CN114167010B - 马铃薯品质管理评估方法 - Google Patents
马铃薯品质管理评估方法 Download PDFInfo
- Publication number
- CN114167010B CN114167010B CN202111503315.4A CN202111503315A CN114167010B CN 114167010 B CN114167010 B CN 114167010B CN 202111503315 A CN202111503315 A CN 202111503315A CN 114167010 B CN114167010 B CN 114167010B
- Authority
- CN
- China
- Prior art keywords
- potato
- potatoes
- content
- quality
- index data
- 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
- 244000061456 Solanum tuberosum Species 0.000 title claims abstract description 225
- 235000002595 Solanum tuberosum Nutrition 0.000 title claims abstract description 224
- 238000011156 evaluation Methods 0.000 title claims abstract description 14
- 235000012015 potatoes Nutrition 0.000 claims abstract description 87
- 229920002472 Starch Polymers 0.000 claims abstract description 78
- 239000008107 starch Substances 0.000 claims abstract description 78
- 235000019698 starch Nutrition 0.000 claims abstract description 74
- 238000013441 quality evaluation Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 230000007547 defect Effects 0.000 claims abstract description 16
- 229920001592 potato starch Polymers 0.000 claims abstract description 15
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims abstract description 8
- 235000012041 food component Nutrition 0.000 claims abstract description 7
- 229930195730 Aflatoxin Natural products 0.000 claims abstract description 4
- XWIYFDMXXLINPU-UHFFFAOYSA-N Aflatoxin G Chemical compound O=C1OCCC2=C1C(=O)OC1=C2C(OC)=CC2=C1C1C=COC1O2 XWIYFDMXXLINPU-UHFFFAOYSA-N 0.000 claims abstract description 4
- ZZZCUOFIHGPKAK-UHFFFAOYSA-N D-erythro-ascorbic acid Natural products OCC1OC(=O)C(O)=C1O ZZZCUOFIHGPKAK-UHFFFAOYSA-N 0.000 claims abstract description 4
- 241000588724 Escherichia coli Species 0.000 claims abstract description 4
- 229930003268 Vitamin C Natural products 0.000 claims abstract description 4
- 239000005409 aflatoxin Substances 0.000 claims abstract description 4
- 229910001385 heavy metal Inorganic materials 0.000 claims abstract description 4
- 239000000447 pesticide residue Substances 0.000 claims abstract description 4
