CN111398198A - 一种小麦籽粒微量元素快速无损检测方法 - Google Patents
一种小麦籽粒微量元素快速无损检测方法 Download PDFInfo
- Publication number
- CN111398198A CN111398198A CN202010354185.1A CN202010354185A CN111398198A CN 111398198 A CN111398198 A CN 111398198A CN 202010354185 A CN202010354185 A CN 202010354185A CN 111398198 A CN111398198 A CN 111398198A
- Authority
- CN
- China
- Prior art keywords
- wheat
- data
- grains
- content
- hyperspectral
- 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
- 241000209140 Triticum Species 0.000 title claims abstract description 67
- 235000021307 Triticum Nutrition 0.000 title claims abstract description 67
- 235000013339 cereals Nutrition 0.000 title claims abstract description 61
- 239000011573 trace mineral Substances 0.000 title claims abstract description 48
- 235000013619 trace mineral Nutrition 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000009659 non-destructive testing Methods 0.000 title abstract description 9
- 238000000701 chemical imaging Methods 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000003595 spectral effect Effects 0.000 claims description 35
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000011575 calcium Substances 0.000 claims description 8
- 239000010949 copper Substances 0.000 claims description 7
- 238000000227 grinding Methods 0.000 claims description 7
- 239000011777 magnesium Substances 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 6
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 5
- 229910052791 calcium Inorganic materials 0.000 claims description 5
- 238000002790 cross-validation Methods 0.000 claims description 5
- 239000008367 deionised water Substances 0.000 claims description 5
- 229910021641 deionized water Inorganic materials 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- ZOXJGFHDIHLPTG-UHFFFAOYSA-N Boron Chemical compound [B] ZOXJGFHDIHLPTG-UHFFFAOYSA-N 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 4
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 claims description 4
- 229910052796 boron Inorganic materials 0.000 claims description 4
- 229910052802 copper Inorganic materials 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 4
- 229910052749 magnesium Inorganic materials 0.000 claims description 4
- 229910052750 molybdenum Inorganic materials 0.000 claims description 4
- 239000011733 molybdenum Substances 0.000 claims description 4
- 238000010162 Tukey test Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000010238 partial least squares regression Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 239000004464 cereal grain Substances 0.000 claims description 2
