CN111912815B - 一种评估油料作物品质的近红外光谱分析方法 - Google Patents

一种评估油料作物品质的近红外光谱分析方法 Download PDF

Info

Publication number
CN111912815B
CN111912815B CN201911325049.3A CN201911325049A CN111912815B CN 111912815 B CN111912815 B CN 111912815B CN 201911325049 A CN201911325049 A CN 201911325049A CN 111912815 B CN111912815 B CN 111912815B
Authority
CN
China
Prior art keywords
scanning
wavelength
component
characteristic peak
near infrared
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.)
Active
Application number
CN201911325049.3A
Other languages
English (en)
Other versions
CN111912815A (zh
Inventor
王斌
徐晓轩
张文杰
张月颖
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.)
Nankai University
Original Assignee
Nankai University
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 Nankai University filed Critical Nankai University
Priority to CN201911325049.3A priority Critical patent/CN111912815B/zh
Publication of CN111912815A publication Critical patent/CN111912815A/zh
Application granted granted Critical
Publication of CN111912815B publication Critical patent/CN111912815B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/3577Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G01N21/359Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light

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)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种使用近红外光谱扫描系统进行扫描的方法,该近红外光谱扫描系统具有一处理器以及一存储器。所述处理器调用所述存储器存储的所述待测器所有组分的近红外光谱值对应的波长值与扫描部件扫描到的光谱峰对应的波长值进行比较;当光谱相匹配时,通过所述扫描部件将扫描波段调整为所述存储器存储的该成分的第i+1个波峰处的扫描波长段Δλi+1,得到所述扫描波长段的近红外光谱值,并通过所述近红外光谱探测器探测所述扫描波长段的光谱值;然后,通过所述扫描部件将扫描波长调整为第i+2个特征峰的所述扫描波长段Δλi+2,并重复上述步骤S4,直至完成该组分的全部特征峰的扫描。本发明还公开了因扫描波长段的拖尾而修正扫描波长段。采用上述方法可提高大批量油料作物的扫描效率,并且在保证高效扫描的同时,记录包括有拖尾的光谱。

