CN110514594A - 一种基于光声光谱的水稻种子水分含量分级快速检测方法 - Google Patents
一种基于光声光谱的水稻种子水分含量分级快速检测方法 Download PDFInfo
- Publication number
- CN110514594A CN110514594A CN201910757615.1A CN201910757615A CN110514594A CN 110514594 A CN110514594 A CN 110514594A CN 201910757615 A CN201910757615 A CN 201910757615A CN 110514594 A CN110514594 A CN 110514594A
- Authority
- CN
- China
- Prior art keywords
- moisture content
- rice paddy
- paddy seed
- optoacoustic spectroscopy
- measured
- 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
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
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
-
- 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
- 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
- G01N21/1702—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids
- G01N2021/1706—Systems in which incident light is modified in accordance with the properties of the material investigated with opto-acoustic detection, e.g. for gases or analysing solids in solids
Landscapes
- Physics & Mathematics (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)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光声光谱的水稻种子水分含量分级快速检测方法,包括以下步骤:S1、利用光声光谱仪测量出标准炭黑的光声光谱;S2、利用光声光谱仪测量出不同水分含量的标准水稻种子样品的光声光谱;S3、对S2所得的光声光谱进行归一化处理;S4、根据S3所得归一化的光声光谱,建立水稻种子水分含量分级预测模型;S5、采用光声光谱仪测量出待测水稻种子样品的光声光谱,并进行归一化处理;S6、根据水稻种子水分含量分级预测模型,得到待测水稻种子的水分含量所处的级别范围。该方法采用光声光谱技术对水稻种子的水分含量进行无损分级检测,测量数据能够反映整个水稻种子的水分含量,而且提高了判断水稻种子水分含量的效率。
Description
技术领域
本发明涉及水稻种子水分含量检测技术领域,特别涉及一种基于光声光谱的水稻种子水分含量分级快速检测方法。
背景技术
水稻是中国最重要的粮食作物之一,目前,我国水稻的播种面积约占粮食作物总面积的1/4,但其产量约占全国粮食总产量的1/2。水稻产量的波动会直接影响粮食供给,威胁我国粮食安全。
水稻种子水分含量是指种子所含水分重量占种子总重量的百分比,又称水稻种子含水率。种子水分含量是反映种子质量和贮藏活力的重要指标之一,也是种子贮藏、运输前需要测定的指标之一。
水稻种子中的水分含量直接影响秧苗成活率,进而对粮食产量产生重要的影响。已有研究表明,水稻种子中水分含量的高低直接影响其储存时间和来年抽芽率,水分含量为6%左右的种子可长期保存,而水分含量超过14%的种子来年抽芽率将下降40%。
水稻种子水分含量的测定方法很多,主要有低恒温烘干法、高恒温烘干法、快速水分仪法等。根据《国际种子检验规程水分测定》的规定,低恒温烘干法是种子水分含量测定的标准方法,适用于所有物种种子水分含量的测定。然而,由于低恒温烘干法的测定时间为(17±1)小时,一方面样品需在烘箱中过夜,具有一定安全隐患;另一方面相对较为费时,给检验工作带来不便。因此,研究一种精确、高效且无损的水稻种子水分含量检测方法,可为水稻种子快速检测、贮藏、育种提供很大的便利。
日前,也有人采用光谱分析法对水稻种子的水分含量进行分析,但这些研究人员采用的是水稻种子的反射光谱。反射光谱只能反映水稻种子表面的水分含量,不能反映水稻种子内部的水分含量。
发明内容
针对现有技术的不足,本发明提供了一种基于光声光谱的水稻种子水分含量分级快速检测方法,该方法采用光声光谱技术对水稻种子的水分含量进行无损分级检测,测量数据能够反映整个水稻种子的水分含量,且测量效率高。
为实现上述目的,本发明具体采用以下技术方案:
一种基于光声光谱的水稻种子水分含量分级快速检测方法,包括以下步骤:
S1、利用光声光谱仪测量出标准炭黑的光声光谱;
S2、利用光声光谱仪测量出不同水分含量的标准水稻种子样品的光声光谱;
S3、采用步骤S1所得标准炭黑的光声光谱对步骤S2所得的不同水分含量标准水稻种子样品的光声光谱进行归一化处理;
S4、根据步骤S3所得归一化的不同水分含量标准水稻种子的光声光谱,建立水稻种子水分含量分级预测模型,即得到水稻种子水分含量与水稻种子光声光谱之间的关系;
S5、采用光声光谱仪测量出待测水稻种子样品的光声光谱,并采用步骤S3所述的方法进行归一化处理;
S6、根据步骤S4所述的水稻种子水分含量分级预测模型和步骤S5得到的归一化光声光谱,可判断出待测水稻种子的水分含量所处的级别范围。
