CN113155775B - 一种近红外光谱的标定方法及其应用的水果品质检测系统 - Google Patents
一种近红外光谱的标定方法及其应用的水果品质检测系统 Download PDFInfo
- Publication number
- CN113155775B CN113155775B CN202011634369.XA CN202011634369A CN113155775B CN 113155775 B CN113155775 B CN 113155775B CN 202011634369 A CN202011634369 A CN 202011634369A CN 113155775 B CN113155775 B CN 113155775B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- machine
- calibration
- standard
- standard reference
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 50
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims abstract description 97
- 238000010521 absorption reaction Methods 0.000 claims abstract description 11
- 230000003595 spectral effect Effects 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 35
- 101150014174 calm gene Proteins 0.000 claims description 9
- 238000002798 spectrophotometry method Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 239000004809 Teflon Substances 0.000 claims description 3
- 229920006362 Teflon® Polymers 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000411 transmission spectrum Methods 0.000 claims description 3
- 238000013508 migration Methods 0.000 abstract description 4
- 230000005012 migration Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000009434 installation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method 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
-
- 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
- G01N2021/3196—Correlating located peaks in spectrum with reference data, e.g. fingerprint data
-
- 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
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/127—Calibration; base line adjustment; drift compensation
- G01N2201/12738—Selectively initiating check
-
- 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
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/13—Standards, constitution
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
本发明公开了一种近红外光谱的标定方法及其应用的水果品质检测系统,标定方法通过预先对多种对固定波长具有特征吸收峰的标准品进行标定,为0号标准机台设置标准参考板0并对其进行光谱标定;依据标准参考板0的光谱参数为随机台配套标准参考板i,对新机台进行光谱出厂标定,使得出厂的不同机台的光谱初始参数一致;在机台使用时,根据需要依据其对应的随机台配置标准参考板i对机台进行光谱参数校正,使得水果的检测模型0可以在不同机台进行随机迁移;通过应用本发明可以实现在不同机台的检测系统中进行随机迁移,不会影响其检测精度。
Description
