CN112098362A - 基于近红外频谱特征的松质骨离体时间评估方法及系统 - Google Patents
基于近红外频谱特征的松质骨离体时间评估方法及系统 Download PDFInfo
- Publication number
- CN112098362A CN112098362A CN202010971428.6A CN202010971428A CN112098362A CN 112098362 A CN112098362 A CN 112098362A CN 202010971428 A CN202010971428 A CN 202010971428A CN 112098362 A CN112098362 A CN 112098362A
- Authority
- CN
- China
- Prior art keywords
- cancellous bone
- vitro
- data
- near infrared
- infrared spectrum
- 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
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 154
- 238000000338 in vitro Methods 0.000 title claims abstract description 104
- 230000003595 spectral effect Effects 0.000 title claims abstract description 70
- 238000011156 evaluation Methods 0.000 title claims abstract description 10
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 98
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 239000013307 optical fiber Substances 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 28
- 239000000523 sample Substances 0.000 claims description 28
- 238000005259 measurement Methods 0.000 claims description 27
- 238000001228 spectrum Methods 0.000 claims description 19
- 238000013500 data storage Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 6
- 238000004497 NIR spectroscopy Methods 0.000 claims description 5
- 229910052736 halogen Inorganic materials 0.000 claims description 3
- 150000002367 halogens Chemical class 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000012360 testing method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 210000001930 leg bone Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000013305 flexible fiber Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 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
- G01N21/35—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
- G01N21/17—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Abstract
本发明公开了一种基于近红外频谱特征的松质骨离体时间评估方法及系统，方法包括：获得若干组不同离体时间下的松质骨近红外光谱数据；对松质骨近红外光谱数据进行频域变换，进而提取松质骨近红外光谱特征；将所述松质骨近红外光谱特征S作为训练数据，构建时间评估模型：通过训练数据拟合建立多组时间‑特征方程建立起时间评估模型；获取待评估离体时间的松质骨的近红外光谱数据，提取其近红外光谱特征后输入到时间评估模型中，获取离体时间评估结果。本发明可通过对需要检测离体时间的松质骨采集近红外光谱数据，然后对所得数据进行特征提取，根据建立好的关系模型获得较为准确的松质骨离体时间，检测成本低。
Description
技术领域