Description

一种评估油料作物品质的近红外光谱分析方法
发明领域
本发明涉及近红外光谱分析方法,具体的,是涉及近红外光谱的扫描方法探测方法。
背景技术
油料作物是种子中含有大量脂肪,是用来提取油脂供食用或作为工业、医药原料等的一类作物。主要有大豆、花生、油菜、芝麻、蓖麻、向日葵、苏子、油莎豆等。其中种子含油量大致可达20—60%。纤维作物,如棉花、亚麻、大麻等种子中也含有大量油分,是油脂工业的重要原料。多年生的木本油料植物中有椰子、油茶、油棕、核桃等。榨油所剩的油粕中含有大量的蛋白质和其他营养物质,既可用来生产副食品,也是良好的精饲料和肥料。正是上述油料作物在生产生活中的重要作用,使得对油料作物品质的评估变得尤为重要。目前常见的检测方法是近红外光谱检测方法,这一方法相比化学检测方法,不需要对待测物进行处理即可进行检测,这样不会损坏待测品本身,并且还提高了检测的效率。利用近红外光谱例如透射或反射光谱会得到每一种类油料作物的某一物质的特征峰,通过分析该物质特征峰的峰形例如FWHM,以及峰值强度,可以对油料作物的细微差别例如不同的产地进鉴别,也可对不同种植方法得到的油料作物进行比较和鉴定。另外,对于不同的油料作物,通过比较其峰值高度以及峰形,可以间接计算出不同油料作物的含油量的高低。
然而,目前的近红外光谱检测中,由于需要对不同的油粒作物进行比较,往往一次检测需要涉及到大量的,不同种类的油料作物。而不同的油料作物中的组分的光谱例如吸收光谱,其吸收峰都不同,因此在检测前需要对混在一起的油料作物进行分类处理,同一类的油料作物针对某几种组分统一用一个近红外波段扫描,这样大大增加了近红外光谱检测时间,不能满足即时,高效的检测需求。即便是已经进行了分类,但同一类油料作物因产地不同,可能除了共同的特征峰外,还会有拖尾现象的发生,因此只能是将扫描波长段尽可能增长;但这样会使扫描时间延长,特别是大批量的多物种油料作物的扫描,时间会大大延长,从而使近红外光谱的使用效率降低。不利于对油粒作物品质的后续评估。
发明内容
针对上述提出的现有技术中存在的问题,特提出本发明。本发明的目的是提供一种用于油料作物的近红外谱光快速扫描方法,采用该方法,可能对多种待测物的多种组分进行在线快速扫描,从而减少了光谱扫描时间,使近红外光谱的检测效率得到提高,并且可以对多种组分进行实时的选择性测量。
本发明的一个方面是提供一种使用近红外光谱扫描系统进行扫描的方法,该近红外光谱扫描系统具有一处理器以及一存储器;
其中对波长扫描的处理步骤包括步骤S1:所述处理器接收近红外光谱探测器检测到的依波长逐步增加或依波长逐步减小的扫描顺序的前i个特征峰处的近红外光谱值,并得到相应特征峰的波长值;其中所述i个特征峰为待测品某组分的第i个特征峰;i≥1;
步骤S2:所述处理器调用所述存储器存储的所述待测样品的所有组分的近红外光谱值对应的波长值进行比较;
步骤S3:当所述步骤S1得到的所述前i个特征峰的波长值都处于所述步骤S2中调用的所述波长值的阈值范围内时;则该待测物的某组分与所述存储器存储的该组分光谱匹配;若所述前i个特征峰的波长值至少一个与所述步骤S2中调用的所述波长值的阈值范围不匹配,则结束扫描,发出警报信息;
步骤S4:当所述步骤S3中光谱匹配时,通过所述扫描部件将扫描波段调整为所述存储器存储的该组分的第i+1个波峰处的扫描波长段Δλi+1,得到所述扫描波长段的近红外光谱值,并通过所述近红外光谱探测器探测所述扫描波长段的光谱值;
步骤S5:通过所述扫描部件将扫描波长调整为第i+2个特征峰的所述扫描波长段Δλi+2,,并重复所述步骤S4中检测近红外光谱值的过程,直至完成该组分的全部特征峰的扫描和检测。
优选的,所述阈值范围为(λi±3)nm,其中λi是第i个特征峰的波长。
优选的,所述步骤S4中的扫描波长段Δλi至少包括
Figure BDA0002328162950000021
的波长段;其中
Figure BDA0002328162950000022
是第i+1个波峰的半高宽(FWHM)。
本发明的另一方面是提供一种菜油作物品质的近红外光谱检测方法,其中所述菜籽油脂肪酸的组分至少包括A组分、B组分、C组分和D组分;
选择上述组分A和C中特征峰中起始特征峰或终点特征峰的波长;其中所述起始特征峰是该组分特征峰中波长最短的特征峰;所述终点特征峰是该组分特征峰中波长最长的特征峰;
所述检测方法包括如下步骤:步骤S1:当处理器接收扫描A和C组分命令时,所述处理器调用一存储器中菜籽油的A组分的起始或终点特征峰对应的波长λA以及C组分的起始或终点特征峰对应的波长λC
步骤S2:扫描待测菜籽油脂肪酸的A和C组分;该扫描从波长增加的方向扫描(或从波长减少的方向扫描),当近红外光谱探测器检测到扫描波长在min(λAC)阈值范围内出现特征峰,则将扫描波长调整至max(λAC)阈值范围内,若也出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围时,则说明光谱不匹配,结束扫描发出报警信息;