技术领域
本发明涉及一种光谱分析技术领域,特别涉及一种近红外光谱的标定方法,本发明还涉及了该近红外光谱的标定方法应用的水果品质检测系统。
背景技术
近红外光谱分析技术是一种快速、无损的绿色分析技术,非常适合于过程分析领域。同时,它也是一种二次测量技术,它的成功应用依赖于性能优良的校正模型的建立,而校正模型的性能又取决于实验设计的合理性、数据处理方法和校正模型建立方法的科学性。
水果内部组分十分丰富,不同组分含氢基团较多,水果主要内部品质的可溶性固形物(糖度)约占9%~16%,含量高,信号强,适宜通过光谱采集和分析来实现其品质检测。光谱采集和分析的主要工作原理包括:当水果内部的可溶性固形物分子受到红外线照射时,被激发产生共振,同时光的能量一部分被吸收,测量其吸收光,可以得到具有特征吸收峰的图谱,由于不同物质在近红外区域均有丰富的吸收光谱,每种成分均有其对应的特定吸收特征,因此这为通过近红外光谱定量分析对水果进行品质检测提供了技术基础。
通过单一可见的近红外光谱采集系统,然后采用合理的试验方法,获取稳定的水果光谱和正确的水果内部品质的理化指标,最后采用科学的数据处理方法建立校正模型,可以对水果内部品质进行比较稳定的检测效果,这方面的报道在国内外众多文献和专利中都有公开介绍。
然而申请人发现在实际生产应用中,检测效果优异的检测模型往往不能直接迁移到其他近红外光谱采集设备中,或迁移过去后所实现的检测结果很差,这主要是因为不同水果品质检测系统的近红外光谱采集系体硬件通常具有差异性,具体包括有分光传感器的差异、光源的差异以及电路系统的差异等。
为了消除不同仪器之间的台间差以利于模型迁移,已有技术提出在光谱采集过程中做实时参比,例如:专利号为ZL201210545938.2的发明专利介绍了一种通过在采集探头的光路内设计可自动切换的白板、黑板和通孔,自动采集全反射参考光谱、暗光谱和样品光谱,进行光谱的自动标定。然而该方法存在光路结构复杂、在内部结构运动的过程中容易引入新的信号干扰问题。
因此,有必要提出寻求新的技术方案来解决以上技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种近红外光谱的标定方法及其应用的水果品质检测系统,通过应用本发明可以实现在不同机台的检测系统中进行随机迁移,不会影响其检测精度。
本发明采用的技术方案如下:
一种近红外光谱的标定方法,用于水果品质检测系统,通过预先对多种对固定波长具有特征吸收峰的标准品进行标定,为0号标准机台设置标准参考板0并对其进行光谱标定;依据标准参考板0的光谱参数为随机台配套标准参考板i,对新机台进行光谱出厂标定,使得出厂的不同机台的光谱初始参数一致;在机台使用时,根据需要依据其对应的随机台配置标准参考板i对机台进行光谱参数校正,使得水果的检测模型0可以在不同机台进行随机迁移。
优选地,包括如下操作步骤:
S10)、预先对分光光度传感器的波长进行标定,其标定样品包括多种对固定波长具有特征吸收峰的标准品;
S20)、对0号标准机台进行光谱标定:将0号标准机台在光源亮度参数为PWM0条件下采集标准参考板0的参考能量光谱和暗能量光谱,依据该光谱数据建立水果检测模型0,所述PWM0包括固定的曝光时间和光源的亮度参数;
S30)、为新机台配置标准参考板i,依据水果检测模型0,对新机台进行出厂标定,将该标定参数进行保存作为后续使用标定时的计算依据;
S40)、采用新机台配置标准参考板i以及保存的标定参数在水果检测模型0下对各机台在使用过程中进行标定。
优选地,在所述步骤S10)中,标定的波长范围为500-1010nm。
优选地,在所述步骤S10)中,所述波长的标定方程公式为:
WaveLength=A0+B1x+B2x2+...+Bnxn;
其中,WaveLength表示标定波长、A0表示偏差,B1,B2,Bn分别代表待标定样品对应的标定系数,x为分光光度传感器输出的检测点序号,该序号的范围为1-256。
优选地,所述步骤S20)的标定计算步骤包括:0号标准机台在光源亮度参数为PWM0的条件下采集标准参考板0的参考能量谱Rref0和暗光谱的差值Rdark0,并计算参考能量谱Rref0和暗光谱Rdark0的差值Rcal0,其计算公式如下:
Rcal0=Rref0-Rdark0。
优选地,所述步骤S30)的标定计算步骤包括:
S31)、通过新机台在光源亮度参数为PWM0的条件下再次采集标准参考板0的参考能量谱Rrefl和暗光谱的差值Rdarkl,并计算参考能量谱Rrefl和暗光谱Rdarkl的差值Rcall,其计算公式如下:
Rcal1=Rref1-Rdark1;
S32)、基于差值Rca10和差值Rcall,通过调整光源亮度参数PWM1使得新机台的差值与0号标准机台差值一致,其计算公式如下:
PWM1=PWM0×Rcalo÷Rcal1;
S33)、为新机台配置标准参考板i,采用光源亮度参数PWM1来对新机台进行标定,采集标准参考板i的标准参考光谱Rref2和暗能量光谱Rdark2,并计算二者的差值Rcal2作为新机台的出厂标定参考标准,其计算公式如下:
Rcal2=Rref2-Rdark12
S34)、将相应的光源亮度参数PWM1、差值Rcal2作为后续出厂后使用标定时的参数保存在本地机台和云端服务器中,云端服务器记录有对应新机台的设备号。
