CN1218177C - 评估谷物品质的方法和其装置 - Google Patents
评估谷物品质的方法和其装置 Download PDFInfo
- Publication number
- CN1218177C CN1218177C CN001037145A CN00103714A CN1218177C CN 1218177 C CN1218177 C CN 1218177C CN 001037145 A CN001037145 A CN 001037145A CN 00103714 A CN00103714 A CN 00103714A CN 1218177 C CN1218177 C CN 1218177C
- Authority
- CN
- China
- Prior art keywords
- quality
- absorptance
- cereal
- mentioned
- light
- 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.)
- Expired - Lifetime
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000003306 harvesting Methods 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 26
- 230000012010 growth Effects 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 235000013339 cereals Nutrition 0.000 claims description 58
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000008635 plant growth Effects 0.000 claims description 5
- 240000008042 Zea mays Species 0.000 claims description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 claims description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 235000005822 corn Nutrition 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims 2
- 238000006731 degradation reaction Methods 0.000 claims 2
- 238000010521 absorption reaction Methods 0.000 claims 1
- 230000003450 growing effect Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 claims 1
- 230000001678 irradiating effect Effects 0.000 abstract 1
- 241000209140 Triticum Species 0.000 description 73
- 235000021307 Triticum Nutrition 0.000 description 73
- 238000011088 calibration curve Methods 0.000 description 41
- 239000000523 sample Substances 0.000 description 34
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 16
- 238000002835 absorbance Methods 0.000 description 15
- 239000000126 substance Substances 0.000 description 14
- 241000209094 Oryza Species 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 12
- 235000007164 Oryza sativa Nutrition 0.000 description 11
- 235000009566 rice Nutrition 0.000 description 11
- 229910052757 nitrogen Inorganic materials 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 235000021329 brown rice Nutrition 0.000 description 5
- 102000004169 proteins and genes Human genes 0.000 description 5
- 108090000623 proteins and genes Proteins 0.000 description 5
- 230000000881 depressing effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 240000005979 Hordeum vulgare Species 0.000 description 2
- 235000007340 Hordeum vulgare Nutrition 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229910000737 Duralumin Inorganic materials 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 206010036590 Premature baby Diseases 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000008676 import Effects 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
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 239000011022 opal Substances 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 235000019624 protein content Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000012858 resilient material Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001228 trophic effect Effects 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
