据每一区间模型的均方根误差，确定最佳反演波长区间。
图7为本发明实施例的一种服务端的结构示意图，如图7所示，服务端包括：处理器(processor)701、通信接口(Communications Interface)702、存储器(memory)703和总线704，其中，处理器701，通信接口702，存储器703通过总线704完成相互间的通信。处理器701可以调用存储器703中的逻辑指令，以执行如下方法，例如包括：接收便携智能终端发送的通过光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
本发明实施例公开一种计算机程序产品，计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：接收便携智能终端发送的光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行上述各方法实施例所提供的方法，例如包括：接收便携智能终端发送的光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，光源和高光谱传感器集成在便携智能终端上或与便携智能终端电连接；根据高光谱数据获取待检测苹果的可溶性固形物含量和/或含水量，并将待检测苹果的可溶性固形物含量和/或含水量返回便携智能终端。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的通信设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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的方法。
为了更好地理解与应用本发明提出的一种检测苹果可溶性固形物含量和含水量的方法，本发明进行以下示例，且本发明不仅局限于以下示例。
本示例中，便携智能终端为通过数据线与光源和高光谱传感器连接智能手机，待检测苹果为红富士苹果，需要检测的参数包括可溶性固形物含量和含水量。此处，光源为微型卤素灯源，高光谱传感器为微型光谱仪，高光谱传感器的光谱覆盖范围为350nm-1050nm，光谱分辨率大于或等于5nm，信噪比大于或等于500:1。
首先，智能手机通过连接光源发出的光束照射红富士苹果，光束经由红富士苹果反射后被智能手机连接的高光谱传感器采集，得到红富士苹果的高光谱数据。
其次，智能手机将高光谱数据发送到服务端，并根据高光谱数据绘制红富士苹果的光谱曲线进行显示。
随后，服务端接收到智能手机发送的高光谱数据，对高光谱数据进行一阶微分预处理。
接着，服务端从预处理后高光谱数据中选取最佳反演波长区间。本示例中，对可溶性固形物所选取的最佳反演波长区间为617.76-637.60nm和756.56-796.2nm，对含水量所选取的最佳反演波长区间为597.92-637.6nm和756.56-796.2nm。其中，由于待检测苹果为红富士苹果，可溶性固形物所选取的最佳反演波长区间617.76-637.60nm范围内光谱与红色有关；756.56-796.2nm范围内波峰主要受C-H键的四级倍频伸缩振动导致，因为C-H键的四级倍频中心波长位置是762nm。同理，含水量的特征波段机理相似。
然后，服务端基于对可溶性固形物所选取的最佳反演波长区间，通过偏最小二乘法建立对应可溶性固形物的反演模型，如图5所示。服务端基于对含水量所选取的最佳反演波长区间，通过偏最小二乘法建立对应含水量的反演模型，如图8所示。根据对应可溶性固形物的反演模型和对应含水量的反演模型中的相关系数Q和交互验证预测偏差RMSE确定对应的反演模型稳健性和精确度均能满足需求。
最后，服务端根据对应可溶性固形物的反演模型获取红富士苹果的可溶性固形物含量，根据对应含水量的反演模型获取红富士苹果的含水量，并将红富士苹果的可溶性固形物含量和含水量发送到智能手机。智能手机接收到以上检测结果后，进行显示。
本示例中，通过便携智能终端集成或电连接的光源和高光谱传感器获取高光谱数据，降低了传统的可见近红外光谱检测所需的仪器成本，使得光谱测量设备更加便携，降低了技术门槛，便于普通消费者在日常生活中使用。同时，通过服务端实现高光谱数据的分析处理过程，不仅降低了对便携智能终端计算和存储功能的要求，还大大提升了运算速度。
此外，服务端通过选取红富士苹果的最佳反演波长区间建立反演模型，简化了服务端对全谱段光谱分析的复杂过程，降低了算法复杂度，提高了数据处理效率，有利于实现快速、有效的可溶性固形物含量和含水量检测。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，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，或者对其中部分或者全部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的实施例各实施例技术方案的范围。

Claims (10)