本发明涉及动物骨骼组织检测领域，尤其涉及一种基于近红外频谱特征的松质骨离体时间评估方法及系统。
背景技术
近红外光谱技术具有分析速度快、分析效率高、分析成本低、测试重现性好、光谱测量方便、便于实现在线分析、可实现无损分析和在体实时等特点，目前被广泛应用。已有研究表明，近红外光谱技术可应用于椎骨组织的检测，实现术中骨组织的实时定位和识别。利用近红外光谱技术可实现骨组织近红外光谱的实时测量，光纤光谱仪和光纤等测量设备价格低廉、体积小巧且便于操作。
肉品新鲜度的检测发展较快，有研究采用近红外漫反射光谱法探索了肉品腐败变质过程中的变化规律，目前还少有对于食品中骨组织新鲜度的检测，基于近红外频谱特征的动物松质骨离体时间评估方法具有重要意义。对于猪骨新不新鲜的判定主要靠观察和问气味，但是当骨组织被放入冰箱冷藏后，这种判定方法会存在误差。另外，基于CT检测具有可靠性，但是这种方法检测过程繁琐、价格昂贵，难以满足大批量样品的低成本方便检测。
目前尚没有有效的基于近红外光谱的松质骨离体时间评估方法或装置。
发明内容
发明目的：针对现有技术中骨组织检测过程繁琐、成本高的缺陷，本发明公开了一种基于近红外频谱特征的松质骨离体时间评估方法及系统，在方法中建立了一种有效的离体时间t和松质骨近红外光频谱特征S关系模型，可通过对需要检测离体时间的松质骨采集近红外光谱数据，然后对所得数据进行特征提取，根据建立好的关系模型获得较为准确的松质骨离体时间，检测成本低。
技术方案：为实现上述技术目的，本发明采用以下技术方案。
一种基于近红外频谱特征的松质骨离体时间评估方法，包括以下步骤：
S1、获取数据样本：获取若干个松质骨，对每个松质骨获取若干组不同离体时间t下的松质骨近红外光谱数据；
S2、对S1中松质骨近红外光谱数据进行数据处理：先对松质骨近红外光谱数据进行频域变换，进而提取松质骨近红外光谱特征S；
S3、将所述松质骨近红外光谱特征S作为训练数据，构建时间评估模型：将步骤S2中获取的所有松质骨近红外光谱特征S作为训练数据，通过数据拟合建立若干组时间-特征方程即t-S关系方程，对每一组t-S关系方程求取平均权重作为最终t-S关系方程权重，建立起时间评估模型；
S4、获取待评估离体时间的松质骨的近红外光谱数据，提取其近红外光谱特征后输入到时间评估模型中，获取离体时间评估结果。
优选地，所述S1中对每个松质骨获取多组不同离体时间t下的松质骨近红外光谱数据，具体包括：对每一块松质骨进行若干个不同离体时间下的数据测量，在每个离体时间下对松质骨表面的m个点进行数据测量；每个点测量得到的1组近红外光谱数据，每组近红外光谱数据中包括g个数值，每组近红外光谱数据定义为fn，n＝1，2，..，m；每一块松质骨在一个离体时间下共获取m组数据。
优选地，所述S2中，对松质骨近红外光谱数据进行频域变换前，还包括对每一块松质骨在一个离体时间下共获取m组数据求取平均值以减小随机误差，定义为
其中
中包括g个求取平均值后的数据。
优选地，所述S2中频域变换过程为：对每一块松质骨在一个离体时间下的平均值
进行特定波段的傅里叶频域变换得到频谱数据F，求取频谱的功率谱密度曲线P，其计算公式为：
其中，Pn表示功率谱密度曲线P上每个点，n＝1，2，...，g，Fj为频谱数据F中的第j个数据。
优选地，所述S2中松质骨近红外光谱特征S的提取过程为：获取频谱的功率谱密度曲线P，将其划分为D段，计算每一段曲线的斜率Sd，计算
即松质骨近红外光谱特征S。
优选地，所述S3中最终t-S关系方程权重计算公式如下：
其中，k为离体时间t的个数，wn为第n组t-S关系方程的权重。
一种基于近红外频谱特征的松质骨离体时间评估系统，用于实现以上任一所述的一种基于近红外频谱特征的松质骨离体时间评估方法，包括近红外光谱采集系统和时间评估模型，时间评估模型接收近红外光谱采集系统发送的近红外光谱特征，时间评估模型输出离体时间频评估结果；
其中，近红外光谱采集系统包括离体松质骨近红外光谱测量模块、数据存储模块和光谱特征计算模块，数据存储模块与离体松质骨近红外光谱测量模块、光谱特征计算模块连接，离体松质骨近红外光谱测量模块与光谱特征计算模块连接；离体松质骨近红外光谱测量模块用于获取待评估离体时间的离体松质骨近红外光谱数据，光谱特征计算模块用于根据离体松质骨近红外光谱数据计算相应的离体松质骨近红外光谱特征，数据存储模块用于存储离体松质骨近红外光谱数据和离体松质骨近红外光谱特征。
优选地，所述骨质近红外光谱测量模块包括近红外光源、光纤光谱仪和光纤探头和时间计算模块；光纤探头一端紧密接触待评估离体时间的样品，另一端连接光纤光谱仪，光纤光谱仪与时间计算模块连接；光谱特征计算模块和数据存储模块设置于PC机内，光谱特征计算模块包括光谱数据频域转换软件和特征提取软件；数据存储模块包括数据存储软件。
优选地，所述近红外光源为HL2000卤素光源，光纤光谱仪为USB2000光纤光谱仪，光纤探头为柔性双通道双光纤。
有益效果：本发明建立了一种有效的离体时间t和松质骨近红外光频谱特征S关系模型，可通过对需要检测离体时间的松质骨采集近红外光谱数据，然后对所得数据进行特征提取，根据建立好的关系模型获得较为准确的松质骨离体时间，检测成本低，本发明对含有动物骨制品的食品检测具有重大意义，对食品安全评估和骨质相关药物及材料品质检测有重要价值。