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- 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
Landscapes
- Physics & Mathematics (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)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种用于在收割前从正在生长的谷类作物估价待收割谷物的未来质量的方法和装置。所述的方法包含如下步骤:根据在作物生长期间的预定时间对正在生长的谷类作物叶片照射具有预定波长范围的光测出的与谷物具体质量有关的吸光率和对收割后的相同谷物测出的具体质量来确定评价收割后的该谷物的具体质量的质量转换系数;根据上述的质量转换系数和在预定时间对正在生长的谷类作物叶片测出的与上述特定质量有关的吸光率来评估待收割谷物的未来质量。可以在谷类作物生长期间从简易的方法测出评价谷物质量的吸光率。
Description
技术领域
本发明涉及评估谷物品质的方法和装置,更具体地说,涉及一种在谷物收割前的生长期间评估该谷物收割后的品质的方法和装置。
背景技术
对于水稻而言,业已知道,可从收缩前侧出的生物学数据估算最终糙米中的蛋白品质含量。例如,已经发现,可由完全将稻穗割下来时的叶片含氮量估算出糙米的蛋白质含量(见日本食品工业协会kansal分部1993年11月召开第九届无损检测会议上由Yamaguchi农业实验室的农产品加工研究部的Keisuke Yoshimatsu发表的论文:《由新鲜叶片的近红外线谱进行水稻作物的营养分析》)。但是,按照所公开的技术,要对叶片进行化学分析以制定评估公式,而且不可避免地要为制定上述估算公式耗费时间。另外,当观察给定的稻禾的茎上的叶片与从同一株稻禾收得的糙米之间的关系时,由于叶片必须从茎上摘下,并用于化学分析,而且由于糙米必须从其叶片用于化学分析而化学分析后易失去的稻禾上收获,故不可否认会存在使光合作用产生的组分或者说成分不足的问题。对于从叶片的氮含量制定估算公式而言,由上述方法收获的糙米的量将是品质估价精确度不高的因素之一。
在估算麦粒的蛋白质含量方面,已公开了一个根据在收割前30天未熟的麦粒的蛋白质含量估算成熟麦粒的蛋白质含量的实例(农业杂志,Victoria,1963年5月)。该项发现涉及到根据对未熟麦粒的化学分析测定的蛋白质含量来估算成熟麦粒的蛋白质含量的方法,该方法需要有时间来确定估算公式,并且,由于用于分析未成熟麦粒和用于分析成熟麦粒用的麦粒都是从同一株麦子上摘取的,故也会引起组分或者说成分的不足,这与上面对稻禾所述的理由相同,也是造成估算精度不高的原因。再者,在种小麦的情况下,由于麦子生长在旱地,不象生长在水田的稻禾那样,不存在其天气影响和土壤改良都要靠水来调节的潮湿器原理,因此,小麦作物处在气候条件例如持续日晒和积温直接通过土壤起作用的状态下。所以,即使在收割前的某一时期测出了生长物学数据,也可能由于随后的环境变化而使生长估算曲线明显变化,因此,与稻谷相比,估算成熟麦粒的蛋白质含量是十分困难的。
发明概述
因此,本发明的目的是克服现有技术中存在的问题,提供一种估价谷粒品质的方法和装置,该方法和装置可按容易而简单的方式进行测量以便在作物生长期间精确而快速地估价其品质。为此,本发明提出了制定可节省时间和劳力的估算公式的方法和装置。而且,即使是对小麦那样估算曲线容易变化的情况下也可提高生长估算曲线的精确性。
按照本发明,在谷物生长期间的预定时间从通过对生长中的谷类作物的叶片照射光而测出的与谷物的具体品质有关的吸光率和收割后的谷物具体品质确定估价收割后谷物品质的品质转换系数,然后,作如下安排,在作物生长期间的特定时间,按上述的品质转换系数和从作物叶片测定的与具体品质有关的吸光率估价待收割的谷物未来的品质。在这一环节中,由于上述吸光率是从正在生长的作物的叶片上直接测定的,所以叶片既不同摘下也不会损坏,所以在不损坏叶片的情况下就不会影响作物在测量后到收割之前的生长。
另外,进一步的工作就是,按照在作物生长期间的多次预定时间测出的吸光率和收割后测定的具体品质来确定第二品质转换系数,然后,按照该第二品质转换系数和在多次预定时间从正在生长中的谷物的叶片测出的吸光率来估价待收割的谷物的品质。在这一环节中,由于品质转换系数的确定考虑到了从作物叶片多次测出的吸光率,故提高了对易受环境(例如土壤和气候)影响的作物品质估价的精确性。
如果对具体品质与蛋白质含量建立一种关系,就可以估价大多数谷物的品质,在水稻的情况下,蛋白质含量与味道和产量有关,当蛋白质含量高时,产量增加,但味道变淡。另一方面,由于公知蛋白质含量低时产量降低而味道好,故将蛋白质含量作为估价品质的确定参数。对于小麦和大麦(尤其是小麦)而言,一般都知道其蛋白质含量与其麦质有很大关系,所以,通过测定蛋白质含量可以评价小麦和大麦的品质。由于在不同的预定时间估算的谷物品质可同时显示出来,故可直观地观察并掌握分别在不同的预定时间估价的谷物品质。并可以将在不同预定时间直观显示的估价品质之间的差异看作是品质估价的精确程度的象征,故可从试验上得知对特定作物进行测量的最佳时间。
附图简述
从下面参看附图描述本发明的最佳实施例将可更加了解本发明的上述的和其他的目的、特征和优点,附图中:
图1是制定估算谷物品质的标定曲线的过程示意图;
图2是本发明的测定仪的主要部分的局部侧剖视图;
图3是表示采用本发明测定仪的模式的测定仪的侧视图;
图4是本发明测定仪的主要部分的侧剖视图;
图5是表示在本发明的测定仪中进行信号处理的方块图;和
图6是本发明的测定仪的另一个实施例的主要部分的侧剖视图。
优选实施例说明
参看图1说明本发明的最佳实施例。对于各类谷物中的小麦来说,采用其蛋白质含量作为实例来说明它的具体品质。通过在小麦生长过程的预定时间(例如收割前30天)对小麦作物的叶片16进行特定波长范围的光照射,并根据在照射时由吸光率测定仪1测定的吸光率,和收割后由化学分析仪36测定的麦粒蛋白质含量,用该蛋白质含量作为目标变量而将上述的吸光率作为说明性变量由小型计算机35进行多元回归分析,也就是
N1=F0+x1·F1+x2·F2+...+xn·Fn
式中F0-Fn是常数,x1-xn小麦收割前30天的叶片吸光率,N1是待收割小麦的蛋白质含量。
假设上述公式成立,小麦收割前30天其叶片的吸光率为x,而叶片被测量吸光率的麦粒在收割后的蛋白质含量的化学分析值为N,得到:
N1=F0+x11·F1+x12·F2+...+x1n·Fn
N2=F0+x21·F1+x22·F2+...+x2n·Fn
...