- 235000019154 vitamin C Nutrition 0.000 claims abstract description 4
- 239000011718 vitamin C Substances 0.000 claims abstract description 4
- 239000000523 sample Substances 0.000 claims description 47
- 238000001514 detection method Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 12
- 235000016709 nutrition Nutrition 0.000 claims description 10
- 235000015097 nutrients Nutrition 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 5
- 239000004615 ingredient Substances 0.000 claims description 4
- 229910001220 stainless steel Inorganic materials 0.000 claims description 3
- 239000010935 stainless steel Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000012010 growth Effects 0.000 description 39
- 239000000463 material Substances 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 7
- 238000009826 distribution Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000002994 raw material Substances 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004448 titration Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241000208292 Solanaceae Species 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 230000002786 root growth Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010998 test 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/10—Starch-containing substances, e.g. dough
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (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
本申请提供一种马铃薯淀粉含量测定仪及马铃薯品质管理评估方法，该品质管理评估方法包括如下步骤：在试验田中，设置多个监测站点，在每个监测站点处采集一组马铃薯品质指标数据，形成多组马铃薯品质指标数据；根据每组马铃薯品质指标数据，计算每组马铃薯品质评价值，根据每组马铃薯品质评价值，对当前所评估范围内的所有马铃薯的总体品质进行评估，计算马铃薯总体品质评价值；其中，马铃薯品质指标数据包括：营养成分指标数据、外观指标数据和危害指标数据；其中营养成分指标数据包括：淀粉含量、蛋白质含量、还原糖含量和维生素C含量；外观缺陷指标数据包括有缺损、有凸块和体积小于预设阈值；危害指标数据包括重金属含量、黄曲霉毒素含量、大肠杆菌含量和农药残留含量。本申请田间操作简易，快速对田间马铃薯品质进行评估，误差较小，且提高工作效率和经济效益。
Description
技术领域
本申请涉及马铃薯品质评估领域，尤其涉及一种马铃薯品质管理评估方法。
背景技术
淀粉在植物种子、果实、根和茎等部位积累，是植物贮存营养的一种主要形式，也是类粮食、动物饲料和工业原料的重要来源。马铃薯为茄科块茎作物，营养丰富、丰产性好、适应性广，总产量和栽培面积仅次于小麦、水稻和玉米，是世界第四大粮食作物。马铃薯也是重要的轻工业原料，其块茎中所含8％-34％的淀粉，具有高粘度、高透明度、糊化温度低、吸水性强、膨胀力大等特点，具有极高的经济价值，目前，马铃薯及其淀粉为原料的加工业在国内马铃薯加工业中所占比例逐年增加，市场对马铃薯特别是淀粉专用型马铃薯的需求量越来越大。
马铃薯田间选育主要是根据薯形、薯皮肉色、整齐度等表观因素和产量进行选择，而多数马铃薯材料淀粉含量高，产量低，田间根据产量选择就会丢失部分高淀粉种质材料，造成高淀粉亲本材料丢失。淀粉加工厂中淀粉厂商收购原料薯薯种繁杂，薯种淀粉含量参差不齐，不能快速检测原料薯的淀粉含量，导致投入增多，经济效益较低。