- 238000002354 inductively-coupled plasma atomic emission spectroscopy Methods 0.000 claims description 2
- 239000007788 liquid Substances 0.000 claims description 2
- 239000011701 zinc Substances 0.000 claims description 2
- 229910052725 zinc Inorganic materials 0.000 claims description 2
- HCHKCACWOHOZIP-UHFFFAOYSA-N Zinc Chemical compound [Zn] HCHKCACWOHOZIP-UHFFFAOYSA-N 0.000 claims 1
- 229910052742 iron Inorganic materials 0.000 claims 1
- WPBNNNQJVZRUHP-UHFFFAOYSA-L manganese(2+);methyl n-[[2-(methoxycarbonylcarbamothioylamino)phenyl]carbamothioyl]carbamate;n-[2-(sulfidocarbothioylamino)ethyl]carbamodithioate Chemical compound [Mn+2].[S-]C(=S)NCCNC([S-])=S.COC(=O)NC(=S)NC1=CC=CC=C1NC(=S)NC(=O)OC WPBNNNQJVZRUHP-UHFFFAOYSA-L 0.000 claims 1
- 238000005406 washing Methods 0.000 claims 1
- 235000016709 nutrition Nutrition 0.000 abstract description 3
- 235000003642 hunger Nutrition 0.000 abstract description 2
- 239000000463 material Substances 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 abstract 1
- 239000002699 waste material Substances 0.000 abstract 1
- 239000000243 solution Substances 0.000 description 8
- 239000011572 manganese Substances 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 description 4
- 230000029087 digestion Effects 0.000 description 4
- 238000000120 microwave digestion Methods 0.000 description 4
- PWHULOQIROXLJO-UHFFFAOYSA-N Manganese Chemical compound [Mn] PWHULOQIROXLJO-UHFFFAOYSA-N 0.000 description 3
- 238000009616 inductively coupled plasma Methods 0.000 description 3
- 229910052748 manganese Inorganic materials 0.000 description 3
- JBQYATWDVHIOAR-UHFFFAOYSA-N tellanylidenegermanium Chemical compound [Te]=[Ge] JBQYATWDVHIOAR-UHFFFAOYSA-N 0.000 description 3
- -1 60W halogen Chemical class 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000706 filtrate Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 235000020802 micronutrient deficiency Nutrition 0.000 description 2
- 239000011259 mixed solution Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 229920002261 Corn starch Polymers 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- 229930003270 Vitamin B Natural products 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 239000002894 chemical waste Substances 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000008120 corn starch Substances 0.000 description 1
- LINOMUASTDIRTM-QGRHZQQGSA-N deoxynivalenol Chemical compound C([C@@]12[C@@]3(C[C@@H](O)[C@H]1O[C@@H]1C=C(C([C@@H](O)[C@@]13CO)=O)C)C)O2 LINOMUASTDIRTM-QGRHZQQGSA-N 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 235000013325 dietary fiber Nutrition 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 235000010755 mineral Nutrition 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 235000019156 vitamin B Nutrition 0.000 description 1