步骤S3:当所述步骤S2光谱匹配,将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近的扫描波长,完成A组分和C组分的近红外光谱扫描。
可选的,所述方法还包括步骤S4:当所述处理器接收检测扫描B、C和D组分时,处理器调用存储器中菜籽油的B组分、C组分和D组分的起始或终点特征峰对应的波长:λB、λC和λD;该扫描可以是从波长增加或波长减小的方向扫描,当近红外光谱探测器检测到扫描波长在min(λBCD)阈值范围内出现特征峰,则将扫描波长调整至另外两个特征峰的阈值范围内,当所述扫描波长在所述另外两个特征峰的阈值范围内都出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围出现特征峰,则说明光谱不匹配,结束扫描发出报警信息;
步骤S5:将扫描波长调整至所述B、C和D组分的除起始特征峰或终点特征峰外的其他特征峰位置附近,完成B、C和D组分的近红外光谱扫描。
本发明的另一方面是提供一种菜油作物品质的近红外光谱检测方法,其中所述菜籽油脂肪酸的组分至少包括A组分、B组分、C组分和D组分;
选择上述组分A和C中特征峰中起始特征峰或终点特征峰的波长;其中所述起始特征峰是该组分特征峰中波长最短的特征峰;所述终点特征峰是该组分特征峰中波长最长的特征峰;
所述检测方法包括如下步骤:步骤S1:当处理器接收扫描A和C组分命令时,所述处理器调用一存储器中菜籽油的A组分的起始或终点特征峰对应的波长λA以及C组分的起始或终点特征峰对应的波长λC
步骤S2:扫描待测菜籽油脂肪酸的A和C组分;该扫描从波长增加的方向扫描(或从波长减少的方向扫描),当近红外光谱探测器检测到扫描波长在min(λAC)阈值范围内出现特征峰,则将扫描波长调整至max(λAC)阈值范围内,若也出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围时,则说明光谱不匹配,结束扫描发出报警信息;
步骤S3:当所述步骤S2光谱匹配,将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近的扫描波长,完成A组分和C组分的近红外光谱扫描;
其中所述其他特征峰位置附近的扫描波段指
Figure BDA0002328162950000031
或[λi-i+];设菜籽油脂肪酸任一组分的任一特征峰的半宽高峰值为I0,设I=I0e-1时对应的波长分别是λi-和λi+
Figure BDA0002328162950000032
为所述组分的第i个特征峰的半高宽。
本发明的发明点和优点在于:
1)对于近红外光谱的扫描,现有技术往往没有进行优化,即是以波长均匀增加或是以波长均匀减少的方向进行逐一波长的扫描。这一过程对于大批量样品来说是没有必要,且费时的。本申请利用已知的样品组分的光谱数据库,当处理器判断前几个特征峰值与数据库相匹配时,则改变逐一扫描的方式,直接调转至下一特征峰附近进行扫描。该方式提高了扫描效率。
2):本发明中对于波长的扫描与待测物的特征峰是相关联的,即在进行某组分的扫描后,能够不停机直接进行另一组分的扫描。该方法能够提高大批量样品的多组分高效扫描。
3):本发明对于待测品某组分的拖尾现象进行研究。为了得到完整的具有拖尾的光谱数据,对扫描波长范围进行修正。该修正包括在以特征峰位置为中心进行向左和向右的展开;展开后的扫描波长范围至少满足对特征峰峰形的记录。这一点也是与本发明的近红外光谱扫描步骤相匹配的。另外对于具体的展宽范围,经实验证明,对于油粒作物,研究设I=I0e-1对应的波长段是有意义的,因此对该波长段外的其他波长进行剔除,也有效的在提高扫描效率的同时兼顾对拖尾现象的研究。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。在附图中:
图1是本发明的近红外光谱扫描光谱示意图;
图2是本发明考虑了短波方向拖尾的近红外光谱扫描光谱示意图。
具体实施例
以下,参照附图,对本发明的评估油料作物品质的近红外光谱分析方法的实施方式进行详细的说明,另外,在附图的说明中,对相同的要素标注相同的符号,省略重复的说明。
首先针对不同的油料作物建立起近红外光谱数据库;该数据库中选择的油料作物包括有A,B,C,D等组分。并且对于每一组分列出在近红外光谱中的特征峰;这些特征峰相当于该组分的标记,即对于理想情况下,只需要扫描这几个特征峰附近波长的光谱,即可以完全对该物质在这一作物品种中的近红外光谱测定。然而,实际情况时,每个特征峰都有一定的峰宽,因此在扫描过程中,实际波长扫描范围应该至少涵盖了该特征峰FWHM的两倍,参见图1,即扫描波长
Figure BDA0002328162950000041
其中所述λi是指该组分的第i个特征峰的波长。
Figure BDA0002328162950000042
是指该组分的第i个特征峰的半高宽(FWHM)。