优选地,所述步骤S40)的标定计算步骤包括:
S41)、使用待标定机台在出厂标定时配置的标准参考板i,采用光源亮度参数PWM1采集标准参考板i的标准参考光谱Rref3和暗能量光谱Rdark3,并计算二者的差值Rca13,其计算公式如下:
Rcal3=Rref3-Rdark3。
S42)、计算机台因使用而光源衰减后标定时所需的光源亮度参数PWM2,其计算公式如下:
PWM2==PWM1×Rcal2÷Rcal3;
S43)、在采用光源亮度参数PWM2条件下,使用其他机台采集其对应配置的标准参考板i的标准参考光谱Rref4和暗能量光谱Rdark4,并计算二者的差值Rcal4,其计算公式如下:
Rcal4=Rref4-Rdark4;该差值Rcal4接近与差值Rcal0,实现对不同机台的光谱校正;不同机台可采用光源亮度参数PWM2条件对水果进行漫透射光谱采集和暗光谱采集,通过水果检测模型0,对水果内部品质进行预测。
优选地,所述标准参考板0和标准参考板i均采用特氟龙材质。
优选地,一种如上所述的水果品质检测系统,包括分别安装在壳体上的光源以及接收光源发光经过水果后的光信息的分光光度传感器。
优选地,所述壳体包括固定安装为一体的上壳体和下壳体。
本发明创造性地提出预先通过采用具有特征吸收峰的标准品物质对机台的波长进行出厂标定,同时通过固定0号标准机台的标准参考板0和随机台配套的标准参考板i,对出厂机台进行出厂标定,使得不同机台的初始光谱参数一致,在机台的后续使用过程中,消费者可在光源衰减的条件下通过随机台配套的参考板i进行机台即时校正。使得不同机台上的硬件采集条件趋于一致,进而可以实现水果的统一检测模型0(公知常识)在不同机台的检测系统中进行随机迁移,不会影响其检测精度;而且本发明提出的标定工作在机台产品出厂设置前已经完成,减少了系统结构部件的复杂度,有力解决了台间差不稳定的问题。
本申请还提出了便携手持式水果品质检测系统,结构简单,安装重量轻,且操作便捷,适合进行规模推广应用。
附图说明
图1是本发明具体实施方式下近红外光谱的标定方法的操作步骤框图;
图2是图1中步骤S30)的具体操作步骤框图;
图3是图1中步骤S40)的具体操作步骤框图;
图4是本发明具体实施方式下便携式水果品质检测系统的爆炸结构示意图;
图5是将图4旋转一定角度后的结构示意图。
具体实施方式
本发明实施例公开了一种近红外光谱的标定方法,用于水果品质检测系统,通过预先对多种对固定波长具有特征吸收峰的标准品进行标定,为0号标准机台设置标准参考板0并对其进行光谱标定;依据标准参考板0的光谱参数为随机台配套标准参考板i,对新机台进行光谱出厂标定,使得出厂的不同机台的光谱初始参数一致;在机台使用时,根据需要依据其对应的随机台配置标准参考板i对机台进行光谱参数校正,使得水果的检测模型0可以在不同机台进行随机迁移。
为了使本技术领域的人员更好地理解本发明中的技术方案,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,所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
请参见图1并结合图2和图3所示,一种近红外光谱的标定方法,包括如下操作步骤:
S10)、预先对分光光度传感器的波长进行标定,其标定样品包括多种对固定波长具有特征吸收峰的标准品;优选地,在本步骤S10)中,标定的波长范围为500-1010nm;波长的标定方程公式为:
WaveLength=A0+B1x+B2x2+...+Bnxn
其中,WaveLength表示标定波长、A0表示偏差,B1,B2,Bn分别代表待标定样品对应的标定系数,x为分光光度传感器输出的检测点序号,该序号的范围为1-256。具体计算实施过程属于本领域的公知常识,具体优选地,通过上述标定方程标定后,求得对应的系数B1,B2,Bn,然后再带入如上标定方程将分光光度传感器的输出的检测点序号转换为波长:以X轴为波长、Y轴为采集的光谱的能量值,通过三次样条曲线拟合算法或其他插值算法将离散的光谱能量图转换为连续的光谱曲线,插值算法填补了相邻光谱波长点间的光谱能量的空缺,方便后续测量光谱时进行Y方向标定。
为了进一步说明本步骤的实施过程,本实施例选择了对3种标准样品(对固定波长有特征吸收峰)的测试,取n等于2,通过对3种不同标准样品进行标定后计算方程的系数求得对应的波长校正方程为:
WaveLength=190.3+4.552x+0.008x2;
通过标定后分光光度传感器的输出的检测点数转换为波长,以数据点序号100为例,对应的波长计算后为725.5。以X轴为波长、Y轴为采集的光谱的能量值,通过三次样条曲线拟合算法或其他插值算法将离散的光谱能量图转换为连续的光谱曲线,插值算法填补了相邻光谱波长点间的光谱能量的空缺,方便后续测量光谱时进行Y方向标定。
S20)、对0号标准机台进行光谱标定:将0号标准机台在光源亮度参数为PWM0条件下采集标准参考板0的参考能量光谱和暗能量光谱,依据该光谱数据建立水果检测模型0,PWM0包括固定的曝光时间和光源的亮度参数;优选地,本步骤S20)的标定计算步骤包括:0号标准机台在光源亮度参数为PWM0的条件下采集标准参考板0的参考能量谱Rref0和暗光谱的差值Rdark0,并计算参考能量谱Rref0和暗光谱Rdark0的差值Rcal0,其计算公式如下:
Rcal0=Rref0-Rdark0。
为了进一步说明本步骤的实施过程,选择PWM0=0.08;通过如上采集以及计算得到:
Rref0=58582,Rdark0=2000,Rcal0=58582-2000=56582。
S30)、为新机台配置标准参考板i,依据水果检测模型0,对新机台进行出厂标定,将该标定参数进行保存作为后续使用标定时的计算依据;优选地,本步骤S30)的标定计算步骤包括:
S31)、通过新机台在光源亮度参数为PWM0的条件下再次采集标准参考板0的参考能量谱Rrefl和暗光谱的差值Rdarkl,并计算参考能量谱Rrefl和暗光谱Rdarkl的差值Rcall,其计算公式如下:
Rcal1=Rref1-Rdark1;
通过以上公式得到:
Rref1=55564,Rdark1=2048,Rcal1=58582-2048=53516;
S32)、基于差值Rcal0和差值Rcall,通过调整光源亮度参数PWM1使得新机台的差值与0号标准机台差值一致,其计算公式如下:
PWM1=PWM0×Rcal0÷Rcal1;
通过以上公式得到:
PWM1=0.8×56582÷53516≈0.846;
S33)、为新机台配置标准参考板i,采用光源亮度参数PWM1来对新机台进行标定,采集标准参考板i的标准参考光谱Rref2和暗能量光谱Rdark2,并计算二者的差值Rcal2作为新机台的出厂标定参考标准,其计算公式如下:
Rcal2=Rref2-Rdark2;
通过以上公式得到:
Rcal2=58320-1900=56420;
S34)、将相应的光源亮度参数PWM1、差值Rcal2作为后续出厂后使用标定时的参数保存在本地机台和云端服务器中,云端服务器记录有对应新机台的设备号。
S40)、采用新机台配置标准参考板i以及保存的标定参数在水果检测模型0下对各机台在使用过程中进行标定。
优选地,步骤S40)的标定计算步骤包括:
S41)、使用待标定机台在出厂标定时配置的标准参考板i,采用光源亮度参数PWM1采集标准参考板i的标准参考光谱Rref3和暗能量光谱Rdark3,并计算二者的差值Rca13,其计算公式如下:
Rcal3=Rref3-Rdark3;通过以上公式得到:Rcal3=55446-1980=53466。
S42)、计算机台因使用而光源衰减后标定时所需的光源亮度参数PWM2,其计算公式如下:
PWM2=PWM1×Rcal2÷Rcal3;
通过以上公式得到:
PWM2=0.846×56420÷53466≈0.893;
S43)、在采用光源亮度参数PWM2条件下,使用其他机台采集其对应配置的标准参考板i的标准参考光谱Rref4和暗能量光谱Rdark4,并计算二者的差值Rcal4,其计算公式如下:
Rcal4=Rref4-Rdark4;通过以上公式得到:Rcal4=58463-2025=56438;
该差值Rcal4接近与差值Rca10,实现对不同机台的光谱校正;不同机台可采用光源亮度参数PWM2条件对水果进行漫透射光谱采集和暗光谱采集,通过水果检测模型0,对水果内部品质进行预测。
需要说明的是,本实施例涉及的标准参考板0和标准参考板i均采用特氟龙材质。
本实施例创造性地提出预先通过采用具有特征吸收峰的标准品物质对机台的波长进行出厂标定,同时通过固定0号标准机台的标准参考板0和随机台配套的标准参考板i,对出厂机台进行出厂标定,使得不同机台的初始光谱参数一致,在机台的后续使用过程中,消费者可在光源衰减的条件下通过随机台配套的参考板i进行机台即时校正。使得不同机台上的硬件采集条件趋于一致,进而可以实现水果的统一检测模型0(公知常识)在不同机台的检测系统中进行随机迁移,不会影响其检测精度。而且本发明提出的标定工作在机台产品出厂设置前已经完成,减少了系统结构部件的复杂度,有力解决了台间差不稳定的问题。
请进一步参见图4和图5所示,本实施例还提出了一种便携式水果品质检测系统,包括壳体、光源10和电路板20;壳体包括固定安装连接为一体的上壳体31和下壳体32,并形成用于安装电路板20的安装内腔;其中,电路板20上设有与位于壳体外部的光源10通信连接的分光光度传感器21(用于接收光源发光经过水果后的光信息);以及用于采集外部温度信号的温度传感器,同时电路板20分别通信连接可对外部显示的显示屏40,显示屏40上设有触摸式检测按钮51;优选地,在本实施方式中,壳体侧面还设有与电路板20通信连接的检测操作按钮52。
优选地,在本实施方式中,上壳体31一端设有卡扣31a,下壳体32设有与该卡扣31a固定卡接的卡槽32a,便于便捷式安装效果,当然还可以采用紧固件进行加固安装;