优选的,所述利用光声光谱仪测量出的光声光谱的范围为700-1200nm。
优选的,所述不同水分含量标准水稻种子样品的制备方法具体为:挑选颗粒饱满、无霉变、大小形状基本相同、种子生理成熟不久的水稻种子,剔除夹杂物和杂种子;将筛选的种子按组封装入干燥瓶,添加不同质量的蒸馏水,制作成不同水分含量的标准水稻种子样品。
优选的,步骤S4所述构建由水稻种子样品的光声光谱确定水稻种子水分含量的预测模型方法为神经网络法、偏最小二乘法或支持向量机法中的一种。
相对于现有技术,本发明的有益效果为:本发明提供的方法是利用脉冲光照射到水稻种子的表面,水稻种子在脉冲光照射下,由于热胀冷缩,水稻种子中会产生声波,这种声波不仅可以反映水稻种子表面的水分含量,而且也与水稻种子内部的水分含量有关,因此可以获得整个水稻种子的水分含量,数据准确。另外,该方法为无损分析检测,通过构建水稻种子水分含量分级的光声光谱分析模型,不仅能够判断出待测水稻的水分分级含量,而且还大大降低检测时间,提高了判断水稻种子水分含量的效率及准确性。
附图说明
图1是本发明实施例中基于光声光谱的水稻种子水分含量分级快速检测方法的流程图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述。下述实施例中的实验方法,如无特殊说明,均为常规方法;下述实施例中所用的仪器、材料等,如无特殊说明,均可从商业途径得到。
一种基于光声光谱的水稻种子水分含量分级快速检测方法,包括以下步骤:
S1、利用光声光谱仪测量出标准炭黑的光声光谱。光声光谱是将光经过调制后,即由连续光变为强度变化的光,照射到样品上,样品由于热胀冷缩产生声信号,改变光源的波长就可得到不同光波长下的声信号强度,即光声光谱。本实施例中,采用的是PGS-III光声光谱仪,其光源的坡长范围是300-1200nm,通过大量的实验证明,不同水分含量的水稻种子在300-700nm范围内的光声光谱区别不大,因此,测试时选取700-1200nm范围内的光谱。在常规的光声光谱中另一个参数是光调制频率,但通过实验证明该参数对不同水分含量水稻种子的光声光谱基本无影响。
S2、采用与步骤S1相同的方法测量出不同水分含量的标准水稻种子样品在700-1200nm范围内的光声光谱。
优选的,所述不同水分含量标准水稻种子样品的制备方法具体为:挑选颗粒饱满、无霉变、大小形状基本相同、种子生理成熟不久的水稻种子,剔除夹杂物和杂种子;将筛选的种子按组封装入干燥瓶,添加不同质量的蒸馏水,制作成不同水分含量的标准水稻种子样品。
S3、采用步骤S1所得标准炭黑的光声光谱对步骤S2所得的不同水分含量标准水稻种子样品的光声光谱进行归一化处理。由于标准炭黑对光的吸收率可认为是100%,光声光谱信号的强度除了与样品的含水量有关外,还有光的吸收有关,利用标准炭黑的光声光谱将水稻种子的光声光谱信号进行归一化处理,能够提高对水稻含水量的分级检测的准确度和灵敏度。
S4、根据步骤S3所得归一化的不同水分含量标准水稻种子的光声光谱,利用神经网络建立水稻种子水分含量分级预测模型,即得到水稻种子水分含量与水稻种子光声光谱之间的关系。
在实验过程中,发现水稻种子的水分含量不同,光声光谱的信号强度不同,水分含量越大,强度越小。由于不同水稻种子的成分不完全相同,因此,仅能通过信号强度和水分含量的关系实现对水稻种子水分的分级检测。分级检测是将水稻种子的水分含量分为几个等级,但在实际的生产中,分级检测即可满足水稻种子水分挑选的要求。
S5、采用与步骤S1相同的方法测量出待测水稻种子样品在700-1200nm范围内的光声光谱,并采用步骤S3所述的方法进行归一化处理。
S6、根据步骤S4所述的水稻种子水分含量分级预测模型和步骤S5得到的归一化光声光谱,可得到待测水稻种子的水分含量所处的级别范围。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应超过本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。
Claims (4)
1.一种基于光声光谱的水稻种子水分含量分级快速检测方法,其特征在于,包括以下步骤:
S1、利用光声光谱仪测量出标准炭黑的光声光谱;
S2、利用光声光谱仪测量出不同水分含量的标准水稻种子样品的光声光谱;
S3、采用步骤S1所得标准炭黑的光声光谱对步骤S2所得的不同水分含量标准水稻种子样品的光声光谱进行归一化处理;
S4、根据步骤S3所得归一化的不同水分含量标准水稻种子的光声光谱,建立水稻种子水分含量分级预测模型;
S5、采用光声光谱仪测量出待测水稻种子样品的光声光谱,并采用步骤S3所述的方法进行归一化处理;
S6、根据步骤S4所述的水稻种子水分含量分级预测模型和步骤S5得到的归一化光声光谱,得到待测水稻种子的水分含量所处的级别范围。
2.根据权利要求1所述的一种基于光声光谱的水稻种子水分含量分级快速检测方法,其特征在于,所述利用光声光谱仪测量出的光声光谱的范围为700-1200nm。
3.根据权利要求1所述的一种基于光声光谱的水稻种子水分含量分级快速检测方法,其特征在于,所述不同水分含量标准水稻种子样品的制备方法具体为:挑选颗粒饱满、无霉变、大小形状基本相同、种子生理成熟不久的水稻种子,剔除夹杂物和杂种子;将筛选的种子按组封装入干燥瓶,添加不同质量的蒸馏水,制作成不同水分含量的标准水稻种子样品。
4.根据权利要求1所述的一种基于光声光谱的水稻种子水分含量分级快速检测方法,其特征在于,步骤S4所述建立水稻种子水分含量分级预测模型的方法为神经网络法、偏最小二乘法或支持向量机法中的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757615.1A CN110514594A (zh) | 2019-08-16 | 2019-08-16 | 一种基于光声光谱的水稻种子水分含量分级快速检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910757615.1A CN110514594A (zh) | 2019-08-16 | 2019-08-16 | 一种基于光声光谱的水稻种子水分含量分级快速检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110514594A true CN110514594A (zh) | 2019-11-29 |