1.一种检测苹果可溶性固形物含量和含水量的方法，其特征在于，包括：
通过光源和高光谱传感器，获取待检测苹果的高光谱数据；其中，所述光源和高光谱传感器集成在便携智能终端上或与所述便携智能终端电连接；
将所述高光谱数据发送到服务端，并接收所述服务端根据所述高光谱数据返回的所述待检测苹果的可溶性固形物含量和/或含水量。
2.根据权利要求1所述的方法，其特征在于，所述获取待检测苹果的高光谱数据，之后还包括：
根据所述高光谱数据绘制所述待检测苹果的光谱曲线并显示。
3.一种便携智能终端，其特征在于，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求1或2所述的检测苹果可溶性固形物含量和含水量的方法。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1或2所述的检测苹果可溶性固形物含量和含水量的方法。
5.一种检测苹果可溶性固形物含量和含水量的方法，其特征在于，包括：
接收便携智能终端发送的通过光源和高光谱传感器获取的待检测苹果的高光谱数据；其中，所述光源和高光谱传感器集成在所述便携智能终端上或与所述便携智能终端电连接；
根据所述高光谱数据获取所述待检测苹果的可溶性固形物含量和/或含水量，并将所述待检测苹果的可溶性固形物含量和/或含水量返回所述便携智能终端。
6.根据权利要求5所述的方法，其特征在于，根据所述高光谱数据获取所述待检测苹果的可溶性固形物含量和/或含水量，具体包括：
对所述高光谱数据进行预处理；
从预处理后的高光谱数据中选取最佳反演波长区间；
基于所述最佳反演波长区间，通过偏最小二乘法建立反演模型；
根据所述反演模型反演所述待检测苹果的可溶性固形物含量和/或含水量。
7.根据权利要求6所述的方法，其特征在于，基于所述最佳反演波长区间，通过偏最小二乘法建立反演模型，之后还包括：
计算所述反演模型的相关系数和交叉验证预测偏差，根据所述相关系数和交叉验证预测偏差对所述反演模型进行评价。
8.根据权利要求6所述的方法，其特征在于，从预处理后的高光谱数据中选取最佳反演波长区间，进一步包括：
将所述预处理后的高光谱数据划分为若干个子区间，通过最小二乘法建立每一子区间对应的反演模型；
根据每一反演模型的均方根误差，确定所述最佳反演波长区间。
9.一种服务端，其特征在于，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑指令，以执行如权利要求5至8任一所述的检测苹果可溶性固形物含量和含水量的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求5至8任一所述的检测苹果可溶性固形物含量和含水量的方法。
CN201810790199.0A 2018-07-18 2018-07-18 一种检测苹果可溶性固形物含量和含水量的方法 Pending CN109238973A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810790199.0A CN109238973A (zh) 2018-07-18 2018-07-18 一种检测苹果可溶性固形物含量和含水量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810790199.0A CN109238973A (zh) 2018-07-18 2018-07-18 一种检测苹果可溶性固形物含量和含水量的方法

Publications (1)

Publication Number Publication Date
CN109238973A true CN109238973A (zh) 2019-01-18

Family

ID=65071996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810790199.0A Pending CN109238973A (zh) 2018-07-18 2018-07-18 一种检测苹果可溶性固形物含量和含水量的方法

Country Status (1)