该近红外光谱扫描系统具有一处理器以及一存储器;其中对波长扫描的处理步骤包括:步骤S1:所述处理器接收近红外光谱探测器检测到的依波长增加或依波长减小的扫描顺序的前i个波峰处的近红外光谱值,并得到相应波峰的波长值;
步骤S2:所述处理器调用所述存储器存储的该油料作物的所有组分的近红外光谱值对应的波长值进行比较(需要设定一定的阈值进行比较);
步骤S3:当所述步骤S1得到的所述前i个特征峰波长处的波长值都处于所述步骤S2中调用的所述波长值的阈值范围内时;则该待测物的某成分与所述存储器存储的该成分光谱匹配;若不匹配,则结束扫描;
步骤S4:当光谱匹配时,通过扫描部件将扫描波长调整为所述存储器存储的该成分的第i+1个波峰处的扫描波长段,得到近红外光谱值,并通过所述近红外光谱探测器探测此波长处的光谱值;其中所述扫描波长段是指至少包括
Figure BDA0002328162950000051
的波长段;
步骤S5:通过所述扫描部件将扫描波长调整为第i+2个特征峰波长处的所述扫描波长波长段,并重复所述步骤S4,直至完成该成分的扫描。
应当注意,所述步骤S3中的匹配应当考虑误差范围内,即所述存储器中存储的该成分光谱的误差范围内的值都是所述步骤S1得到的波峰的波长值的匹配范围内的值。其中所述误差的阈值范围可以是(λi±3)nm;也可以是设定的其他阈值范围。
所述步骤S2中的所述比较,也是指将存储器中存储的该成分光谱的误差范围内的波长值都进行比较。
下面通过对具体的油料作物的近红外光谱扫描以进一步说明。
实施例1:
菜籽油就是我们俗称的菜油,又叫油菜籽油、香菜油、芸苔油、香油、芥花油,是用油菜籽榨出来的一种食用油。其主要成份包括油酸14-19%,亚油酸12-24%,芥酸31-55%,亚麻酸1-10%等。菜籽油是我国主要食用油之一,表1中列出了菜籽油中主要的脂肪酸的近红外光谱谱图。
Figure BDA0002328162950000052
表1菜籽油脂肪酸主要成分近红外光谱特征峰
上述表1中仅是对菜籽油脂肪酸主要成分的列举,并不代表是菜籽油脂肪酸的全部成份,例如还可能包括有花生酸等。但本领域技术人员可能理解,本实施例中脂肪酸成分是能包括其他组分的,并且是可测量其近红外光谱特征峰的。将上述表1的谱图存储在一存储器中;作为数据库中该油料作物特征峰数据。应当理解,数据库中还包括有其他油料作物的特征峰数据。
所述存储器是指能够暂时或永久地存储数据的机器可读介质,并且存储器是指可以包括限于:随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存、以及高速缓冲存储器。示例实施例中示出机器可读介质为单个介质,术语“机器可读介质”应当指的是包括能够存储单个介质或多个介质(例如集中或分布式数据库、或关联的高速或高速缓存服务器等。
菜籽油的主产区位于长江流域及西南、西北等地。主要产地包括四川省会东县,四川省大英县,贵州省开阳县,湖北省武穴市,云南省罗平县,青海门源回族自治县等地。然而不同地区受到气候、土壤环境等方面的影响,各成分间的比例各有不同;因此需要对来自不同产地的菜籽油分析其组成变化。
本发明可以实时地不同的不同组分进行任意组合的检测。这包括在检测时,需要只测量油酸和亚油酸;则调整光谱仪的扫描策略,只对油酸和亚油酸的特征峰附近波长进行扫描,而对于其他近红外光波段则忽略。实时的,在进行上述扫描过程中,若需要调整扫描策略,例如只测量油酸和芥酸,则能实时的仅对油酸和芥酸附近的特征峰附近波长进行扫描,而对于其他近红外光波段则忽略。可选的,若需要对单个组分,例如对亚麻酸进行检测,则再次调整扫描策略,只对亚麻酸的特征峰附近波长进行扫描,而对于其他近红外光波段则忽略。
具体的实现过程如下:
对菜籽油作物的组分进行编号,编号如下:
脂肪酸 组分编号 起始特征峰(nm) 终点特征峰(nm)
油酸 A 1734 2315
亚油酸 B 1374 1822
亚麻酸 C 1198 2316
芥酸 D 1054 2347
表2各组分的编号及起始、终点特征峰
对于第一批菜籽油,检测A和C组分;
A组分的特征峰为:1734nm,1750nm,1801nm,2315nm;C组分的特征峰为:1198nm,2066nm,2126nm,2316nm。
选择上述组分A和C中特征峰中起始特征峰或终点特征峰。所述起始特征峰是一组特征峰中波长最短的特征峰;所述终点特征峰是一组特征峰中波长最长的特征峰;例如,上述A组分的起始特征峰是1734nm,终点特征峰是2315nm;C组分的起始特征峰是1198nm,终点特征峰是2316nm。
当处理器接收扫描A和C组分时,处理器调用存储器中菜籽油的A组分和C组分的起始和/或终点特征峰表(如表2所示)。
扫描第一批待测菜籽油的A和C组分:该扫描可以是从波长增加的方向扫描,也可以是从波长减小的方向扫描(下述的λA和λC可以表示起点特征峰也可以表示终点特征峰);以波长增加的方向为例,本领域人员应当理解以波长减少的方向也可类似下述步骤。以波长增加的方向扫描为例:当探测器探测到扫描波长在λC=1198nm阈值范围内,例如[1195nm,1203nm]范围内出现近红外光谱,则将扫描波长调整至λA=1734nm阈值范围内,例如[1731nm,1737nm]范围内出现近红外光谱,则说明光谱匹配;