附图说明
图1为本发明的方法流程图；
图2为本发明的系统结构图；
其中1为PC机，2为近红外光源，3为光纤光谱仪，4为光纤探头，5为时间计算模块，6为样品；
图3(a)为实施例中典型松质骨近红外光谱数据；
图3(b)为根据图3(a)中的松质骨近红外光谱数据进行傅里叶变换后得到的频谱数据F；
图3(c)为根据图3(b)中的频谱数据F计算的功率谱密度曲线P；
图4为实施例中不同离体时间猪腿骨实验t与S数据变化图；
图5为实施例中所构建的t与S最终关系模型方程曲线示意图。
具体实施方式
以下结合附图和实施例对本发明做进一步的说明和解释。
实施例
如附图1所示，基于近红外频谱特征的松质骨离体时间评估方法，包括以下步骤：
S1、获取数据样本：获得多组已知不同离体时间t下的松质骨近红外光谱数据；对每一块松质骨进行若干个不同离体时间下的数据测量，每个离体时间下数据测量中包括对松质骨表面若干点的测量。本发明中松质骨是任意食品中带有的骨组织结构，即本发明可以对含有动物骨制品的食品进行离体时间检测，进而实现食品安全评估。在多组数据获取中，离体时间分别从8、16、24、32、40、48小时中选择，柔性光纤与松质骨表面紧密接触，对每一块松质骨进行每个不同离体时间下进行数据测量，在每个离体时间下对松质骨表面的m个点进行数据测量；每个点测量得到的1组近红外光谱数据，每组近红外光谱数据中包括g个数值，每组近红外光谱数据定义为fn，n＝1，2，..，m；每一块松质骨在一个离体时间下共获取m组数据。
S2、对S1中松质骨近红外光谱数据进行数据处理：先对松质骨近红外光谱数据进行频域变换，进而提取松质骨近红外光谱特征S；对松质骨近红外光谱数据进行频域变换前，还包括对松质骨近红外光谱数据求取平均值，即对每一块松质骨在一个离体时间下共获取m组数据求取平均值以减小随机误差，定义为
其中
中包括g个求取平均值后的数据。
频域变换过程为：对每一块松质骨在一个离体时间下的平均值
进行特定波段的傅里叶频域变换得到频谱数据F，求取频谱的功率谱密度曲线P，其计算公式为：
其中，Pn表示功率谱密度曲线P上每个点，n＝1，2，...，g，Fj为频谱数据F中的第j个数据。
松质骨近红外光谱特征S的提取过程为：获取频谱的功率谱密度曲线P，将其划分为D段，计算每一段曲线的斜率Sd，计算
即松质骨近红外光谱特征S。本实施例中对松质骨近红外光谱数据进行特定波段的傅里叶频域变换，如450nm-600nm，求取频谱的功率谱密度曲线P，计算曲线第1段斜率记作S1，计算第2段斜率记作S2，计算S＝|S1+S2|，即松质骨近红外光谱特征S。
S3、将所述松质骨近红外光谱特征S作为训练数据，构建时间评估模型：通过数据拟合建立多组时间-特征方程即t-S关系方程，对每一组t-S关系方程求取平均权重作为最终t-S关系方程权重，建立起时间评估模型；每一组的权重系数wn可以利用多项式拟合的方法得到。
最终t-S关系方程权重计算公式如下：
其中，k为离体时间t的个数，wn为第n组t-S关系方程的权重。
S4、获取待评估离体时间的松质骨的近红外光谱数据，提取其近红外光谱特征后输入到时间评估模型中，获取离体时间评估结果。
本发明还包括对模型的校验，即利用未参与模型建立的松质骨样本检验所建立离体时间t-频谱特征关系方程的可靠性，确定平均绝对误差。
以下就具体例子来详细描述：
在多组数据获取中，随机将松质骨进行分组，每一组在松质骨表面任意选择测试点，光纤探头和松质骨表面垂直设置，测试时同时启动近红外测量模块和时间计算模块。离体时间从8、16、24、32、40、48小时中选择，柔性光纤与松质骨表面紧密接触，每次检测任选松质骨表面的9个点。
图3(a)所示是本发明的实施例所提供的8小时离体时间对应的典型松质骨近红外光谱数据，图3(b)所示是图3(a)中的松质骨近红外光谱数据进行傅里叶变换后得到的频谱数据F，其中，松质骨近红外光谱数据选择波段为450nm-600nm，图3(c)所示是根据图3(b)中F计算的功率谱密度曲线P。
附图4是本发明的实施例所提供的不同离体时间猪腿骨实验t与S数据变化示例；所述每一组实验数据的t-S关系方程可以利用多项式拟合的方法得到，拟合结果表明t与S在二阶多项式拟合上具有相对最高的拟合优度(R2更接近1)；图3即一组猪腿骨，离体时间为8、16、24、32、40、48小时，拟合得到的关系方程曲线，其通过多项式数据拟合出的公式为：
y＝0.598x2+0.21x+0.1421
R2＝0.9811，其中：x为S，y为t。
附图5是本发明的实施例中所构建的t与S最终关系模型方程曲线，公式如下：
y＝0.611x2+0.242x+0.1353
其中：x为S，y为t。
如表1所示是本发明的实施例所提供的一种基于近红外频谱特征的动物松质骨离体时间评估方法的某一组S1和S2的测试数据。将1组未参与模型构建的样本数据中的S代入t-S最终关系模型公式，即可得到相应的t评估值。将实际的t值与通过关系模型公式计算出的t平均值进行比较，获得相应的误差以检验关系模型的可靠性，发现通过计算本发明中的模型绝对误差小于15％，具体结果即表1所示。
表1
从表格中可以看出，本实施例中对功率谱密度曲线P仅计算两段曲线的斜率，计算曲线第1段斜率记作S1，计算第2段斜率记作S2，计算松质骨近红外光谱特征S＝|S1+S2|，从表格中的相对误差中可以看出，离体时间评估较为准确，误差较小。