Nm=F0+xm1·F1+xm2·F2+...+xmn·Fn
对所得的值进行多步回归分析,并探寻F0-Fn,导出下式:
N=F0+x1·F1+x2·F2+...+xn·Fn+c ...(1)
式中F0-Fn是常数,x1-xn是小麦收割前30天的叶片吸光率,c是一个补偿值,而N是待收割小麦的蛋白质含量的估算值。
因此,若测出正在生长的小麦收割前30天的叶片吸光率x,就可估算出待收割小麦的蛋白质含量N。
如上所述,采用带有光源和吸光部件的手提式测量仪1可以简便地测量小麦生长过程中在收割前30天的叶片吸光率。这样,由于不需要摘取叶片来进行测量,故不影响作物随后的生长。收割后的麦粒的化学分析需要较长时间,但这种分析是对完全长熟后收割的麦粒进行的,不会受外因(例如摘下叶片来进行测量)的影响,因此通过化学分析测定的麦粒蛋白质含量的值是可靠的。故可按照种植田地或谷物种类有利地制定出在上述条件下确定的品质转换系数(下称“标定曲线”),将该标定曲线存储在吸光率测定仪1的记忆部分(下面再说明)。在将标定曲线应用于合适的田地或种类后,就可测出在收割前30天的叶片吸光率,并且可在正式收割前估算出收割后的麦粒的蛋白质含量。也可以通过测量收割前40天(而不是收割前30天)的叶片吸光率来制定标定曲线。
在小麦生长过程中,会受到天气条件例如持续日照和积温的明显影响,因此,即使已测到收割前某一时期的生物学数据,生长估算曲线也可能因随后的环境变化而明显改变。因此,最好在收割前30-40天内进行多次吸光率测量。例如,若通过两次测量,也就是在收割前30天和40天进行测量测出了吸光率,那么可得出下式:
N1=F0+x401·F401+x402·F402+...+x40n·F40n
+x301·F301+x302·F302+...+x30n·F30n
式中F0-Fn是常数,x401-x40n是小麦收割前40天的叶片吸光率,x301-x30n是小麦收割前30天的叶片吸光率,而N1是待收割小麦的蛋白质含量。
假定上式成立,收割关30天的叶片吸光率为x30,收割前40天的叶片吸光率为x40,而叶片已被测量吸光率的小麦收割后的麦粒蛋白质的化学分析值为N,那么得到:
N1=F0+X4011·F401+X4012·F402+...+X401n·F40n
+X3011·F301+X3012·F302+...+X301n·F30n
N2=F0+X4021·F401+X4022·F402+...+X402n·F40n
+X3021·F301+X3022·F302+...+X302n·F30n
. . .