现有的马铃薯淀粉含量测定的方法主要用化学方法定量检测和空气水比重法测定，多用于室内测定，田间操作难度大，且误差较大。基于此，急需一种马铃薯淀粉含量快速测定的装置和马铃薯品质评估方法，以解决上述问题。
发明内容
本申请的目的在于提供一种马铃薯淀粉含量测定仪及马铃薯品质评估方法，田间操作简易，快速对田间马铃薯品质进行评估，误差较小，且提高工作效率和经济效益。
为达到上述目的，本申请提供一种马铃薯品质管理评估方法，该马铃薯品质管理评估方法包括如下步骤：
在试验田中，设置多个监测站点，在每个监测站点处采集一组马铃薯品质指标数据，形成多组马铃薯品质指标数据；
根据多组马铃薯品质指标数据，对当前所评估范围内的所有马铃薯的总体品质进行评估，计算马铃薯总体品质评价值；
其中，马铃薯品质指标数据包括：营养成分指标数据、外观指标数据和危害指标数据；其中营养成分指标数据包括：淀粉含量、蛋白质含量、还原糖含量和维生素C含量；外观缺陷指标数据包括有缺损、有凸块和体积小于预设阈值；危害指标数据包括重金属含量、黄曲霉毒素含量、大肠杆菌含量和农药残留含量。
本申请还提供一种马铃薯淀粉含量测定仪，包括：湿度检测探头、传感器、PLC处理器和显示器，所述传感器与所述湿度检测探头和所述PLC处理器通信连接；所述显示器与所述PLC处理器通信连接；所述湿度检测探头，用于采集马铃薯块茎的水分含量数据；所述传感器，用于接收所述湿度检测探头采集的水分含量数据，并传到至所述PLC处理器；所述PLC处理器，用于对所述水分含量数据进行处理，获取淀粉含量数据；并将淀粉含量数据发送给所述显示器；所述显示器，用于接收淀粉含量数据，并显示淀粉含量数据。
如上的，其中，所述湿度检测探头根据薯块大小，插入马铃薯块茎中，使所述湿度检测探头处于马铃薯块茎外皮层到中心髓之间的位置，保持一段时间，采集马铃薯块茎中水分含量数据。
如上的，其中，所述湿度检测探头上设有刻度线。
如上的，其中，所述PLC处理器中预先设置有马铃薯块茎淀粉含量计算公式。
如上的，其中，马铃薯块茎淀粉含量计算公式如下：
Y＝0.9955*(1-水分含量)+5.833，R2＝0.9997；
其中，Y表示马铃薯块茎淀粉含量；R2为决定系数，决定系数反应了淀粉含量的全部变异能通过回归关系被干物质含量解释的比例。
如上的，其中，马铃薯淀粉含量测定仪还包括，装置壳体，所述装置壳体具有连接部，所述湿度检测探头可拆卸连接在所述连接部上。
如上的，其中，所述湿度检测探头远离所述装置壳体的一端具有尖锐部。
如上的，其中，所述传感器、所述PLC处理器设置在所述装置壳体内部，所述显示器安装在所述装置壳体上，并露出于所述装置壳体外部。
如上的，其中，所述湿度检测探头采用不锈钢材质。
本申请还提供一种田间马铃薯块茎淀粉含量快速测定方法，该淀粉含量快速测定方法包括如下步骤：
获取马铃薯块茎测定样块：选取均匀一致的薯块3-5个；
将探头插入马铃薯块茎中，处于外皮层到中心髓之间的位置，保持一段时间，得到块茎中水分含量数据，每个薯块重复测定3次以上；
对水分含量数据进行处理，获得淀粉含量数据。
本申请实现的有益效果如下：
(1)本申请马铃薯淀粉含量测定仪可方便的携带到田间，对田间马铃薯块茎进行淀粉含量的测定，无需将其带回实验室，从而实现在田间即可快速筛选出高淀粉马铃薯材料的目的，提高工作效率和经济效益。
(2)本申请测定马铃薯块茎的水分含量数据，再根据测定的水分含量数据和特定的计算公式计算马铃薯的淀粉含量，提高了马铃薯淀粉含量的计算准确度和测定效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本申请实施例的一种马铃薯总体品质评估方法的流程图。
图2为本申请实施例的一种马铃薯淀粉含量测定仪的结构示意图。
图3为本申请实施例的一种马铃薯淀粉含量测定仪的结构原理图。
图4为本申请实施例的一种田间马铃薯块茎淀粉含量快速测定方法流程图。
附图标记：1-湿度检测探头；2-传感器；3-PLC处理器；4-显示器；5-装置壳体；6-开关机键；7-调零按钮；11-尖锐部；51-连接部；100-马铃薯块茎淀粉含量快速测定仪。
具体实施方式
下面结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。
实施例一
如图1所示，本申请提供一种马铃薯品质管理评估方法，该方法用于对一块试验田中的马铃薯的总体品质进行管理评估，该方法包括如下子步骤：
步骤T1，在马铃薯种植区域设置多个监控站点，在每个监控站点处采集试验田中当前日期下马铃薯的生长数据和环境数据。
在试验田上种植马铃薯种薯，并在试验田中间隔开设置多个监控管理站点，形成网状监控站点。
步骤T2,根据环境数据和预先建立的标准环境数据库，获取环境数据中的异常环境数据，并输出异常环境数据的种类和与标准环境数据的差值。
根据异常环境数据的种类和与标准环境数据的差值，对马铃薯种植区域进行相应的环境补偿。例如，异常环境数据包括缺水、缺乏营养物质或温度较低等。