将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近,完成A组分和C组分的近红外光谱扫描。
当第二批菜籽油测量,检测B、C和D组分时,该检测组分的变化可以实时完成;
此时处理器接收检测扫描B、C和D组分时,处理器调用存储器中菜籽油的B组分、C组分和D组分的起始和/终点特征峰表(如表2所示)。
扫描第二批待测菜籽油的B、C和D组分:该扫描可以是从波长增加的方向扫描,也可以是从波长减小的方向扫描;当探测器探测到扫描波长在λD=1152nm阈值范围内,例如[1149nm,1155nm]范围内出现近红外光谱,则将扫描波长调整至λC=1198nm阈值范围内,例如[1195nm,1203nm]范围内出现近红外光谱;则将扫描波长调整至在λB=1374nm阈值范围内,例如[1371nm,1377nm]范围内出现近红外光谱。将扫描波长调整至所述B、C和D组分的除起始特征峰和终点特征峰外的其他特征峰位置附近,完成B、C和D组分的近红外光谱扫描。
上述实施例是针对已经确定的菜籽油产品进行的检测,若在两个批次的检测中发现混有其他物种的样品,则在光谱匹配阶段不会通过,此时会发出出错或报警信号,提醒将该其他物种的样品进行剔除等处理。本领域技术人员应当理解,该剔除是可以采用现有技术来完成。例如包括有警报系统以及机器手等对待测物快速剔除。
另外,本领域技术人员应当理解,该近红外光谱所用光源应当是覆盖该组分检测的所有特征峰的光源,这样的光源优选是宽波段光源。对于光源发射波长的调整,可以采用本领域中常见的滤光方式进行,例如色轮、偏振干涉滤光片等。这里为了满足快速到达光谱特征峰附近的需要,优选偏振干涉滤光片。
应当理解,所述的调整至特征峰位置附近,是指至少包括该特征峰波长值λi
Figure BDA0002328162950000081
波长范围。
实施例2:
该实施例2是在实施例1的基础上进一步创造性提出的,其包括了实施例1的所有技术方案。对于与实施例1相同的部分,这里不再赘述。
因气候、土壤环境等因素,各产地的同一组分的近红外光谱图仍可能存在区分,这一区分主要是在该组分的某特征峰会出现拖尾现象,且主要拖尾可以发生在峰的长波部分,也可以发生在峰的短波部分(参见图2,该图2是示意图)。即出现半高宽的展宽。出现半高宽的展宽,其主要原因是组分内分子与混入的其他物质发生化学反应,使键-键间结合力以及能级等都发生变化引起的。
因此为了得到完整的光谱图像,原扫描范围:半高宽
Figure BDA0002328162950000082
应当适当增加,特别是对于光谱峰形的尾部区域,扫描波长应当增长。而采用实施例1的方案并不能很好的解决这一问题。
本实施例对扫描的波长范围
Figure BDA0002328162950000083
进行修正。设对于组分i的一特征峰的半宽高处峰值为I0,设I=I0e-1时对应的波长分别是λi-和λi+,此时针对该组分i的特征峰的扫描波长范围为
Figure BDA0002328162950000084
或者所述扫描波长范围为
Figure BDA0002328162950000085
或者所述扫描波长范围为[λi-i+]。
因此实施例1中:“将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近,完成A组分和C组分的近红外光谱扫描”步骤中的所述其他特征峰位置附近的扫描波段为
Figure BDA0002328162950000086
或[λi-i+]。
如图2所示;其中对于某一特征峰的峰值I0达到20150(a.u)。其半高宽
Figure BDA0002328162950000087
对应的波长为1054nm。该特征峰其在短波段出现拖尾;对于该拖尾现象,研究设I=I0e-1对应的波长段是有意义的。因此计算I为7413(a.u),其对应的波长值为1031nm。则扫描波长段的短波段的起始波长修正为1031nm。而扫描终止波长保持不变,
Figure BDA0002328162950000088
即扫描波段修正为[1031nm,1096nm]。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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中所记载的技术方案进行修改,或者对其中部分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申请各实施例技术方案的精神和范围。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。