Nm=F0+X40m1·F401+X40m2·F402+...+X40mn·F40n
+X30m1·F301+X30m2·F302+...+X30mn·F30n
对所得结果进行多元回归分析,并寻求常数F1,F401-F40n和F301-F30n,便得到下式:
N=F0+X401·F401+X402·F402+...+X40n·F40n
+X301·F301+X302·F302+...+X30n·F30n+C
... (2)式中,F0,F401-F40n和F301-F30n是常数,x401-x40n是小麦收割前40天的叶片吸光率,x301-x30n是小麦收割前30天的叶片吸光率,C是补偿值。
因此,通过测量正在生长的小麦收割前40天和30天的叶片吸光率,就可估算出待收割小麦的蛋白质含量No.上面所说的预定测量时间是两次,即收割前40天和30天各一次,但是,预定测量时间也可多于两次。如果通过适宜地增加预定测量次数而制定出标定曲线,从而避免了复杂性并根据上述标定曲线求出叶片的吸光率,那么便可进一步提高估算的精确性。
在将由上述方法制定的标定曲线的公式(1)和公式(2)或其中一个公式存储在吸光率测量仪1内的情况下,如果按照用于存储在吸光率测量仪1内的标定曲线中的说明性变量,例如将公式(1)存储在仪器中,并且测出小麦收割前30天扣地片吸光率,那么就可计算出代表小麦收割时的品质的蛋白质含量,在现场显示出来。此外,如果将公式(2)存储在仪器中,并在小麦收割前30天和40天两次测量出叶片吸光率,便可计算出代表收割时小麦品质的蛋白质含量,并在现场显示出来。因此小麦生长者可确认待收割小麦的品质,并在收割前向买方提供这种信息,买方在确认这种品质信息后,就可在收割前决定购买事宜。
为了确定上述的标定曲线,用线性分析作为实例来说明用于求出蛋白质含量的方法(非线性分析也可以用)。另外,作为一种按化学分析值和与之相关的吸光率修正值来确定标定曲线的方法,可以采用化学统计学技术。而且,虽然上面所述的小麦的品质是按蛋白质含量来估价,但是,其他的麦粒组分含量也可用作为判定麦粒品质的因素例如淀粉、水和钾的含量,或者感觉上的因素例如味道或者香味。尤其是,上述的蛋白质含量是公知的确定小麦品质的重要组分值,所以应用这个值作为小麦品质因素可保证待收割小麦的品质。众所周知,对于水稻而言,其产量随蛋白质含量的提高而增加,但味道变淡,降低蛋白质含量可改善味道,但产量减少。因此对于水稻和小麦而言,蛋白质含量是重要的组分因素。
如上所述的多次测量吸光率要求测定分别对应于各个吸光率的波长。可以采用近红外线区或可见光区的多个波长作为波长范围,为了产生多个波长,可采用按波长使用多个窄带滤光片的方法,使用衍射光栅可进行具有几个微毫米空隙的光照射,或者在吸光传感器一侧使用具有特定排列的传感器阵列,以便在不使用窄带滤光片的情况下从多种波长中选择合适的波长,并测出多个吸光率。
上面所述的预定时间定为收割前40天或30天,考虑的理由是希望尽可能地在收割前容易在一次估算出小麦的品质,而且,在谷物生长中,在收割前30-40天其叶片的氮含量趋于稳定并且逐渐减少,这段时间的变化比施肥阶段(附加施肥和抽穗施肥)小。若在这时测定叶片的吸光率,品质估算最为精确。至于谷物生长的最终施肥时间,最普通的是,在种植水稻的情况下,大多在收割前40天完成施肥,而在种植小麦的情况下,大多在收割前30天完成施肥。这就意味着,估价品质的时间应选择在最终完成施肥并且作物叶片的氮含量不受施肥的直接影响的时候。如果在其后才测量吸光率(也就是在收割前30天与收割日之间测量);估算品质时间便太晚了,作为从田野里获取的信息,对于生产方和购买方都过时了。
下面参看图2-5说明本发明最佳实施例的手提式吸光率测定仪1。图2和4示出手提式测定仪的主要部分的局部剖视图。如图2和3所示,在测定仪1的结构中,设置在其上部的主体13具有一个光源部件2和一个设置在主体13下方的作为光量测定器11的光电二极管(未示出)。在光源部件2中,沿同一个圆周上设置多个具有不同波长峰值的发光二极管(LED)3、4,在该二极管3、4上分别设置具有不同透射波长的窄带滤光片。最佳的波长带宽为500nm-1100nm,从这些波长选择适合于是预定的具体波长并与所测定的组分有关系的窄带滤光片14,15的波长。从每个LED3、4发射的光由窄带滤光片14,15转变成特定波长的光,并投射在反射光线的漫反射板5上。而且设置一个镜盘6,使得从每个LED3,4发射的光基本上沿同一角度投射到漫反射板5上。
从漫反射板5反射的光进入位于镜盘6中心的反射光路8,并投射到设置在反射光路8的照射侧9上的漫透射板10上。该漫透射板10设置成与反射光路8的光轴相垂直,并用毛玻璃或乳白玻璃制成圆形。漫透射板10可在照射侧9或者在测量叶片16侧或者两侧都制成粗糙表面。另外,开口部分7和反射光路8最好用例如硬铝制成。可对铝的内表面进行加工使之具有闪光效应,但是采用Flon涂层也可容易地而且低成本地获得上述的相同效果。