如附图2所示，一种基于近红外频谱特征的松质骨离体时间评估系统，用于实现以上任一所述的一种基于近红外频谱特征的松质骨离体时间评估方法，包括近红外光谱采集系统和时间评估模型，时间评估模型接收近红外光谱采集系统发送的近红外光谱特征，时间评估模型输出离体时间的评估结果；
其中，近红外光谱采集系统包括离体松质骨近红外光谱测量模块、数据存储模块和光谱特征计算模块，数据存储模块与离体松质骨近红外光谱测量模块、光谱特征计算模块连接，离体松质骨近红外光谱测量模块与光谱特征计算模块连接；离体松质骨近红外光谱测量模块用于获取待评估离体时间的离体松质骨近红外光谱数据，光谱特征计算模块用于根据离体松质骨近红外光谱数据计算相应的离体松质骨近红外光谱特征，数据存储模块用于存储离体松质骨近红外光谱数据和离体松质骨近红外光谱特征。
其中，骨质近红外光谱测量模块包括近红外光源2、光纤光谱仪3和光纤探头4和时间计算模块5；光纤探头4一端紧密接触待评估离体时间的样品6，另一端连接光纤光谱仪3，光纤光谱仪3与时间计算模块5连接；光谱特征计算模块和数据存储模块设置于PC机1内，光谱特征计算模块包括光谱数据频域转换软件和特征提取软件；数据存储模块包括数据存储软件。近红外光源2为HL2000卤素光源，光纤光谱仪3为USB2000光纤光谱仪，光纤探头4为柔性双通道双光纤。
本系统的工作原理为：测试时同时启动近红外测量模块和时间计算模块5，近红外光源2发出光，通过光纤探头4入射到样品6中，光经过骨组织吸收、散射等作用后，通过光纤探头4传送至光纤光谱仪3，光纤光谱仪3将检测的数据发送至PC机1，时间计算模块5也将自身数据发送至PC机1。本发明中所述系统成本低，操作简单。
在多组数据获取中，随机将松质骨进行分组，每一组在松质骨表面任意选择测试点n个，光纤探头4和待评估离体时间的样品6(即松质骨)表面垂直设置，测试时同时启动近红外测量模块和时间计算模块。
本发明建立了一种有效的离体时间t和松质骨近红外光频谱特征S关系模型，可通过对需要检测离体时间的松质骨采集近红外光谱数据，然后对所得数据进行特征提取，根据建立好的关系模型获得较为准确的松质骨离体时间，检测成本低，本发明对含有动物骨制品的食品检测具有重大意义，对食品安全评估有重要价值。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于，包括以下步骤：
S1、获取数据样本：获取若干个松质骨，对每个松质骨获取若干组不同离体时间t下的松质骨近红外光谱数据；
S2、对S1中松质骨近红外光谱数据进行数据处理：先对松质骨近红外光谱数据进行频域变换，进而提取松质骨近红外光谱特征S；
S3、将所述松质骨近红外光谱特征S作为训练数据，构建时间评估模型：将步骤S2中获取的所有松质骨近红外光谱特征S作为训练数据，通过数据拟合建立若干组时间-特征方程即t-S关系方程，对每一组t-S关系方程求取平均权重作为最终t-S关系方程权重，建立起时间评估模型；
S4、获取待评估离体时间的松质骨的近红外光谱数据，提取其近红外光谱特征后输入到时间评估模型中，获取离体时间评估结果。
2.根据权利要求1所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于，所述S1中对每个松质骨获取多组不同离体时间t下的松质骨近红外光谱数据，具体包括：对每一块松质骨进行若干个不同离体时间下的数据测量，在每个离体时间下对松质骨表面的m个点进行数据测量；每个点测量得到的1组近红外光谱数据，每组近红外光谱数据中包括g个数值，每组近红外光谱数据定义为fn，n＝1，2，..，m；每一块松质骨在一个离体时间下共获取m组数据。
3.根据权利要求2所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于：所述S2中，对松质骨近红外光谱数据进行频域变换前，还包括对每一块松质骨在一个离体时间下共获取m组数据求取平均值以减小随机误差，定义为
其中
中包括g个求取平均值后的数据。
4.根据权利要求3所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于，所述S2中频域变换过程为：对每一块松质骨在一个离体时间下的平均值
进行特定波段的傅里叶频域变换得到频谱数据F，求取频谱的功率谱密度曲线P，其计算公式为：
其中，Pn表示功率谱密度曲线P上每个点，n＝1，2，...，g，Fj为频谱数据F中的第j个数据。
5.根据权利要求4所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于，所述S2中松质骨近红外光谱特征S的提取过程为：获取频谱的功率谱密度曲线P，将其划分为D段，计算每一段曲线的斜率Sd，计算
即松质骨近红外光谱特征S。
6.根据权利要求1所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于，所述S3中最终t-S关系方程权重计算公式如下：
其中，k为离体时间t的个数，wn为第n组t-S关系方程的权重。