Claims (6)

1.一种使用近红外光谱扫描系统进行扫描的方法,该近红外光谱扫描系统具有一处理器以及一存储器;
其中对波长扫描的处理步骤包括步骤S1:所述处理器接收近红外光谱探测器检测到的依波长逐步增加或依波长逐步减小的扫描顺序的前i个特征峰处的近红外光谱值,并得到相应特征峰的波长值;其中所述i个特征峰为待测样品某组分的第i个特征峰;i≥1;
步骤S2:所述处理器调用所述存储器存储的所述待测样品的所有组分的近红外光谱值对应的波长值进行比较;
步骤S3:当所述步骤S1得到的所述前i个特征峰的波长值都处于所述步骤S2中调用的所述波长值的阈值范围内时;则该待测样品的某组分与所述存储器存储的该组分光谱匹配;若所述前i个特征峰的波长值至少一个与所述步骤S2中调用的所述波长值的阈值范围不匹配,则结束扫描,发出警报信息;
步骤S4:当所述步骤S3中光谱匹配时,通过扫描部件将扫描波段调整为所述存储器存储的该组分的第i+1个波峰处的扫描波长段Δλi+1,得到所述扫描波长段的近红外光谱值,并通过所述近红外光谱探测器探测所述扫描波长段的光谱值;
步骤S5:通过扫描部件将扫描波长调整为第i+2个特征峰的所述扫描波长段Δλi+2,并重复所述步骤S4中检测近红外光谱值的过程,直至完成该组分的全部特征峰的扫描和检测。
2.根据权利要求1所述的方法,所述阈值范围为(λi±3)nm,其中λi是第i个特征峰的波长。
3.根据权利要求1或2所述的方法,所述步骤S4中的扫描波长段Δλi+1至少包括
Figure FDA0004054228900000011
的波长段;其中
Figure FDA0004054228900000012
是第i+1个波峰的半高宽(FWHM)。
4.一种菜油作物品质的近红外光谱检测方法,其中菜籽油脂肪酸的组分至少包括A组分、B组分、C组分和D组分;
选择上述组分A和C中特征峰中起始特征峰或终点特征峰的波长;其中所述起始特征峰是该组分特征峰中波长最短的特征峰;所述终点特征峰是该组分特征峰中波长最长的特征峰;
所述检测方法包括如下步骤:步骤S1:当处理器接收扫描A和C组分命令时,所述处理器调用一存储器中菜籽油的A组分的起始或终点特征峰对应的波长λA以及C组分的起始或终点特征峰对应的波长λC
步骤S2:扫描待测菜籽油脂肪酸的A和C组分;该扫描从波长增加的方向扫描或从波长减少的方向扫描,当近红外光谱探测器检测到扫描波长在min(λAC)阈值范围内出现特征峰,则将扫描波长调整至max(λAC)阈值范围内,若也出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围时,则说明光谱不匹配,结束扫描发出报警信息;
步骤S3:当所述步骤S2光谱匹配,将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近的扫描波段,完成A组分和C组分的近红外光谱扫描。
5.根据权利要求4所述的方法,所述方法还包括步骤S4:当所述处理器接收检测扫描B、C和D组分时,处理器调用存储器中菜籽油的B组分、C组分和D组分的起始或终点特征峰对应的波长:λB、λC和λD;该扫描是从波长增加或波长减小的方向扫描,当近红外光谱探测器检测到扫描波长在min(λBCD)阈值范围内出现特征峰,则将扫描波长调整至另外两个特征峰的阈值范围内,当所述扫描波长在所述另外两个特征峰的阈值范围内都出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围出现特征峰,则说明光谱不匹配,结束扫描发出报警信息;
步骤S5:将扫描波长调整至所述B、C和D组分的除起始特征峰或终点特征峰外的其他特征峰位置附近,完成B、C和D组分的近红外光谱扫描。
6.一种菜油作物品质的近红外光谱检测方法,其中菜籽油脂肪酸的组分至少包括A组分、B组分、C组分和D组分;
选择上述组分A和C中特征峰中起始特征峰或终点特征峰的波长;其中所述起始特征峰是该组分特征峰中波长最短的特征峰;所述终点特征峰是该组分特征峰中波长最长的特征峰;
所述检测方法包括如下步骤:步骤S1:当处理器接收扫描A和C组分命令时,所述处理器调用一存储器中菜籽油的A组分的起始或终点特征峰对应的波长λA以及C组分的起始或终点特征峰对应的波长λC
步骤S2:扫描待测菜籽油脂肪酸的A和C组分;该扫描从波长增加的方向扫描或从波长减少的方向扫描,当近红外光谱探测器检测到扫描波长在min(λAC)阈值范围内出现特征峰,则将扫描波长调整至max(λAC)阈值范围内,若也出现特征峰,则说明光谱匹配;若不满足扫描波长在任一上述阈值范围时,则说明光谱不匹配,结束扫描发出报警信息;
步骤S3:当所述步骤S2光谱匹配,将扫描波长调整至所述A组分和C组分的除起始特征峰和终点特征峰外的其他特征峰位置附近的扫描波段,完成A组分和C组分的近红外光谱扫描;
其中所述其他特征峰位置附近的扫描波段指
Figure FDA0004054228900000031
Figure FDA0004054228900000032
或[λi-i+];设菜籽油脂肪酸任一组分的任一特征峰的半宽高峰值为I0,设I=I0e-1时对应的波长分别是λi-和λi+
Figure FDA0004054228900000033
为所述组分的第i个特征峰的半高宽。
CN201911325049.3A 2019-12-20 2019-12-20 一种评估油料作物品质的近红外光谱分析方法 Active CN111912815B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911325049.3A CN111912815B (zh) 2019-12-20 2019-12-20 一种评估油料作物品质的近红外光谱分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911325049.3A CN111912815B (zh) 2019-12-20 2019-12-20 一种评估油料作物品质的近红外光谱分析方法