光在由开口7、反射光路8和漫反射板5包围的空间内重复着反射和漫射后从反射光路8出来,并在穿过漫透射板10后通过被测量叶片16由光量测定器11接收。在光量测定器11与漫透射板10之间,固定地设置一个环状垫圈12,以便形成一个可插入和固定叶片样品16的空间。
另外,在光源部件2的上圆周设置一个盖罩13,从该盖罩13伸出的臂17由轴18支承。支承盖罩13的轴18带有一个螺簧19,从而使盖罩13总是被向上压紧。这就是说,如图3所示,当被测叶片16插入并将盖罩压下时,就准备好进行测量。至于测量时间,当压下盖罩13时,置于盖罩13下面的下压凸块20就压下位于相对位置上的微开关21。当检测出盖罩13压下时,就进行测量(光照测量和光量测量)。而且,在一种最佳实施例中,设置了用弹性材料制的环形垫圈12包围漫透射板10,以便在压下盖罩13时,垫圈12在压力下支承叶片样品16并产生屏蔽外部光的效果。
下面参看图5说明吸光率测定仪1,该图以方框图的形式示出测定仪1。在由光源部件2和光量测定器11组成的测量部分中透过被测叶片样品16的光量由光量测定器11转换成一种模拟信号,并传送到模拟转换器22。在光源部件2中设有一个LED3、4的光发射控制器23,在模拟转换器22上进行从模拟信号至数字信号的A/D转换或从电压至频率的V/F转换。转换后的信号通过输入/输出(I/O)仪表板24输入到用作操作和控制装置的计算机中心处理装置(CPU)操纵台25,I/O仪表板24具有一个用于显示测量结果、计算结果或操作指令的液晶显示器26、一个工作输入件27、一个用于从外部装置输入数据和向外部装置输出数据的RS232C接口28、一个开关21、等等。CPU操纵台25和I/O仪表板24均与电源配电盘29相连接以接通电源。另外,CPU操纵台25通过打印机象帧比(I/F)模板30与打印机31相连接,并与只读存贮器(下称“ROM”)33和随机存取存贮器(下称“RAM”)34相连接。在ROM中存储有上面所述的按照种植田地或按谷物种类的式(1)或式(2)的许多标定曲线,而且,在ROM中还存储有通过在吸光率测定仪1上测定吸光率而用蛋白质含量估算作物品质的程序,也就是存储有从测定吸光率到估算和显示品质值的一系列程序。
至此,所说明的是用透射光测量叶片样品16,但是,也可以如图6所示,在漫反射板5的中央设置开口94,而且在漫反射板5的开口侧设置一个用于阻止来自光源3、4的直射光进入的光屏蔽件92,而其中心是开口94,反射光量接收器90与开口94对中,该接收器90也与模拟转换器22相连接,以便与光量测定器11一起测定透射光量和反射光量。
下面说明上述结构的吸光率测定仪1的功能。当叶片样品16插入吸光率测定仪1并压下盖罩13时,来自开关21的信号被送到CPU操纵台25,并从该CPU操纵台25将信号送到光发射控制器23,以便将发射信号从光发射控制器23送到光源2。因此,由光源2中的LED3和LED4交替地对叶片样品16进行照射。从LED3和4发射的光由窄带滤光片14、15转变成近红外射线区和可见光区内的特定波长的光,由于上述光线在重复上述的反射和漫射后从漫透射板10到达光量测定器11,故叶片样品16可以达到如使用积分球那样均匀地接收光。
当叶片样品16受到照射时,透射光或反射光由光量测定器11对应于LED3和4分别地接收,被接收的光传送到模拟转换器22进行A/D转换。在模拟转换器22中进行A/D转换。其结果通过I/O仪表板24输 CPU操纵台25,在该CPU操纵台25上按叶片样品16的透射光或反射光计算出透光率或吸光率,并将计算结果存储在RAM34内。
输入部分27设有:一个使吸光率测定仪1接通电源的电源开关27a;一个可测量透射光的测量开关27b;一个是有开关功能的用于读出存储在ROM33内的标定曲线(公式)或存储在RAM34内的吸光率或透射光数据、计算结果或样品数的读出开关27c;多个用于设定透射光的测量时间的时间设定开关27d-27f;和一个用于选择显示公式或显示值的选择开关27h。输入部分27具有一个用于在收割后估算品质而测量透光率的品质估算模式和一个用于测量制定标定曲线用的透射光量的标定曲线制备模式。这两种模式之间的转换是这样进行的:按压一次测量开关27b,就转换到品质估算模式;按预定时间(例如3秒)连续按压测量开关27b,就转换到标定曲线制备模式。按压读出开关27c,便可按卷轴形式显示出各种项目例如存储在ROM33内的标定曲线(公式)、存储在RAM34内的吸光率数据和计算值、和样品数目。使用选择开关27h可通过使用用右箭头标记或左箭头标记使它们进一步滚动的方式从以卷轴形式显示的相关数据项中选择所需的数据和公式。如果在选择之后再次按压读出开关27c,选出的数据或公式就按需要显示出来,或者说确定下来。