7.一种基于近红外频谱特征的松质骨离体时间评估系统，用于实现如权利要求1-6任一所述的一种基于近红外频谱特征的松质骨离体时间评估方法，其特征在于：包括近红外光谱采集系统和时间评估模型，时间评估模型接收近红外光谱采集系统发送的近红外光谱特征，时间评估模型输出离体时间评估结果；
其中，近红外光谱采集系统包括离体松质骨近红外光谱测量模块、数据存储模块和光谱特征计算模块，数据存储模块与离体松质骨近红外光谱测量模块、光谱特征计算模块连接，离体松质骨近红外光谱测量模块与光谱特征计算模块连接；离体松质骨近红外光谱测量模块用于获取待评估离体时间的离体松质骨近红外光谱数据，光谱特征计算模块用于根据离体松质骨近红外光谱数据计算相应的离体松质骨近红外光谱特征，数据存储模块用于存储离体松质骨近红外光谱数据和离体松质骨近红外光谱特征。
8.根据权利要求7所述的一种基于近红外频谱特征的松质骨离体时间评估系统，其特征在于：所述骨质近红外光谱测量模块包括近红外光源(2)、光纤光谱仪(3)和光纤探头(4)和时间计算模块(5)；光纤探头(4)一端紧密接触待评估离体时间的样品，另一端连接光纤光谱仪(3)，光纤光谱仪(3)与时间计算模块(5)连接；光谱特征计算模块和数据存储模块设置于PC机(1)内，光谱特征计算模块包括光谱数据频域转换软件和特征提取软件；数据存储模块包括数据存储软件。
9.根据权利要求8所述的一种基于近红外频谱特征的松质骨离体时间评估系统，其特征在于：所述近红外光源(2)为HL2000卤素光源，光纤光谱仪(3)为USB2000光纤光谱仪，光纤探头(4)为柔性双通道双光纤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010971428.6A CN112098362B (zh) | 2020-09-15 | 2020-09-15 | 一种基于近红外频谱特征的松质骨离体时间评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010971428.6A CN112098362B (zh) | 2020-09-15 | 2020-09-15 | 一种基于近红外频谱特征的松质骨离体时间评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112098362A true CN112098362A (zh) | 2020-12-18 |
| CN112098362B CN112098362B (zh) | 2024-02-27 |
Family
ID=73760358
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010971428.6A Active CN112098362B (zh) | 2020-09-15 | 2020-09-15 | 一种基于近红外频谱特征的松质骨离体时间评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112098362B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5720290A (en) * | 1993-04-07 | 1998-02-24 | Metra Biosystems, Inc. | Apparatus and method for acoustic analysis of bone using optimized functions of spectral and temporal signal components |
| US20060192965A1 (en) * | 2005-01-21 | 2006-08-31 | Tromberg Bruce J | Method for assessing the condition of bone in-vivo |
| WO2008125823A1 (en) * | 2007-04-13 | 2008-10-23 | The University Court Of The University Of St. Andrews | Apparatus for analysing a biological substance |
| CN105223144A (zh) * | 2015-09-17 | 2016-01-06 | 首都师范大学 | 一种基于太赫兹光谱技术的全成分颗粒剂中草药烫骨碎补的检测方法 |
| US20180237741A1 (en) * | 2016-01-12 | 2018-08-23 | Cedars-Sinai Medical Center | Method of osteogenic differentiation in microfluidic tissue culture systems |
| CN108872143A (zh) * | 2018-05-22 | 2018-11-23 | 南京农业大学 | 一种基于近红外光谱的小麦感染赤霉病等级检测方法 |
| CN111000627A (zh) * | 2019-12-04 | 2020-04-14 | 南京航空航天大学 | 基于约化散射系数的微波消融组织杨氏模量实时评估方法及其装置 |