步骤T3,根据采集的马铃薯的生长数据，计算当前马铃薯的生长趋势值。
其中，马铃薯的生长数据包括生长基础数据和生成问题数据。生长基础数据包括：生长高度、根部生长粗度和叶片数量等。生长问题数据包括：叶片颜色异常、叶片缺损、叶片有斑点或叶片卷曲等问题。生长问题由马铃薯的病虫害造成的。
其中，生长问题数据的获取方法为：采集马铃薯的生长外观图像，将采集的马铃薯的生长外观图像输入到预先建立的马铃薯外观异常识别模型中进行识别，获取马铃薯的外观异常类型和异常面积。
其中，预先建立马铃薯外观异常识别模型的方法为将待训练的马铃薯异常图像输入到神经网络基础模型中进行训练，获得马铃薯外观异常识别模型，该训练方法为现有的，马铃薯异常图像包括多种生长问题类型的多个马铃薯外观图像。
将马铃薯的生长数据和环境数据上传至数据分析系统，数据分析系统根据采集的马铃薯的生长数据，计算当前马铃薯的生长趋势值。
其中，计算马铃薯生长趋势值的公式为：
其中，SZ表示马铃薯生长趋势值；E1表示马铃薯生长基础数据的总种类数量；θ1表示马铃薯生长基础数据对生长趋势值的影响权重；qε表示第ε种类马铃薯生长基础数据的权重因子；JCε表示第ε种类马铃薯生长基础数据的实测值；JCbε表示第ε种类马铃薯生长基础数据的当前时期的标准值；e＝2.718；θ2表示马铃薯生长问题数据对生长趋势值的影响权重；QT表示马铃薯生长问题数据的总种类数量；FB表示采集马铃薯外观图像的摄像机的分辨率；tτ表示第τ种类马铃薯生长问题数据的权重因子；SIτ表示第τ种类马铃薯生长问题数据的异常总面积；YIτ表示第τ种类马铃薯生长问题数据的数量。
步骤T4,根据马铃薯的生长趋势值，对马铃薯的生长情况进行评估，并获取马铃薯的问题数据，并根据问题数据进行对应处理。
步骤T4包括如下步骤：
步骤T410,建立监控站点的网状分布地图，将计算的马铃薯的生长趋势值，在网状分布地图的对应监控站点处生成柱状结构，柱状结构的高度代表生长趋势值。
其中，每一个日期下生成一个柱状结构，随着天数的增加，网状分布地图中的每一个监控站点对应有日期从小到大排列的一排柱状结构。
步骤T420，将同一日期下网状分布地图上生成的所有相邻的柱状结构的最顶端中心点用直线连接在一起，形成一层网状结构。
步骤T430,以与网状结构同一日期下的马铃薯生长趋势值的标准值为高度，在网状分布地图上，生成一水平平面。
步骤T440，获取水平平面与网状结构交接的面积，以及网状结构最低点与水平平面之间的垂直距离。
步骤T450，根据获取的马铃薯问题评估数据，计算马铃薯的问题严重值。
马铃薯的问题严重值的计算方法为：
WY＝SJwangshui×eDwangshui；
其中，SJwangshui表示水平平面与网状结构交接的面积；eDwangshui表示网状结构最低点与水平平面之间的垂直距离；e＝2.718。
作为本发明的具体实施例，交接的面积获取方法为：将交接的面积沿着同一方向划分为多个水平长条面积，每个水平长条的面积等于长乘以宽，多个水平长条的面积之和为交接的面积。
作为本发明的另一个具体实施例，交接的面积根据获取的交接面积内所有像素点的个数乘以每一个像素点代表的实际面积。
步骤T460，根据马铃薯的问题严重值从大到小排序，依次对交接的面积范围内的所有马铃薯的问题进行分析，并针对相应的问题进行防治或生长条件的调整。
例如，若马铃薯出现病虫害，则进行病虫害防治。若出现生长条件达不到标准条件或不良的情况，则对相应的生长条件进行调整，使得生长条件处于更优的情况。
步骤T5，在每个监测站点处采集一组马铃薯品质指标数据，形成多组马铃薯品质指标数据。
在试验田中，设置多个监测站点，每个监测站点间隔开一定的距离，每个监测站点处采集一组马铃薯的品质指标数据，从多个监测站点采集多组马铃薯品质指标数据，每组马铃薯的品质指标数据中包括多个马铃薯的品质指标数据，一组马铃薯的品质指标数据等于多个马铃薯的品质指标实测值的平均值。
其中，马铃薯品质指标数据包括：营养成分指标数据、外观缺陷指标数据和危害指标数据；其中营养成分指标数据包括：淀粉含量、蛋白质、还原糖和维生素C等含量；外观缺陷指标数据包括有缺损、有凸块和体积小于预设阈值等；危害指标数据包括重金属、黄曲霉毒素、大肠杆菌和农药残留等含量。
步骤T6，根据每组马铃薯品质指标数据，计算每组马铃薯品质评价值。
其中，每组马铃薯品质评价值的计算方法为：
其中，E1表示营养成分指标的对品质评价值的影响因子；T表示营养成分指标的总个数；αk表示第k个营养成分指标的权重；所有营养成分指标的权重之和为1；
表示第r组马铃薯中所有马铃薯的第k个营养成分指标的实测平均值；E2表示外观指标的对品质评价值的影响因子；H表示第r组马铃薯中存在缺陷的类别数；Gh表示第r组马铃薯中第h种缺陷的权重因子；Ah表示第r组马铃薯中存在第h种缺陷的马铃薯总数量；M第r组马铃薯中采集的马铃薯总数量；E3表示危害指标的对品质评价值的影响因子；V表示危害指标的总数量；βu表示第u种危害指标的权重；所有危害指标的权重之和为1；
表示第r组马铃薯中所有马铃薯的第u种危害指标的实测平均值；WBu表示第u种危害指标的最大限值。