Family
ID=68625446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910757615.1A Pending CN110514594A (zh) | 2019-08-16 | 2019-08-16 | 一种基于光声光谱的水稻种子水分含量分级快速检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110514594A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378895A (zh) * | 2020-09-24 | 2021-02-19 | 长江大学 | 一种原油含水率测量方法及系统、存储介质、设备 |
CN113449792A (zh) * | 2021-06-28 | 2021-09-28 | 四创电子股份有限公司 | 一种无损快速检测食品质量的方法 |
CN113655025A (zh) * | 2021-07-30 | 2021-11-16 | 广西壮族自治区农业科学院 | 基于近红外光谱技术快速无损检测水稻种子质量的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080134756A1 (en) * | 2006-07-12 | 2008-06-12 | Finesse, Llc. | System and method for gas analysis using photoacoustic spectroscopy |
CN106124411A (zh) * | 2016-06-29 | 2016-11-16 | 内江师范学院 | 一种宽光谱型光声光谱痕量物质远距离探测装置及方法 |
CN106290220A (zh) * | 2016-10-11 | 2017-01-04 | 河南农业大学 | 基于红外光声光谱的水果成熟度无损检测系统及方法 |
CN108444953A (zh) * | 2018-03-13 | 2018-08-24 | 长江大学 | 基于激光诱导击穿光谱微分信号的水稻品种快速鉴别方法 |
CN108844898A (zh) * | 2018-03-13 | 2018-11-20 | 长江大学 | 一种岩屑类型识别方法及系统 |
-
2019
- 2019-08-16 CN CN201910757615.1A patent/CN110514594A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080134756A1 (en) * | 2006-07-12 | 2008-06-12 | Finesse, Llc. | System and method for gas analysis using photoacoustic spectroscopy |
CN106124411A (zh) * | 2016-06-29 | 2016-11-16 | 内江师范学院 | 一种宽光谱型光声光谱痕量物质远距离探测装置及方法 |
CN106290220A (zh) * | 2016-10-11 | 2017-01-04 | 河南农业大学 | 基于红外光声光谱的水果成熟度无损检测系统及方法 |
CN108444953A (zh) * | 2018-03-13 | 2018-08-24 | 长江大学 | 基于激光诱导击穿光谱微分信号的水稻品种快速鉴别方法 |
CN108844898A (zh) * | 2018-03-13 | 2018-11-20 | 长江大学 | 一种岩屑类型识别方法及系统 |
Non-Patent Citations (7)
Title |
---|
[美国]罗伯特 D. 布朗: "《最新仪器分析技术全书》", 30 September 1990, 化学工业出版社 * |
F. PEDROCHI等: "Photoacoustic spectroscopy and thermal relaxation method to evaluate corn moisture content", 《JOURNAL DE PHYSIQUE IV》 * |
N.S. FOSTER等: "Detection of trace levels of water in oil by photoacoustic spectroscopy", 《SENSORS AND ACTUATORS B》 * |
PETER S. BELTON等: "Determination of the Moisture Content of Starch Using Near Infrared Photoacoustic Spectroscopy", 《AMALYST》 * |
王阳恩 等: "不同种类岩石的光声光谱定性解析研究", 《冶金分析》 * |
王鹏 等: "《有机波谱》", 31 January 2012, 国防工业出版社 * |
马赵扬 等: "纸张含水量的傅里叶变换中红外光声光谱分析", 《红外》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378895A (zh) * | 2020-09-24 | 2021-02-19 | 长江大学 | 一种原油含水率测量方法及系统、存储介质、设备 |