- 239000011720 vitamin B Substances 0.000 description 1
- LINOMUASTDIRTM-UHFFFAOYSA-N vomitoxin hydrate Natural products OCC12C(O)C(=O)C(C)=CC1OC1C(O)CC2(C)C11CO1 LINOMUASTDIRTM-UHFFFAOYSA-N 0.000 description 1
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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/73—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited using plasma burners or torches
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
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)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种小麦籽粒微量元素快速无损检测方法，具体涉及农产品无损检测技术领域。所述方法包括以下步骤：采集试验样本、数据获取、数据处理和构建模型。本发明以不同小麦品种为材料，利用高光谱成像技术对不同年份、不同管理措施下小麦籽粒微量元素进行检测。高光谱成像技术克服了传统测定方法费时、费力的缺点，在无损籽粒水平上实现了小麦籽粒微量元素含量的快速检测。本发明提供的方法可用于麦类籽粒营养品质的快速分级筛选，对于推动改善“隐性饥饿”问题具有重要作用。
Description
技术领域
本发明涉及农产品无损检测技术领域，具体涉及一种小麦籽粒微量元素快速无损检测方法。
背景技术
小麦是最重要的粮食作物之一，为全球提供了20％的饮食能量和蛋白质。同时，小麦还含有许多其他重要的营养物质，包括膳食纤维、维生素(尤其是维生素B)、脂质以及微量元素。但现有的小麦品种微量元素含量不能够满足人体的营养需求，因此，一些以小麦为主食的发展中国家“隐性饥饿”问题尤为严重。2008年《哥本哈根共识》将微量营养素缺乏列为人类健康面临的第五大全球挑战。据统计，全球共有20亿人患有一种或多种慢性微量营养素缺乏症，其中中国占15％。因此，进一步提高小麦的微量元素含量、为全世界的人们提供高营养品质的小麦非常重要。提高小麦的微量元素含量这一目标存在很多限制因素，其中一项就是微量元素含量的测定。长期以来，传统的小麦籽粒微量元素含量的测定都是通过室内研磨、化学方法高温消煮、电感耦合等离子原子发射光谱仪或原子吸收分光光度计检测而实现的，需要投入大量时间、精力，同时操作过程复杂，分析成本高，还会产生化学废气污染环境。因此，非常有必要寻找一种能够快速监测小麦籽粒微量元素的方法。
随着科学技术的发展，一种实验室条件下利用可见光-近红外光谱进行研究的新技术：高光谱成像技术被开发，该技术融合了光谱技术和成像技术的优点，可以获得图像中每个像素的光谱(化学或物理)信息，非常适合分析非均质性的样本。同时，近红外波段的光谱包含C-H、O-H和N-H化学键的信息，能够在不破坏样本的前提下实现有机分子含氢基团的特征信息获取。由于该技术具有分辨率高、速度快、无损、经济、环保等特点，所以非常适合应用于农产品无损检测技术领域。该技术已成功应用于检测小麦呕吐毒素污染水平(沈飞等，2019)、小麦赤霉病抗性(梁琨等，2019)、玉米淀粉含量(陈立平等，2019)和坚果矿物质含量(Bai et al.2018)。然而目前还没有将高光谱成像技术用于小麦籽粒微量元素预测的先例。
发明内容
本发明的目的是基于高光谱成像技术，提供一种简单、快速、无损检测小麦籽粒微量元素含量的方法。
本发明所提供的检测小麦籽粒微量元素含量的方法，包括如下步骤：
1)收集小麦籽粒样本；
2)构建高光谱成像系统，利用高光谱成像系统采集小麦籽粒的高光谱图像；
3)获取籽粒光谱反射率
对步骤2)获得的样本原始高光谱图像进行校正，将原始光谱辐射率图像转换为光谱反射率图像，然后从光谱反射率图像中提取样本的平均光谱反射率数据；
4)测定籽粒各微量元素的含量；
5)使用偏最小二乘回归PLSR方法建立反映平均光谱反射率数据与小麦籽粒各微量元素的含量之间关系的模型；
(1)筛选和删除微量元素含量数据集和高光谱数据的异常值；
(2)建立模型；
6)利用高光谱成像系统采集待测小麦籽粒的高光谱图像，提取小麦籽粒光谱反射率，将小麦籽粒光谱反射率输入建立好的模型，预测出待测小麦籽粒中各微量元素的含量。
上述方法步骤1)中，所述小麦籽粒样本可为来自不同年份、不同品种、不同管理措施条件下的小麦籽粒样本，但不限于小麦，麦类谷物籽粒均可；
所述小麦籽粒样本为多份，具体可为＞600份；
在利用高光谱成像系统采集小麦籽粒的高光谱图像前，还需将所述小麦籽粒样本自然风干；
上述方法步骤2)中，所述高光谱成像系统包括高光谱成像仪(SOC710-VP，USA)、一个暗箱、4个60W的卤素灯组成的照明系统、放置样本的升降台和电脑；
所述高光谱成像的光谱范围为350-1050nm；
SOC710-VP(便携式可见光-近红外高光谱成像仪)覆盖的光谱范围从350到1050nm，共128个波段；
上述方法步骤3)中，根据高光谱成像仪用户手册对步骤2)获取的样本原始高光谱图像进行校正；
上述方法步骤4)中，采用化学方法测定小麦籽粒各微量元素的含量；
所述测定小麦籽粒各微量元素的含量的方法，包括：室内研磨；采用化学方法高温消煮制备待测液；使用电感耦合等离子体原子发射光谱法分析待测液中的各微量元素的含量；