步骤T7，根据每组马铃薯品质评价值，对当前所评估范围内的所有马铃薯的总体品质进行评估，计算马铃薯总体品质评价值。
其中，马铃薯总体品质评价值的计算方法为：
其中，PZ表示马铃薯总体品质评价值；N表示监测站点的总个数；
表示监测站点的疏散程度对品质评价的影响值；i表示第i个监测站点；j表示第j个监测站点；e＝2.718；DXij表示第i个监测站点和第j个监测站点的横向距离；DYij表示第i个监测站点和第j个监测站点的纵向距离；SS表示待评估马铃薯总体品质所在的试验田面积；Pr表示第r组马铃薯品质评价值；m表示采集马铃薯品质指标数据的总组数，r的取值范围为1-m。
作为本发明的具体实施例，根据马铃薯的用途不同(例如：生产淀粉、食用、作为种薯等)，匹配有不同的营养成分指标的对品质评价值的影响因子、外观指标的对品质评价值的影响因子、危害指标的对品质评价值的影响因子和营养成分指标权重。其中，营养成分指标的对品质评价值的影响因子、外观指标的对品质评价值的影响因子、危害指标的对品质评价值的影响因子和营养成分指标权重为根据马铃薯的用途不同预先设定的。
比较马铃薯总体品质评价值和预设阈值的大小，若马铃薯总体品质评价值大于预设阈值，则表示该实验田的马铃薯品质好，否则，表示该实验田的马铃薯品质不好。
步骤T8，将获取的马铃薯总体品质评价值、对应的试验田编号和薯种类型上传到数据存储共享平台。以便后期进行数据查询和对比。
实施例二
如图2和图3所示，本申请提供一种马铃薯淀粉含量测定仪100，包括：湿度检测探头1、传感器2、PLC处理器3和显示器4，传感器2与湿度检测探头1和PLC处理器3通信连接；显示器4与PLC处理器3通信连接；湿度检测探头1，用于采集马铃薯块茎的水分含量数据；传感器2，用于接收湿度检测探头1采集的水分含量数据，并传到至PLC处理器3；PLC处理器3，用于对水分含量数据进行处理，获取淀粉含量数据；并将淀粉含量数据发送给显示器4；显示器4，用于接收淀粉含量数据，并显示淀粉含量数据。
作为本发明的具体实施例，湿度检测探头1根据薯块大小，插入马铃薯块茎中，使湿度检测探头1处于马铃薯块茎外皮层到中心髓之间的位置，保持一段时间，采集马铃薯块茎中水分含量数据。
优选的，湿度检测探头1上设有1-5cm的刻度线，当湿度检测探头1插入马铃薯块茎中，根据湿度检测探头1上的刻度线的读数可以得出湿度检测探头1插入马铃薯块茎中的深度。
作为本发明的具体实施例，PLC处理器3中预先设置有马铃薯块茎淀粉含量计算公式，利用该计算公式可快速精准的计算出马铃薯块茎淀粉的含量。
作为本发明的具体实施例，马铃薯块茎淀粉含量计算公式如下：
Y＝0.9955*(1-水分含量)+5.833，R2＝0.9997；
其中，Y表示马铃薯块茎淀粉含量；R2为马铃薯块茎淀粉含量计算公式的决定系数，决定系数反应了淀粉含量的全部变异能通过回归关系被干物质含量解释的比例，根据决定系数的大小可知，通过上述马铃薯块茎淀粉含量计算公式计算获得的淀粉含量的准确度达到99.97％。
作为本发明的具体实施例，马铃薯块茎淀粉含量计算公式的获取方法为：根据mepkep表(干物质含量表)及多年田间试验数据，得出淀粉含量与干物质含量存在线性回归关系：Y＝0.9955*X+5.833，R2＝0.9997，其中，R2为决定系数，反应了淀粉含量的全部变异能通过回归关系被干物质含量解释的比例，R2的值表示该马铃薯块茎淀粉含量的准确率，通过本方法测定的马铃薯淀粉含量准确率达到99.9％以上。X代表块茎干物质含量，而马铃薯块茎中干物质含量为除去水分含量的部分，即X＝1-水分含量。
如图2所示，马铃薯淀粉含量测定仪100，还包括，装置壳体5，装置壳体5具有连接部51，湿度检测探头1可拆卸连接在连接部51上，湿度检测探头1在不适用时可从连接部51上拆下，且更换湿度检测探头1较为方便。
如图2所示，湿度检测探头1远离装置壳体5的一端具有尖锐部11，尖锐部11利于插入马铃薯块茎中。
作为本发明的具体实施例，传感器2、PLC处理器3设置在装置壳体5内部，显示器4安装在装置壳体5上，并露出于装置壳体5外部，通过显示器4可观察到马铃薯块茎淀粉含量的读数。
优选的，湿度检测探头1采用高精准度，灵敏的不锈钢材质，用于准确测量马铃薯块茎的含水量。
优选的，每个装置配置有2个替换的湿度检测探头1，利于更换湿度检测探头1。
如图2所示，装置壳体5上安装有开关机键6和调零按钮7。
实施例三
如图4所示，本申请提供一种田间马铃薯块茎淀粉含量快速测定方法，该淀粉含量快速测定方法包括如下步骤：
步骤S1，获取马铃薯块茎测定样块。
具体的，选取均匀一致的薯块3-5个。
步骤S2，采集马铃薯块茎测定样块的水分含量数据。
具体的，将探头插入马铃薯块茎中，处于外皮层到中心髓之间的位置，保持一段时间，得到块茎中水分含量数据，每个薯块重复测定3次及3次以上。
优选的，将探头插入马铃薯块茎中，处于外皮层到中心髓之间的位置，保持30s。
优选的，每次测量后用纸巾擦拭干净。
步骤S3，对采集的水分含量数据进行处理，获取淀粉含量数据。
其中，采用马铃薯块茎淀粉含量计算公式对采集的水分含量数据进行处理，获取淀粉含量数据。