Publications (2)

Publication Number Publication Date
CN111912815A CN111912815A (zh) 2020-11-10
CN111912815B true CN111912815B (zh) 2023-03-14

Family

ID=73242477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911325049.3A Active CN111912815B (zh) 2019-12-20 2019-12-20 一种评估油料作物品质的近红外光谱分析方法

Country Status (1)

Country Link
CN (1) CN111912815B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101413884A (zh) * 2008-11-21 2009-04-22 聚光科技(杭州)有限公司 近红外光谱分析仪及其分辨率的校正方法
CN101435765A (zh) * 2008-05-20 2009-05-20 新疆维吾尔自治区计量测试研究院 用于计量的光谱分析仪波长值溯源到自然基准的方法
CN101893507A (zh) * 2009-05-20 2010-11-24 中国科学院半导体研究所 具有大动态范围和高分辨率的光谱测量方法
CN101995392A (zh) * 2010-11-15 2011-03-30 中华人民共和国上海出入境检验检疫局 快速检测橄榄油掺伪的方法
CN104535183A (zh) * 2014-12-09 2015-04-22 中国科学院上海技术物理研究所 一种适用于热红外高光谱成像仪光谱定标系统
CN104764717A (zh) * 2015-03-25 2015-07-08 浙江理工大学 一种利用近红外光谱分析技术快速测定纺织品中蚕丝含量的方法
CN106644998A (zh) * 2016-10-09 2017-05-10 江苏大学 一种新的疏果方法
CN106918572A (zh) * 2017-04-25 2017-07-04 中国农业科学院农产品加工研究所 马铃薯复配主食中马铃薯含量的测定方法
CN107036999A (zh) * 2016-11-15 2017-08-11 天津工业大学 一种基于近红外光谱及化学计量学的五元调和油定量分析方法
WO2018010352A1 (zh) * 2016-07-11 2018-01-18 上海创和亿电子科技发展有限公司 一种定性定量相结合的近红外定量模型构建方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7796243B2 (en) * 2004-06-09 2010-09-14 National Research Council Of Canada Detection and monitoring of changes in mineralized tissues or calcified deposits by optical coherence tomography and Raman spectroscopy
US7868296B2 (en) * 2009-03-30 2011-01-11 Honeywell Asca Inc. Spectroscopy having correction for broadband distortion for analyzing multi-component samples
CN106153576B (zh) * 2016-07-28 2019-08-20 华南理工大学 基于近红外双波段比的快速预测冷冻猪肉贮藏时间的方法
JP6602335B2 (ja) * 2017-04-14 2019-11-06 シャープ株式会社 赤外線検出システム、方法、およびプログラム
CN107894408B (zh) * 2017-11-24 2021-04-13 中国农业科学院油料作物研究所 一种基于近红外光谱仪的食用油多元掺伪鉴别方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101435765A (zh) * 2008-05-20 2009-05-20 新疆维吾尔自治区计量测试研究院 用于计量的光谱分析仪波长值溯源到自然基准的方法
CN101413884A (zh) * 2008-11-21 2009-04-22 聚光科技(杭州)有限公司 近红外光谱分析仪及其分辨率的校正方法
CN101893507A (zh) * 2009-05-20 2010-11-24 中国科学院半导体研究所 具有大动态范围和高分辨率的光谱测量方法
CN101995392A (zh) * 2010-11-15 2011-03-30 中华人民共和国上海出入境检验检疫局 快速检测橄榄油掺伪的方法
CN104535183A (zh) * 2014-12-09 2015-04-22 中国科学院上海技术物理研究所 一种适用于热红外高光谱成像仪光谱定标系统
CN104764717A (zh) * 2015-03-25 2015-07-08 浙江理工大学 一种利用近红外光谱分析技术快速测定纺织品中蚕丝含量的方法
WO2018010352A1 (zh) * 2016-07-11 2018-01-18 上海创和亿电子科技发展有限公司 一种定性定量相结合的近红外定量模型构建方法
CN106644998A (zh) * 2016-10-09 2017-05-10 江苏大学 一种新的疏果方法
CN107036999A (zh) * 2016-11-15 2017-08-11 天津工业大学 一种基于近红外光谱及化学计量学的五元调和油定量分析方法
CN106918572A (zh) * 2017-04-25 2017-07-04 中国农业科学院农产品加工研究所 马铃薯复配主食中马铃薯含量的测定方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
光栅型高速扫描近红外光谱仪的研发;张晴等;《分析仪器》;20180528(第03期);全文 *
煎炸食用油质量变化的同步荧光光谱研究;贾艳华等;《光子学报》;20061125(第11期);全文 *
近红外光谱波段优化选择在驴奶成分分析中的应用;郑丽敏等;《光谱学与光谱分析》;20071115(第11期);全文 *