其中，所述微量元素包括：硼(B)、钙(Ca)、铜(Cu)、铁(Fe)、镁(Mg)、锰(Mn)、钼(Mo)、锌(Zn)。
具体操作如下：将步骤1)中采集到的样本全部用去离子水清洗5次，在70℃下烘干至恒重，使用球磨仪和氧化锆研磨罐研磨，称取0.2～0.3g(精确至0.0001g)样品置于微波消解管中，然后加入2:1HNO3:H2O2溶液，静置12h，用微波消解仪(CEM Mars6，USA)消煮样品和酸混合溶液，消煮完成后将冷却的消煮液转移至一个25ml的容量瓶中，加去离子水稀释至刻度线，摇匀，然后过0.45μm滤膜，使用电感耦合等离子体原子发射光谱仪(Thermo-ICAP6300，USA)对滤液中硼(B)、钙(Ca)、铜(Cu)、铁(Fe)、镁(Mg)、锰(Mn)、钼(Mo)、锌(Zn)进行分析。
上述方法步骤5)(1)中，使用Tukey方法筛选和删除微量元素数据中的异常值，使用基于蒙特卡罗交叉验证的方法检筛选和删除光谱反射率异常值；
上述方法步骤5)(2)中，随机选取80％的数据组成训练数据集用于建立模型，剩余20％的数据组成测试数据集用于验证模型；其中，所述数据均为步骤5)(1)中获得的经过异常值筛选的微量元素数据和光谱反射率数据；
上述方法步骤5)(2)中，在建模过程中，主成分的个数最大设为50；为防止模型过拟合，训练模型时进行5次10折交叉验证；同时，对模型输入的光谱反射率数据进行中心化和归一化的预处理；
上述方法步骤5)还可进一步包括(3)：以光谱反射率为模型输入，以籽粒微量元素含量为输出，利用PLSR对小麦籽粒微量元素进行预测，使用预测值和真实值线性回归的决定系数R2和均方根误差RMSE来评价模型的准确度和精度。
高光谱成像技术在小麦籽粒微量元素检测中的应用也属于本发明的保护范围。
本发明提供了一种基于高光谱成像技术的小麦籽粒微量元素含量测定的方法，与现有的测定方法相比，具有以下明显的优点：
1)本发明具有操作简单、快速、成本低、效率高等优点；无需对小麦籽粒进行与处理，直接采集其高光谱图像即可；
2)本发明在操作过程中不使用有毒化学试剂，对环境无污染。
附图说明
图1为本发明所提供的高光谱成像系统的示意图(a)和小麦籽粒样本(b)。
图2为小麦籽粒的平均光谱。
具体实施方式
下面通过具体实施例对本发明进行说明，但本发明并不局限于此。
下述实施例中所使用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试剂、材料等，如无特殊说明，均可从商业途径得到。
实施例1、基于高光谱成像的小麦籽粒元素快速无损检测方法
1、采集样本
小麦籽粒样本采集自2017-2019年中国农业大学吴桥实验站。本试验包括13个小麦品种，分别是北京8号、丰抗8号、藁优2018、藁优5766、邯麦15、京411、济麦22、农大139、农大399、石麦22、中麦1062、中麦175和中麦578。小麦成熟后，本试验共采集了631份小麦籽粒样品。将这些样品自然风干，备用。
2、籽粒高光谱图像获取
(1)构建一个高光谱成像系统，如图1所示。本发明的高光谱成像系统包括高光谱成像仪(SOC710-VP，USA)、一个暗箱、4个60W的卤素灯组成的照明系统、放置样本的升降台和电脑。SOC710-VP是一台便携式可见光-近红外高光谱成像仪，覆盖的光谱范围从350到1050nm，共128个波长。
(2)将步骤1采集到的样本全部进行高光谱成像。具体步骤为将小麦籽粒样本(3-5g)分别装入圆形塑料盒(直径7cm，高4cm)中，然后放置在升降台上，通过调节升降台来控制成像区域内的样本数量。每次扫描可同时获得9个样本的高光谱图像。
3、籽粒光谱反射率的获取
根据高光谱成像仪用户手册对步骤2获取的样本原始高光谱图像进行校正，将原始光谱辐射率图像转换为光谱反射率图像，然后从光谱反射率图像中提取样本的平均光谱反射率数据。631个样本的平均光谱反射率及变异特征如图2所示。
4、籽粒微量元素含量的测定
将步骤1采集到的样本全部用去离子水清洗5次，在70℃下烘干至恒重，使用球磨仪和氧化锆研磨罐研磨，称取0.2～0.3g(精确至0.0001g)样品置于微波消解管中，然后加入2:1HNO3:H2O2溶液，静置12h，然后用微波消解仪(CEM Mars6，USA)消煮样品和酸混合溶液，消煮完成后将冷却的消煮液转移至一个25ml的容量瓶中，加去离子水稀释至刻度线，摇匀，然后过0.45μm滤膜，使用电感耦合等离子体原子发射光谱仪(Thermo-ICAP6300，USA)对滤液中硼(B)、钙(Ca)、铜(Cu)、铁(Fe)、镁(Mg)、锰(Mn)、钼(Mo)、锌(Zn)进行分析。
5、使用偏最小二乘回归PLSR方法建立模型
(1)使用Tukey方法筛选和删除微量元素数据中的异常值，使用基于蒙特卡罗交叉验证的方法检筛选和移除光谱反射率异常值。
(2)随机选取80％的数据组成训练数据集用于建立模型，剩余20％的数据组成测试数据集用于验证模型。在建模过程中，主成分的个数最大设为50；为防止模型过拟合，训练模型时进行5次10折交叉验证；同时，对模型输入的光谱反射率数据进行中心化和归一化的预处理。
(3)以128个波长下的光谱反射率为模型输入，以籽粒微量元素含量为输出，利用PLSR对小麦籽粒微量元素进行预测。使用预测值和真实值线性回归的决定系数R2和均方根误差RMSE来评价模型的准确度和精度。各微量元素的PLSR模型结果如表1所示，R2最高可达0.82，对应的RMSE为0.08，可以看Mo、Mg、Zn和Ca等微量元素预测效果较好，说明本发明可以用于测定小麦籽粒多种微量元素的含量。
表1不同微量元素的PLSR模型结果
Claims (9)
1.一种检测小麦籽粒微量元素含量的方法，包括如下步骤：
1)收集小麦籽粒样本；
2)构建高光谱成像系统，利用高光谱成像系统采集小麦籽粒的高光谱图像；
3)获取籽粒光谱反射率
对步骤2)获得的样本原始高光谱图像进行校正，将原始光谱辐射率图像转换为光谱反射率图像，然后从光谱反射率图像中提取样本的平均光谱反射率数据；
4)测定籽粒各微量元素的含量；
5)使用偏最小二乘回归PLSR方法建立反映平均光谱反射率数据与小麦籽粒各微量元素的含量之间关系的模型；