在液晶显示器26上显示出各种项目,例如“R01”是测量样品号;“n=100”是样品数目;“30天或40天之前”是代表测量时间的预定时间;“13.8P”是在各预定时间估算的蛋白质含量;和“4.3N”是叶片中的含氮量。通过进一步显示代表现用标定曲线种类的值“1”,操作者可容易地由此确认该标定曲线公式是否适用于该叶片样品16。关于预定时间,可在输入部分27设定收割前35天作为上述预定时间,同理,可加入35天的字样。在“40天”这一列,显示出根据在收割前40天从叶片样品16测出的吸光率计算的品质估算值,在“30天”这一列,可显示出根据在收割前30天从叶片样品16测出的吸光率计算的品质估算值,或者显示出根据收割前40天和30天的吸光率计算的品质综合估算值。另外,如上所述,可设定“30天”的项目。关于样品数目,当为了制定标定曲线进行测量时,可显示出为制定标定曲线测量的样品的数目,而当为了估算品质而进行测量时,则可显示出为品质估算测量的样品的数目。
在尚未制定标定曲线的情况下,如上所述,在收割前30天测量多个例如100个来自一块土地或一个品种的样品的吸光率并存贮在RAM34内。将所测出的吸光率按图1所示方法进行处理以制定标定曲线。也就是说,在种植小麦的情况下,在测定吸光率30天后,对其叶片样品16测定过吸光率的每株麦子长熟后的麦粒进行化学分析36并对应于每个样品吸光率测出蛋白质含量,将所测定的蛋白质化学分析值通过键盘输入到小型计算机35中,并通过测定仪1的接口28将已存储的100个样品的吸光率输入小型计算机35中,随后的程序跟上面所述的确定公式(1)所用的程序相同,然后通过保持蛋白质含量值与吸光率值之间的关系制定出标定曲线,其中的常数通过回归分析确定。将上述制定的标定曲线反馈并存储到吸光率测定仪1的ROM33内。
然后,为了估价小麦品质,由吸光率测定仪1在收割前30天测定正在生长的叶片样品16的吸光率并存储在RAM34内。当将存贮在RAM34内的吸光率加在存储于吸光率测定仪1的ROM33内的标定曲线(公式(1))上时,便可计算出收割后的蛋白质含量并显示在液晶显示器26上例如“13.8P”。通常对一个样品叶片存储有多个吸光率。在本实施例中,由每个光源3、4得出吸光率测定结果,并与有关的样品数一起存储。通过增加光源数或通过交换滤光片14、15就有可能增加一个样品的吸光率的测定数目。在此情况下,如果将计算叶片中含氮量的标定曲线预先存储在ROM33内,便可根据已存储在RAM34内的吸光率计算出叶片内的含氮量,并且液晶显示器26除了显示蛋白质含量外,还显示出氮含量例如“4.3N”。
如果对叶片样品16测定两次吸光率(也就是收割前30天和40天各一次),就会发生如下情况。在标定曲线尚未制定的情况下,从一块田地或一个品种在收割前40天测定多个(例如100个)叶片样品的吸光率,并存贮在RAM34内,随着作物继续生长,又在收割前30天按照上述的收割前40天的取样方式测定多个样品的吸光率并同样存贮在RAM34内。从测定过收割前30天的吸光率之日起30天后,对其叶片样品16测定过吸光率的每株麦子成熟后摘取的麦粒,对应于各样品吸光率进行化学分析36,以测定各自的蛋白质含量。将所测定的蛋白质含量的化学分析值通过键盘输入轻型计算机35,并通过测定仪1的接口28原先存储的收割前40天和30天测定的100个样品的吸光率输入小型计算机35中。然后按照与上面所述确定公式(2)相同的程序,保持蛋白质含量与吸光率之间的关系,通过回归分析确定各个常数,从而制定标定曲线,将所制定的标定曲线反馈并存储在吸光率测定仪1的ROM33内。
为了评价小麦品质,用吸光率测定仪1测出收割前30天和40天正在生长的样品叶片16的吸光率并存储在RAM34内。当将存储在RAM34内的吸光率加在存储在吸光率检测仪的ROM33内的标定曲线(公式(2))时,便可计算出收割后的蛋白质含量并在液晶显示器26上显示出来,例如“13.8P”,上述得到的值不是通过计算和与收割前40天和30天的吸光率无关的蛋白质含量的平均值。在该值中,如同在制定标定曲线(公式(2))时通过多元回归分析确定各常数那样,考虑到两次测量中吸光率的变化,所以,上述标定曲线能适应由环境变化引起的小麦作物生长的变化。
在液晶显示器26上,可显示出术语“30天”和“40天”,另外,在ROM33存储的标定曲线不仅对应于30天的公式(1)以及30天和40天的公式(2),而且对应于40天的公式(3)。这样,液晶显示器26可以用“40天”代表收割前40天测定的蛋白质含量的估算值,另外在“30天”代表收割前30天测定的蛋白质含量的估算值,从而可直观地确定40天前独立估算的和30天前独立估算的蛋白质含量的变化。而且,按照公式(2),可以从收割前30天的吸光率和收割前40天的吸光率两者综合地估算出收割时的蛋白质含量。