其中，马铃薯块茎淀粉含量计算公式如下：
Y＝0.9955*(1-水分含量)+5.833(R2＝0.9997)；
其中，Y表示马铃薯块茎淀粉含量；R2为决定系数，决定系数反应了淀粉含量的全部变异能通过回归关系被干物质含量解释的比例。
步骤S4，对获取的淀粉含量数据进行显示。
实施例四
本申请提供了一种马铃薯淀粉含量测定仪的实验方法。
选取供试材料为：马铃薯高代品系材料BF0750.43、BF1023.23、BF0837.7及对照大西洋、夏坡蒂、冀张薯8号。
对选取的供试材料进行试验，试验方法：采用水比重法、本申请马铃薯块茎淀粉含量快速测定仪以及实验室滴定法(GB/T 5009.9-2016)3种方法检测供试材料淀粉含量。
获取试验结果如表1所示：
表1不同类型马铃薯材料淀粉含量测定表
根据试验结果获得试验结论为:通过实验室滴定、水比重法以及本申请马铃薯块茎淀粉含量快速测定仪检测马铃薯材料和对照大西洋、夏坡蒂、冀张薯8号，得到淀粉含量，经过方差分析得出上述三种方法得到同一材料的淀粉含量之间没有显著性差异。
本申请实现的有益效果如下：
(1)本申请马铃薯淀粉含量测定仪可方便的携带到田间，对田间马铃薯块茎进行淀粉含量的测定，无需将其带到实验室，从而实现在田间即可快速筛选出高淀粉马铃薯材料的目的，提高工作效率和经济效益。
(2)本申请测定马铃薯块茎的水分含量数据，再根据测定的水分含量数据和特定的计算公式计算马铃薯的淀粉含量，提高了马铃薯淀粉含量的计算准确度和测定效率。
以上仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所做的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。
Claims (9)
1.一种马铃薯品质管理评估方法，其特征在于，该品质管理评估方法包括如下步骤：
在试验田中，设置多个监测站点，在每个监测站点处采集一组马铃薯品质指标数据，形成多组马铃薯品质指标数据；
根据每组马铃薯品质指标数据，计算每组马铃薯品质评价值；
根据每组马铃薯品质评价值，对当前所评估范围内的所有马铃薯的总体品质进行评估，计算马铃薯总体品质评价值；
其中，马铃薯品质指标数据包括：营养成分指标数据、外观指标数据和危害指标数据；其中营养成分指标数据包括：淀粉含量、蛋白质含量、还原糖含量和维生素C含量；外观缺陷指标数据包括有缺损、有凸块和体积小于预设阈值；危害指标数据包括重金属含量、黄曲霉毒素含量、大肠杆菌含量和农药残留含量；
其中，使用马铃薯淀粉含量测定仪对淀粉含量进行测定，马铃薯淀粉含量测定仪包括：湿度检测探头、传感器、PLC处理器和显示器，所述传感器与所述湿度检测探头和所述PLC处理器通信连接；所述显示器与所述PLC处理器通信连接；
所述湿度检测探头，用于采集马铃薯块茎的水分含量数据；
所述传感器，用于接收所述湿度检测探头采集的水分含量数据，并传到至所述PLC处理器；
所述PLC处理器，用于对所述水分含量数据进行处理，获取淀粉含量数据；并将淀粉含量数据发送给所述显示器；
所述显示器，用于接收淀粉含量数据，并显示淀粉含量数据；
其中，每组马铃薯品质评价值的计算方法为：
其中，Pr表示每组马铃薯品质评价值；E1表示营养成分指标的对品质评价值的影响因子；T表示营养成分指标的总个数；αk表示第k个营养成分指标的权重；所有营养成分指标的权重之和为1；
表示第r组马铃薯中所有马铃薯的第k个营养成分指标的实测平均值；E2表示外观指标的对品质评价值的影响因子；H表示第r组马铃薯中存在缺陷的类别数；Gh表示第r组马铃薯中第h种缺陷的权重因子；Ah表示第r组马铃薯中存在第h种缺陷的马铃薯总数量；M表示第r组马铃薯中采集的马铃薯总数量；E3表示危害指标的对品质评价值的影响因子；V表示危害指标的总数量；βu表示第u种危害指标的权重；所有危害指标的权重之和为1；
表示第r组马铃薯中所有马铃薯的第u种危害指标的实测平均值；WBu表示第u种危害指标的最大限值；
其中，马铃薯总体品质评价值的计算方法为：
其中，PZ表示马铃薯总体品质评价值；N表示监测站点的总个数；
表示监测站点的疏散程度对品质评价的影响值；i表示第i个监测站点；j表示第j个监测站点；e＝2.718；DXij表示第i个监测站点和第j个监测站点的横向距离；DYij表示第i个监测站点和第j个监测站点的纵向距离；SS表示待评估马铃薯总体品质所在的试验田面积；Pr表示第r组马铃薯品质评价值；m表示采集马铃薯品质指标数据的总组数；r表示第r组马铃薯。
2.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，所述湿度检测探头根据薯块大小，插入马铃薯块茎中，使所述湿度检测探头处于马铃薯块茎外皮层到中心髓之间的位置，保持一段时间，采集马铃薯块茎中水分含量数据。
3.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，所述湿度检测探头上设有刻度线。
4.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，所述PLC处理器中预先设置有马铃薯块茎淀粉含量计算公式。