Country Link
CN (1) CN109238973A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814453A (zh) * 2019-01-22 2019-05-28 Oppo广东移动通信有限公司 食谱生成方法及相关装置
CN109946246A (zh) * 2019-02-27 2019-06-28 北京农业智能装备技术研究中心 一种苹果可溶性固形物的检测方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101776584A (zh) * 2010-01-18 2010-07-14 浙江林学院 松材线虫病的高光谱综合分析早期探测方法
US20120081695A1 (en) * 2010-09-29 2012-04-05 Booz, Allen & Hamilton Mobile phone hyperspectral imager with single-frame spatial, spectral and polarization information
CN104048927A (zh) * 2014-06-27 2014-09-17 上海理工大学 检测苹果可溶性固体含量的方法
CN103048278B (zh) * 2012-12-25 2016-01-13 浙江工业大学 机炒龙井茶叶水分含量在线检测方法
CN105548070A (zh) * 2015-12-31 2016-05-04 北京农业智能装备技术研究中心 一种苹果可溶性固形物近红外检测部位补偿方法及系统
CN106841052A (zh) * 2016-12-29 2017-06-13 中国科学院遥感与数字地球研究所 一种快速检测食用肉类新鲜度的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101776584A (zh) * 2010-01-18 2010-07-14 浙江林学院 松材线虫病的高光谱综合分析早期探测方法
US20120081695A1 (en) * 2010-09-29 2012-04-05 Booz, Allen & Hamilton Mobile phone hyperspectral imager with single-frame spatial, spectral and polarization information
CN103048278B (zh) * 2012-12-25 2016-01-13 浙江工业大学 机炒龙井茶叶水分含量在线检测方法
CN104048927A (zh) * 2014-06-27 2014-09-17 上海理工大学 检测苹果可溶性固体含量的方法
CN105548070A (zh) * 2015-12-31 2016-05-04 北京农业智能装备技术研究中心 一种苹果可溶性固形物近红外检测部位补偿方法及系统
CN106841052A (zh) * 2016-12-29 2017-06-13 中国科学院遥感与数字地球研究所 一种快速检测食用肉类新鲜度的方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814453A (zh) * 2019-01-22 2019-05-28 Oppo广东移动通信有限公司 食谱生成方法及相关装置
CN109946246A (zh) * 2019-02-27 2019-06-28 北京农业智能装备技术研究中心 一种苹果可溶性固形物的检测方法及装置
CN109946246B (zh) * 2019-02-27 2023-03-14 北京农业智能装备技术研究中心 一种苹果可溶性固形物的检测方法及装置

Similar Documents

Publication Publication Date Title
CN103235095B (zh) 注水肉检测方法和装置
CN100480680C (zh) 多光谱肉类新鲜度人工智能测量方法及系统
CN203233450U (zh) 近红外食品安全鉴别系统
CN108875913A (zh) 一种基于卷积神经网络的松茸快速无损检测系统及方法
US20220318548A1 (en) Method, apparatus, computing device and computer-readable storage medium for identifying signal
CN106841052A (zh) 一种快速检测食用肉类新鲜度的方法和系统
CN105548028A (zh) 禽蛋新鲜度的光纤光谱分级检测装置及其方法
CN109668843A (zh) 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法
CN112149524A (zh) 一种雷达信号分选识别方法、装置、探测器及存储介质
CN109238973A (zh) 一种检测苹果可溶性固形物含量和含水量的方法
CN106596456A (zh) 基于可变移动窗口选择溶液近红外光谱谱区的方法
CN113030011A (zh) 水果糖度快速无损检测方法及检测系统
CN112801986A (zh) 一种纺织材料匹配方法、装置、设备、存储介质及系统
CN108647675A (zh) 一种鸡蛋类型鉴别方法及装置
CN106841070B (zh) 一种白酒真伪鉴定方法及装置
CN105866043A (zh) 一种利用高光谱技术检测苹果酸味的方法
CN113655017A (zh) 一种智能手机连用的无损糖度检测装置及其检测方法
CN109883990A (zh) 一种药用真菌近红外光谱分析方法
CN117949429A (zh) 基于拉曼光谱和多模态混合式模型的杏仁产地鉴别方法
CN117538287A (zh) 一种无损检测黄冠梨果磷含量的方法及装置
Cheng et al. Exploration of compressive sensing in the classification of frozen fish based on two-dimensional correlation spectrum
CN115575345A (zh) 一种基于高光谱结合数据融合的罗非鱼片新鲜度测定方法
CN113125376A (zh) 一种陈皮年限鉴定方法、装置、设备和介质
CN209802978U (zh) 一种远程实时在线水果品质监测系统
CN106124417A (zh) 一种利用高光谱技术检测苹果涩味的回味的方法

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
TA01 Transfer of patent application right

Effective date of registration: 20200509

Address after: Room 101, Building 4, F Block 6, Huafeng Road, Huaming High-tech Industrial Zone, Dongli District, Tianjin 300304

Applicant after: ZHONGKE SPECTRUM TECHNOLOGY (TIANJIN) Co.,Ltd.

Applicant after: Tianjin zhongkeshi optical information technology Co., Ltd

Address before: Room 101, Building 4, F Block 6, Huafeng Road, Huaming High-tech Industrial Zone, Dongli District, Tianjin 300304

Applicant before: ZHONGKE SPECTRUM TECHNOLOGY (TIANJIN) Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190118