优选地,在本实施方式中,壳体呈长方型形状(便于手持操作),且其一端呈圆型形状;进一步优选地,在本实施方式中,上壳体31设有呈圆型形状的光源窗口33,在光源窗口33处设置光源10,同时分光光度传感器21和温度传感器位于光源窗口33的下方;上壳体31上设有用于贯穿显示屏的显示窗口34;下壳体32的底部设有用于安装电池的电池安装槽35。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种近红外光谱的标定方法,用于水果品质检测系统,其特征在于,通过预先对多种对固定波长具有特征吸收峰的标准品进行标定,为0号标准机台设置标准参考板0并对其进行光谱标定;依据标准参考板0的光谱参数为随机台配套标准参考板i,对新机台进行光谱出厂标定,使得出厂的不同机台的光谱初始参数一致;在机台使用时,根据需要依据其对应的随机台配置标准参考板i对机台进行光谱参数校正,使得水果的检测模型0可以在不同机台进行随机迁移;包括如下操作步骤:
S10)、预先对分光光度传感器的波长进行标定,其标定样品包括多种对固定波长具有特征吸收峰的标准品;在所述步骤S10)中,标定的波长范围为500-1010nm;所述波长的标定方程公式为:
WavLength=A0+B1x+B2x2+...+Bnxn;
其中,WaveLength表示标定波长、A0表示偏差,B1,B2,Bn分别代表待标定样品对应的标定系数,x为分光光度传感器输出的检测点序号,该序号的范围为1-256;
S20)、对0号标准机台进行光谱标定:将0号标准机台在光源亮度参数为PWM0条件下采集标准参考板0的参考能量光谱和暗能量光谱,依据该光谱数据建立水果检测模型0,所述PWM0包括固定的曝光时间和光源的亮度参数;所述步骤S20)的标定计算步骤包括:0号标准机台在光源亮度参数为PWM0的条件下采集标准参考板0的参考能量谱Rref0和暗光谱的差值Rdark0,并计算参考能量谱Rref0和暗光谱Rdark0的差值Rcal0,其计算公式如下:
Rcal0=Rref0-Rdark0;
S30)、为新机台配置标准参考板i,依据水果检测模型0,对新机台进行出厂标定,将该标定参数进行保存作为后续使用标定时的计算依据;所述步骤S30)的标定计算步骤包括:
S31)、通过新机台在光源亮度参数为PWM0的条件下再次采集标准参考板0的参考能量谱Rref1和暗光谱的差值Rdark1,并计算参考能量谱Rref1和暗光谱Rdark1的差值Rcal1,其计算公式如下:
Rcal1=Ref1-Rdark1;
S32)、基于差值Rcal0和差值Rcal1,通过调整光源亮度参数PWM1使得新机台的差值与0号标准机台差值一致,其计算公式如下:
PWM1=PWM0×Rcal0÷Rcal1;
S33)、为新机台配置标准参考板i,采用光源亮度参数PWM1来对新机台进行标定,采集标准参考板i的标准参考光谱Rref2和暗能量光谱Rdark2,并计算二者的差值Rcal2作为新机台的出厂标定参考标准,其计算公式如下:
Rcal2=Rref2-Rdark2;
S34)、将相应的光源亮度参数PWM1、差值Rcal2作为后续出厂后使用标定时的参数保存在本地机台和云端服务器中,云端服务器记录有对应新机台的设备号;
S40)、采用新机台配置标准参考板i以及保存的标定参数在水果检测模型0下对各机台在使用过程中进行标定;所述步骤S40)的标定计算步骤包括:
S41)、使用待标定机台在出厂标定时配置的标准参考板i,采用光源亮度参数PWM1采集标准参考板i的标准参考光谱Rref3和暗能量光谱Rdark3,并计算二者的差值Rcal3,其计算公式如下:
Rcal3=Rref3-Rdark3;
S42)、计算机台因使用而光源衰减后标定时所需的光源亮度参数PWM2,其计算公式如下:
PWM2=PWM1×Rcal2÷Rcal3;
S43)、在采用光源亮度参数PWM2条件下,使用其他机台采集其对应配置的标准参考板i的标准参考光谱Rref4和暗能量光谱Rdark4,并计算二者的差值Rcal4,其计算公式如下:
Rcal4=Rref4-Rdark4;该差值Rcal4接近与差值Rcal0,实现对不同机台的光谱校正;不同机台可采用光源亮度参数PWM2条件对水果进行漫透射光谱采集和暗光谱采集,通过水果检测模型0,对水果内部品质进行预测。
2.根据权利要求1所述的标定方法,其特征在于,所述标准参考板0和标准参考板i均采用特氟龙材质。
3.一种如权利要求1-2之一所述的水果品质检测系统,其特征在于,包括分别安装在壳体上的光源以及接收光源发光经过水果后的光信息的分光光度传感器。
4.根据权利要求3所述的水果品质检测系统,其特征在于,所述壳体包括固定安装为一体的上壳体和下壳体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634369.XA CN113155775B (zh) | 2020-12-31 | 2020-12-31 | 一种近红外光谱的标定方法及其应用的水果品质检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011634369.XA CN113155775B (zh) | 2020-12-31 | 2020-12-31 | 一种近红外光谱的标定方法及其应用的水果品质检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113155775A CN113155775A (zh) | 2021-07-23 |
CN113155775B true CN113155775B (zh) | 2023-04-21 |