5.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，马铃薯块茎淀粉含量计算公式如下：
Y＝0.9955*(1-水分含量)+5.833，R2＝0.9997；
其中，Y表示马铃薯块茎淀粉含量；R2为决定系数，决定系数反应了淀粉含量的全部变异能通过回归关系被干物质含量解释的比例。
6.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，所述马铃薯淀粉含量测定仪还包括，装置壳体，所述装置壳体具有连接部，所述湿度检测探头可拆卸连接在所述连接部上。
7.根据权利要求6所述的马铃薯品质管理评估方法，其特征在于，所述湿度检测探头远离所述装置壳体的一端具有尖锐部。
8.根据权利要求6所述的马铃薯品质管理评估方法，其特征在于，所述传感器、所述PLC处理器设置在所述装置壳体内部，所述显示器安装在所述装置壳体上，并露出于所述装置壳体外部。
9.根据权利要求1所述的马铃薯品质管理评估方法，其特征在于，所述湿度检测探头采用不锈钢材质。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111161553 | 2021-09-30 | ||
| CN2021111615531 | 2021-09-30 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114167010A CN114167010A (zh) | 2022-03-11 |
| CN114167010B true CN114167010B (zh) | 2023-04-07 |
Family
ID=80485191
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111503315.4A Active CN114167010B (zh) | 2021-09-30 | 2021-12-09 | 马铃薯品质管理评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114167010B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN2075342U (zh) * | 1990-05-29 | 1991-04-17 | 湖南仪器仪表总厂天平仪器厂 | 水分快速测定仪 |
| CN201535763U (zh) * | 2010-04-15 | 2010-07-28 | 贾存华 | 固体水分含量测量笔 |
| CN102944655B (zh) * | 2012-11-22 | 2015-04-22 | 江苏徐淮地区徐州农业科学研究所 | 一种测算薯块干物率的简捷方法 |
| WO2016025848A1 (en) * | 2014-08-15 | 2016-02-18 | Monsanto Technology Llc | Apparatus and methods for in-field data collection and sampling |
| CN108627456B (zh) * | 2017-03-20 | 2023-08-15 | 甘肃农业大学 | 薯类作物含水量测定装置及其测定方法 |
| CN110411895A (zh) * | 2019-08-14 | 2019-11-05 | 甘肃省农业科学院马铃薯研究所 | 马铃薯容重测定方法及其在快速测定马铃薯淀粉含量和干物质含量中的应用 |
-
2021
- 2021-12-09 CN CN202111503315.4A patent/CN114167010B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114167010A (zh) | 2022-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Royo et al. | Usefulness of spectral reflectance indices as durum wheat yield predictors under contrasting Mediterranean conditions | |
| US8935881B2 (en) | Method and device for evaluating germination properties of plant seeds | |
| CN103971199B (zh) | 一种大范围农作物长势的遥感评级方法 | |
| Elliott et al. | Use of reflectance measurements to estimate early cereal biomass production on sandplain soils | |