顺便说到,当制定标定曲线或评价收割后的品质时,从正在生长的小麦作物的叶片中确定出叶片样品16,该叶片样品16被插入测定仪1中要使它在测量时不受损坏。该叶片样品在测量时不从小麦作物上摘下,所以不影响随后的生长。透射光量与从该透射光量估算的品质之间的关系可在制定标定曲线的时候起保持不变,故可很精确地估价小麦的品质。
在制定标定曲线过程中,由于是从同一株麦子测定收割前30-40天的叶片信息和收割后的品质信息而不影响作物生长,故可保证在制定标定曲线和制定标定曲线后的品质评估时精确地制定标定曲线和评价小麦品质。
制定标定曲线后,可在现场确认测量结果,所以就可在无需复杂过程例如化学分析的情况下进行品质评估。确认测量的值可在田地里进行,故可在现场对第三者提供信息,而且,如果具有输出装置,就更可容易地将上述的值提供给第三者,因此,可提高买方的判断精确程度,而生产者则可提供品质保证,使买方毫不犹豫地购买。
虽然上面按最佳实施例说明了本发明,但是应当明白,上面所用的言词是说明性的而不是限制性的,在不背离权利要求所限定的本发明的真实范围的情况下可进行在所附权利要求的权限内的改变。
Claims (8)
1.一种在收割前根据正在生长的谷类作物评估未来收割谷物的品质的方法,该方法包含如下步骤:
预先确定确定用以评估谷物收割后的特有品质的品质转换系数,所述品质转换系数是通过对作为说明性变量的多种吸光率进行许多次退化分析而确定的,该吸光率跟通过在许多谷类作物生长期间以预定时间对正在生长的谷类作物的叶片照射具有预定波长范围的光而测定的谷物的特有品质和由收割后的相同谷物实际测定的作为目标变量的特有品质有关;和
通过对所述品质转换系数应用与由现时正在生长的谷类作物叶片在预定时间测得的所述特有品质有关的吸收率,评估未来收割的谷物的品质。
2.根据权利要求1评估谷物品质的方法,其特征在于,上述的品质转换系数是从在作物生长期间的多个预定时间测出的各个吸光率和对收割后的同一谷物测定的特定品质综合确定的,待收割谷物的品质是根据上述的品质转换系数和在上述的多个预定时间内从正在生长的谷类作物的叶片测定的与上述特定品质相关的各个吸光率综合评估的。
3.根据权利要求1的评估谷物品质的方法,其特征在于,上述的特定品质与蛋白质含量有关。
4.根据权利要求2的评估谷物品质的方法,其特征在于,上述的在不同的预定时间评估的谷物品质可同时显示出来。
5.一种用于在收割前的生长期内评估由未来谷类作物收割的谷物的品质的装置,所述装置包括:
一个可对谷类作物的叶片照射具有预定波长范围的光的光源部件;
一个用于接收通过对正在生长的作物的叶片照射来自上述光源部件的光而获得的透射光和反射光中的至少一种光的光接收器;
一个用于预先存储用以评估收割后的谷物特定品质的品质转换系数的存储器,上述的品质转换系数通过对作为说明性变量的多种吸光率进行许多次退化分析确定,该吸光率通过在许多谷物生长期间以预定时间对正在生长的谷类作物叶片照射光而测定的,而作为目标变量的特有品质是由收割后的相同谷物实际测定的;
一个通过对所述品质转换系数应用由所述光吸收装置在预定的时间内自现时正在生长的谷类作物叶片获取的光吸收量转换的吸光率计算谷物品质的计算机;
一个用于视觉显示由上述计算机计算的结果的显示器。
6.根据权利要求5的评估谷物品质的装置,其特征在于,
上述的存储器存储用于评估收割后的谷物的特定品质的品质转换系数,该品质转换系数是由多次预定时间对正在生长的谷类作物叶片照射光而测定的各吸光率和对收割后的相同谷物测定的特定品质综合计算出来的,上述的存储器还存储各个光接收量或在多次预定时间对正在生长的谷类作物叶片照射光而测出的光接收量换算的各个吸收率,其特征还在于,
上述的计算器在若干预定时间将被正在生长的谷类作物叶片接收的光量换算成吸光率,并且待收割谷物的未来的品质是根据上述的吸光率和上述的品质转换系数综合计算的。
7.根据权利要求5的估价谷物品质的装置,其特征在于,上述的特定品质与蛋白质含量有关。
8.根据权利要求6的评估谷物品质的装置,其特征在于,将上述的显示器配置成同时显示出在不同预定时间所评估的谷物品质。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP5427099A JP2000245260A (ja) | 1999-03-02 | 1999-03-02 | 穀類の品質推定方法及びその装置 |
JP54270/1999 | 1999-03-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1265469A CN1265469A (zh) | 2000-09-06 |