CN113449792A (zh) * | 2021-06-28 | 2021-09-28 | 四创电子股份有限公司 | 一种无损快速检测食品质量的方法 |
CN113655025A (zh) * | 2021-07-30 | 2021-11-16 | 广西壮族自治区农业科学院 | 基于近红外光谱技术快速无损检测水稻种子质量的方法 |
CN113655025B (zh) * | 2021-07-30 | 2024-03-19 | 广西壮族自治区农业科学院 | 基于近红外光谱技术快速无损检测水稻种子质量的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110514594A (zh) | 一种基于光声光谱的水稻种子水分含量分级快速检测方法 | |
Li et al. | Recent advances in nondestructive analytical techniques for determining the total soluble solids in fruits: a review | |
Alfatni et al. | The application of internal grading system technologies for agricultural products–Review | |
Ali et al. | Rapid and nondestructive techniques for internal and external quality evaluation of watermelons: A review | |
CN111157511B (zh) | 一种基于拉曼光谱技术的鸡蛋新鲜度无损检测方法 | |
CN103487396A (zh) | 一种光照参数可调的近红外水果糖度无损检测装置 | |
CN104568824B (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
Fathizadeh et al. | Nondestructive methods for determining the firmness of apple fruit flesh | |
CN104965973B (zh) | 一种苹果霉心病多因子无损检测判别模型及其建立方法 | |
CN109669023A (zh) | 一种基于多传感器融合的土壤属性预测方法 | |
CN108132226A (zh) | 橡胶补强剂炭黑的太赫兹光谱定量分析方法 | |
Xing et al. | Effects of bruise type on discrimination of bruised and non-bruised ‘Golden Delicious’ apples by VIS/NIR spectroscopy | |
Li et al. | Optical techniques in non-destructive detection of wheat quality: A review | |
Nturambirwe et al. | Detecting bruise damage and level of severity in apples using a contactless nir spectrometer | |
CN110567941B (zh) | 一种基于主要元素光谱强度的水稻种子水分含量分级检测方法 | |
CN107505179A (zh) | 一种土壤预处理与养分近红外光谱检测方法 | |
CN103822899A (zh) | 基于太赫兹时域光谱检测小麦粉中害虫碎片的方法 | |
Mishra et al. | Emerging nondestructive techniques to quantify the textural properties of food: A state‐of‐art review | |
Tian et al. | Nondestructive testing for wheat quality with sensor technology based on Big Data | |
Khurnpoon et al. | Rapid evaluation of the texture properties of melon (Cucumis melo L. Var. reticulata cv. Green net) using near infrared spectroscopy | |
Saenphon et al. | Total soluble solids, dry matter content prediction and maturity stage classification of durian fruit using long-wavelength NIR reflectance | |
Budagovskaya et al. | Nondestructive laser testing of fruit | |
Rizzolo et al. | Time-resolved technique for measuring optical properties and quality of food | |
Li et al. | Study on a two‐dimensional correlation visible–near infrared spectroscopy kinetic model for the moisture content of fresh walnuts stored at room temperature | |
CN110108647A (zh) | 一种肉类品种的鉴别方法和鉴别系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191129 |