| Aruna et al. | Assessing genotype-by-environment interactions and trait associations in forage sorghum using GGE biplot analysis | |
| dos Santos et al. | Use of allometric models to estimate leaf area in Hymenaea courbaril L. | |
| US10712325B2 (en) | Method and apparatus for measuring inflorescence, seed and/or seed yield phenotype | |
| CN114167010B (zh) | 马铃薯品质管理评估方法 | |
| Geneve | Vigour testing in flower seeds. | |
| Ajayi et al. | Spectral reflectance models for characterizing winter wheat genotypes | |
| CN111223002A (zh) | 一种玉米区域干物质产量或青储产量评估方法和系统 | |
| CN106772427A (zh) | 一种基于连续小波分析建立小麦叶干重定量模型的方法 | |
| Ali et al. | Leaf nitrogen determination using handheld meters | |
| CN111043939A (zh) | 用于波叶青牛胆的叶面积校正系数获取方法 | |
| RU2595850C1 (ru) | Способ диагностики срезанных зелёных черенков для прогнозирования их укореняемости | |
| Babashli et al. | Cotton yield estimation using several vegetation indices | |
| Alamery et al. | Determination the wheat weight and volume: Mathematical approach | |
| Padekar et al. | Soil quality concepts and assessment. | |
| CN209690331U (zh) | 一种黄瓜商品性自动测量主机 | |
| Swan et al. | Leaf emergence rates of corn (Zea mays L.) as affected by temperature and photoperiod | |
| US9026395B2 (en) | Specific gravity measuring tool | |
| Bodor et al. | GRA. LE. D.(GRApevine LEeaf Digitalization) software for the detection and graphic reconstruction of ampelometric differences between Vitis leaves | |
| RU2739219C2 (ru) | Способ определения индексов для оценки качества овощной культуры | |
| McDonald et al. | Computer imaging to improve seed quality determinations | |
| Olsen et al. | The methods and results of the Oregon Agricultural Statistics Service: Annual objective yield survey of Oregon hazelnut production |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220311 Assignee: Zhangbei Bayuan Potato Industry Development Co.,Ltd. Assignor: HEBEI NORTH University Contract record no.: X2023980047677 Denomination of invention: Methods for evaluating potato quality management Granted publication date: 20230407 License type: Common License Record date: 20231120 |
|
| EE01 | Entry into force of recordation of patent licensing contract |