Also Published As

Publication number Publication date
CN111912815A (zh) 2020-11-10

Similar Documents

Publication Publication Date Title
CN110763698B (zh) 一种基于特征波长的高光谱柑橘叶片病害识别方法
Fernández-Novales et al. Shortwave-near infrared spectroscopy for determination of reducing sugar content during grape ripening, winemaking, and aging of white and red wines
García-Sánchez et al. Using near-infrared spectroscopy in agricultural systems
CN106290230A (zh) 一种近红外光谱结合化学成分的红茶萎凋程度的判别方法
CN110542658A (zh) 一种基于高光谱成像技术的烟草非烟物质分类方法
CN110441248B (zh) 基于高光谱图像技术的窖泥水分预测模型建立的方法
CN103759827B (zh) 一种基于一阶导数寻峰和样条拟合的光谱基线校正方法
CN110672546A (zh) 一种基于便携式近红外光谱仪的酒糟模型建模方法
CN105931223A (zh) 基于波段比方法的高光谱反射图像中玉米胚部的分割方法
CN108801975A (zh) 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法
Kutsanedzie et al. In situ cocoa beans quality grading by near-infrared-chemodyes systems
CN113762208A (zh) 一种近红外光谱与特征图谱的图谱转换方法及其应用
CN111912815B (zh) 一种评估油料作物品质的近红外光谱分析方法
KR100871681B1 (ko) 근적외선을 이용한 고춧가루의 고추씨 함량 분석방법
CN112098361A (zh) 一种基于近红外光谱的玉米种子鉴别方法
Perez et al. Authentication of green asparagus varieties by near‐infrared reflectance spectroscopy
Aredo et al. Predicting of the Quality Attributes of Orange Fruit Using Hyperspec-tral Images
KR101922447B1 (ko) 근적외선 분광기를 이용한 목초종자의 품종판별 방법
Wang et al. Rapid detection of quality of Japanese fermented soy sauce using near-infrared spectroscopy
CN113484270A (zh) 一种单粒水稻脂肪含量定量分析模型的构建及检测方法
KR101027434B1 (ko) 근적외광을 이용한 들깨의 지방산 조성을 정량하는 방법
CN114563387A (zh) 一种基于拉曼光谱技术鉴别茶油掺伪的方法
Aspromonte et al. Solid-phase microextraction coupled to comprehensive multidimensional gas chromatography for food analysis
Hassan et al. Color Properties of olive fruits during its maturity stages using image analysis
Troshchynska et al. Characterisation of flaxseed cultivars based on NIR diffusion reflectance spectra of whole seeds and derived samples.

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