(1)筛选和删除微量元素含量数据集和高光谱数据的异常值；
(2)建立模型；
6)利用高光谱成像系统采集待测小麦籽粒的高光谱图像，提取小麦籽粒光谱反射率，将小麦籽粒光谱反射率输入建立好的模型，预测出待测小麦籽粒中各微量元素的含量。
2.根据权利要求1所述的方法，其特征在于：步骤1)中，所述小麦籽粒样本为来自不同年份、不同品种、不同管理措施条件下的小麦籽粒样本，但不限于小麦，麦类谷物籽粒均可。
3.根据权利要求1或2所述的方法，其特征在于：步骤2)中，所述高光谱成像的光谱范围为350-1050nm。
4.根据权利要求1-3中任一项所述的方法，其特征在于：步骤3)中，根据高光谱成像仪用户手册对步骤2)获取的样本原始高光谱图像进行校正。
5.根据权利要求1-4中任一项所述的方法，其特征在于：步骤4)中，采用化学方法测定小麦籽粒各微量元素的含量；
具体为，所述方法包括：用去离子水清洗样本5次，烘干；室内研磨；采用化学方法高温消煮制备待测液；使用电感耦合等离子体原子发射光谱法分析待测液中的各微量元素的含量。
6.根据权利要求1-5中任一项所述的方法，其特征在于：步骤4)中，所述微量元素包括：硼、钙、铜、铁、镁、锰、钼、锌。
7.根据权利要求1-6中任一项所述的方法，其特征在于：步骤5)(1)中，使用Tukey方法筛选和删除微量元素数据中的异常值，使用基于蒙特卡罗交叉验证的方法检筛选和删除光谱反射率异常值；
步骤5)(2)中，随机选取80％的数据组成训练数据集用于建立模型，剩余20％的数据组成测试数据集用于验证模型；其中，所述数据均为步骤5)(1)中获得的经过异常值筛选的微量元素数据和光谱反射率数据。
8.根据权利要求1-7中任一项所述的方法，其特征在于：步骤5)还进一步包括(3)：以光谱反射率为模型输入，以籽粒微量元素含量为输出，利用PLSR对小麦籽粒微量元素进行预测，使用预测值和真实值线性回归的决定系数R2和均方根误差RMSE来评价模型的准确度和精度。
9.高光谱成像技术在小麦籽粒微量元素检测中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010354185.1A CN111398198A (zh) | 2020-04-29 | 2020-04-29 | 一种小麦籽粒微量元素快速无损检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010354185.1A CN111398198A (zh) | 2020-04-29 | 2020-04-29 | 一种小麦籽粒微量元素快速无损检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111398198A true CN111398198A (zh) | 2020-07-10 |
Family
ID=71431829
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010354185.1A Pending CN111398198A (zh) | 2020-04-29 | 2020-04-29 | 一种小麦籽粒微量元素快速无损检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111398198A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113670840A (zh) * | 2021-08-13 | 2021-11-19 | 华南农业大学 | 鲜切笋中不溶性膳食纤维含量的快速无损检测方法 |
| CN114062282A (zh) * | 2022-01-12 | 2022-02-18 | 中国农业科学院农业资源与农业区划研究所 | 一种树上果实干物质快速判定方法及装置 |
| CN116642841A (zh) * | 2023-07-18 | 2023-08-25 | 中国农业大学 | 基于成像光谱的小麦单籽粒蛋白质含量检测与筛选方法 |
| CN117647501A (zh) * | 2024-01-29 | 2024-03-05 | 中国计量科学研究院 | 基于icp光谱特征的食品中元素智能检测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1900695A (zh) * | 2005-07-21 | 2007-01-24 | 李少昆 | 基于高光谱的小麦氮素含量与籽粒蛋白品质田间快速监测方法 |
| CN108279212A (zh) * | 2018-01-04 | 2018-07-13 | 中国科学院亚热带农业生态研究所 | 一种基于高光谱的动物肉松金属元素含量的预测和评估方法 |
| CN110631995A (zh) * | 2019-08-26 | 2019-12-31 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
-
2020
- 2020-04-29 CN CN202010354185.1A patent/CN111398198A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1900695A (zh) * | 2005-07-21 | 2007-01-24 | 李少昆 | 基于高光谱的小麦氮素含量与籽粒蛋白品质田间快速监测方法 |
| CN108279212A (zh) * | 2018-01-04 | 2018-07-13 | 中国科学院亚热带农业生态研究所 | 一种基于高光谱的动物肉松金属元素含量的预测和评估方法 |
| CN110631995A (zh) * | 2019-08-26 | 2019-12-31 | 江苏大学 | 叶片叶绿素叶面分布特征同步诊断氮钾镁元素亏缺的方法 |
Non-Patent Citations (2)
| Title |
|---|