| CN111366554A (zh) * | 2020-05-26 | 2020-07-03 | 苏州市公安局姑苏分局 | 一种基于衰减全反射红外光谱的痕迹遗留时间的测量方法 |
-
2020
- 2020-09-15 CN CN202010971428.6A patent/CN112098362B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5720290A (en) * | 1993-04-07 | 1998-02-24 | Metra Biosystems, Inc. | Apparatus and method for acoustic analysis of bone using optimized functions of spectral and temporal signal components |
| US20060192965A1 (en) * | 2005-01-21 | 2006-08-31 | Tromberg Bruce J | Method for assessing the condition of bone in-vivo |
| WO2008125823A1 (en) * | 2007-04-13 | 2008-10-23 | The University Court Of The University Of St. Andrews | Apparatus for analysing a biological substance |
| CN105223144A (zh) * | 2015-09-17 | 2016-01-06 | 首都师范大学 | 一种基于太赫兹光谱技术的全成分颗粒剂中草药烫骨碎补的检测方法 |
| US20180237741A1 (en) * | 2016-01-12 | 2018-08-23 | Cedars-Sinai Medical Center | Method of osteogenic differentiation in microfluidic tissue culture systems |
| CN108872143A (zh) * | 2018-05-22 | 2018-11-23 | 南京农业大学 | 一种基于近红外光谱的小麦感染赤霉病等级检测方法 |
| CN111000627A (zh) * | 2019-12-04 | 2020-04-14 | 南京航空航天大学 | 基于约化散射系数的微波消融组织杨氏模量实时评估方法及其装置 |
| CN111366554A (zh) * | 2020-05-26 | 2020-07-03 | 苏州市公安局姑苏分局 | 一种基于衰减全反射红外光谱的痕迹遗留时间的测量方法 |
Non-Patent Citations (6)
| Title |
|---|
| LIU, YANGYANG 等: "vestigation of optical reflectance from different animal vertebra along the fixation trajectory of pedicle screw in frequency domain", JOURNAL OF INNOVATIVE OPTICAL HEALTH SCIENCES, vol. 13, no. 1, pages 1 - 10 * |
| 戴丽娟;花国然;钱志余;: "脑组织漫反射光谱与约化散射系数的斜率估算法", 光学技术, no. 05, pages 705 - 709 * |
| 李文灿;张萍;陈龙;: "核酸及蛋白质在死亡时间推断中的应用", 法医学杂志, no. 01, pages 50 - 53 * |
| 赖海燕, 涂建平: "用于红外成像GIF的目标骨架提取算法", 红外技术, no. 02, pages 147 - 150 * |
| 黄平;托娅;王振原;: "傅里叶变换红外光谱技术在死亡时间推断中的运用", 法医学杂志, no. 03, pages 198 - 201 * |
| 黄平;王世伟;白杰;柯咏;樊拴良;张平;方杰;王振原;: "应用FTIR光谱技术推断死亡时间", 中国法医学杂志, no. 02, pages 104 - 109 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112098362B (zh) | 2024-02-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lammertyn et al. | Non-destructive measurement of acidity, soluble solids, and firmness of Jonagold apples using NIR-spectroscopy | |
| Mendoza et al. | Integrated spectral and image analysis of hyperspectral scattering data for prediction of apple fruit firmness and soluble solids content | |