Family
ID=76878581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011634369.XA Active CN113155775B (zh) | 2020-12-31 | 2020-12-31 | 一种近红外光谱的标定方法及其应用的水果品质检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113155775B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115876750A (zh) * | 2023-02-14 | 2023-03-31 | 合肥金星智控科技股份有限公司 | Libs检测系统和光谱质量在线校准方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1116823A (ja) * | 1997-06-27 | 1999-01-22 | Nec Kagoshima Ltd | 反射型露光装置のプリアライメント方法および装置 |
US6583424B2 (en) * | 2001-06-25 | 2003-06-24 | Agilent Technologies Inc. | Scanning system with calibrated detection and method |
CN106644974B (zh) * | 2016-10-10 | 2020-05-26 | 深圳市比特原子科技有限公司 | 一种水质检测装置及其检测方法 |
CN108692812B (zh) * | 2018-05-23 | 2020-03-10 | 中国电子科技集团公司第四十一研究所 | 一种黑体腔光谱吸收率测量装置与方法 |
-
2020
- 2020-12-31 CN CN202011634369.XA patent/CN113155775B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113155775A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101706640B1 (ko) | 시간 감쇠 신호들을 분석하기 위한, 광 신호 처리 방법 및 장치 | |
CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
CN101782432B (zh) | 通用太赫兹光谱光电测试系统 | |
CN113155775B (zh) | 一种近红外光谱的标定方法及其应用的水果品质检测系统 | |
CN108375546B (zh) | 基于可见/近红外光谱技术的化肥在线多点检测装置及其检测方法 | |
CN103983606A (zh) | 便携式近红外食用油品质快速检测仪 | |
CN109115697A (zh) | 一种集合光学探头的水质多参数在线监测装置 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN201298020Y (zh) | 近红外光谱分析仪 | |
CN101413884A (zh) | 近红外光谱分析仪及其分辨率的校正方法 | |
CN107345908A (zh) | 一种获取果实多面漫反射信息的散射系统 | |
CN102928081B (zh) | 一种声光可调滤光型近红外光谱仪 | |
CN113237845A (zh) | 一种集成式so2交叉干扰补偿装置 | |
CN106018329A (zh) | 一种近红外光谱快速检测白砂糖指标的方法 | |
CN111157484A (zh) | 用于水果糖度检测设备的近红外光谱模型传递方法 | |
CN101858856A (zh) | 用于描述在透光基底上的薄硅层的特性的方法和装置 | |
CN214150434U (zh) | 一种便携式水果品质检测系统 | |
CN205091244U (zh) | 带有表面增强红外光谱基底的双样品室红外光谱仪液体池 | |
CN201724900U (zh) | 基于近红外光谱技术的油菜籽品质无损检测装置 | |
CN112067573A (zh) | 一种土壤全氮含量的原位监测装置及方法 | |
CN207318344U (zh) | 一种自启动分光光度计 | |
CN109596545B (zh) | 全光谱水质监测设备质控方法 | |
US20220196476A1 (en) | Method for configuring a spectrometry device | |
CN103471817A (zh) | 一种多场空间光度分布快速测量装置与方法 | |
Imamura et al. | 3D imaging and analysis system using terahertz waves |
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 |