| EVA M. ACHATA ET AL.: "Evaluation of Vis-NIR hyperspectral imaging as a process analytical tool to classify brined pork samples and predict brining salt concentration", 《JOURNAL OF FOOD ENGINEERING》 * |
| 丁静等: "基于ICO-SPA特征提取的近红外高光谱小麦赤霉病粒呕吐毒素含量预测", 《麦类作物学报》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113670840A (zh) * | 2021-08-13 | 2021-11-19 | 华南农业大学 | 鲜切笋中不溶性膳食纤维含量的快速无损检测方法 |
| CN114062282A (zh) * | 2022-01-12 | 2022-02-18 | 中国农业科学院农业资源与农业区划研究所 | 一种树上果实干物质快速判定方法及装置 |
| CN114062282B (zh) * | 2022-01-12 | 2023-09-22 | 中国农业科学院农业资源与农业区划研究所 | 一种树上果实干物质快速判定方法及装置 |
| CN116642841A (zh) * | 2023-07-18 | 2023-08-25 | 中国农业大学 | 基于成像光谱的小麦单籽粒蛋白质含量检测与筛选方法 |
| CN116642841B (zh) * | 2023-07-18 | 2023-10-31 | 中国农业大学 | 基于成像光谱的小麦单籽粒蛋白质含量检测与筛选方法 |
| CN117647501A (zh) * | 2024-01-29 | 2024-03-05 | 中国计量科学研究院 | 基于icp光谱特征的食品中元素智能检测方法及系统 |
| CN117647501B (zh) * | 2024-01-29 | 2024-04-26 | 中国计量科学研究院 | 基于icp光谱特征的食品中元素智能检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111398198A (zh) | 一种小麦籽粒微量元素快速无损检测方法 | |
| CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| CN108680515B (zh) | 一种单粒水稻直链淀粉定量分析模型构建及其检测方法 | |
| CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
| CN105092579A (zh) | 一种芒果品质无损检测设备 | |
| CN1804582A (zh) | 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法 | |
| CN106872370A (zh) | 一种基于高光谱的杨梅中花色苷含量测定的方法 | |
| CN106198492A (zh) | 一种利用微藻libs信号检测水体重金属铅污染程度的方法 | |
| CN106018321A (zh) | 玉米单粒种子蛋白质检测模型的构建方法及其应用 | |
| CN111398199A (zh) | 一种基于高光谱成像的小麦面粉微量元素快速检测方法 | |
| CN108613943A (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
| CN108169168A (zh) | 检测分析水稻籽粒蛋白质含量数学模型及构建方法和应用 | |
| Zhou et al. | Machine learning modeling and prediction of peanut protein content based on spectral images and stoichiometry | |
| CN107576600A (zh) | 一种抹茶粒度等级的快速检测方法 | |
| CN106770014A (zh) | 一种大米新鲜度的近红外光谱检测方法 | |
| Ning et al. | Study on apple damage detecting method based on relaxation single-wavelength laser and convolutional neural network | |
| CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
| CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
| CN108195793A (zh) | 植物源性饲料原料氨基酸含量的通用模型构建方法 | |
| Chen et al. | Correction of moisture interference in laser-induced breakdown spectroscopy detection of coal by combining neural networks and random spectral attenuation | |
| CN105158178A (zh) | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 | |
| CN102175620A (zh) | 近红外光谱测定玉米中赖氨酸的方法 | |
| CN115541526A (zh) | 一种基于近红外检测普洱熟茶中咖啡因和儿茶素类含量的方法 | |
| CN108318446A (zh) | 一种检测花生种子总维生素e含量的近红外光谱模型及应用 | |
| CN107677634A (zh) | 基于傅里叶变换红外光谱技术检测猪尿中瘦肉精的方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200710 |
|
| RJ01 | Rejection of invention patent application after publication |