| RU2007148634A (ru) | Способ оценки чистоты растительных масел и устройство для его осуществления | |
| CN103837492B (zh) | 一种基于近红外光谱技术的猕猴桃膨大果无损检测方法 | |
| CN110702663B (zh) | 一种冷冻肉品贮藏时间的无损快速检测方法 | |
| Xu et al. | Factors influencing near infrared spectroscopy analysis of agro-products: a review | |
| Ying et al. | Fourier transform near-infrared determination of total soluble solids and available acid in intact peaches | |
| CN108846203A (zh) | 水果无损检测的方法及装置 | |
| CN109991181B (zh) | 自适应表面吸收光谱分析方法、系统、存储介质、设备 | |
| JP2003287524A (ja) | 食品の物性測定装置および測定方法 | |
| Lu et al. | Development of a multispectral imaging prototype for real-time detection of apple fruit firmness | |
| Ekramirad et al. | Application of Hyperspectral imaging and acoustic emission techniques for apple quality prediction | |
| CN105942982A (zh) | 一种基于动态光谱的肿瘤预测仪 | |
| CN112098362A (zh) | 基于近红外频谱特征的松质骨离体时间评估方法及系统 | |
| Chen et al. | Analysis on Food Crispness Based on Time and Frequency Domain Features of Acoustic Signal. | |
| Liu et al. | Prediction of valid acidity in intact apples with Fourier transform near infrared spectroscopy | |
| Liu et al. | Application of near-infrared spectroscopy with fiber optics for detecting interior quality in peaches | |
| Ding et al. | Extracting and modifying the vibration characteristic parameters of watermelon based on experimental modal measurement and finite element analysis for hollow heart defect detection | |
| CN110646371A (zh) | 一种烟用香精香料含水量的测定方法 | |
| CN111103259B (zh) | 基于光谱技术的煎炸油品质快速检测方法 | |
| JP2011053195A (ja) | テラヘルツ時間領域分光装置の測定法及びデータ解析法 | |
| Li | Nondestructive measurement model of apple internal browning based on FT-NIR spectroscopy | |
| Ying et al. | Non-destructive measurement of sugar content in Fuji apple with bifurcated fiber optic sensor | |
| Mendoza et al. | Integration of hyperspectral scattering characteristics and image analysis techniques for improved prediction of apple fruit firmness and soluble solids content | |
| RU2649247C1 (ru) | Способ анализа результатов активного теплового неразрушающего контроля изделий из полимерных композиционных материалов |
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 |