CN1218177C true CN1218177C (zh) | 2005-09-07 |
Family
ID=12965897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN001037145A Expired - Lifetime CN1218177C (zh) | 1999-03-02 | 2000-03-02 | 评估谷物品质的方法和其装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US6208420B1 (zh) |
JP (1) | JP2000245260A (zh) |
KR (1) | KR100441801B1 (zh) |
CN (1) | CN1218177C (zh) |
AU (1) | AU756469B2 (zh) |
CA (1) | CA2299098C (zh) |
MY (1) | MY118440A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913425A (zh) * | 2014-04-17 | 2014-07-09 | 河南农业大学 | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6646264B1 (en) * | 2000-10-30 | 2003-11-11 | Monsanto Technology Llc | Methods and devices for analyzing agricultural products |
JP3735289B2 (ja) * | 2001-10-31 | 2006-01-18 | 株式会社サタケ | 無洗米の品質評価方法及びその装置 |
US20050097021A1 (en) * | 2003-11-03 | 2005-05-05 | Martin Behr | Object analysis apparatus |
JP4524473B2 (ja) * | 2004-03-25 | 2010-08-18 | 長崎県 | 植物の受ける水分ストレスの測定方法及び装置 |
JP2006133054A (ja) * | 2004-11-05 | 2006-05-25 | Oki Electric Ind Co Ltd | 干渉顔料検出装置 |
WO2007129648A1 (ja) * | 2006-05-02 | 2007-11-15 | Yamaguchi University | 植物葉の水分ストレスを推定する方法、植物葉の水分ストレスを推定するための装置及び植物葉の水分ストレスを推定するためのプログラム |
JP5145716B2 (ja) * | 2007-01-16 | 2013-02-20 | 株式会社サタケ | 作物情報を算出するリモートセンシングにおける検量線の作成方法 |
US8804124B1 (en) * | 2012-10-18 | 2014-08-12 | The United States Of America, As Represented By The Secretary Of Agriculture | Method and apparatus for measuring protein quality |
JP6017924B2 (ja) * | 2012-10-31 | 2016-11-02 | 日本分光株式会社 | 分光装置 |
AR095790A1 (es) * | 2013-04-12 | 2015-11-11 | Zim Plant Tech Gmbh | Procedimiento y dispositivo para la detección precoz de daños en asociaciones celulares vegetales |
CN103353445B (zh) * | 2013-07-22 | 2015-09-02 | 洛阳农林科学院 | 一种利用近红外光谱仪快速鉴定小麦抗旱性的技术方法 |
WO2016106215A1 (en) * | 2014-12-23 | 2016-06-30 | The Regents Of The University Of California | Method and device for quantification of plant chlorophyll content |
CN108154312A (zh) * | 2018-01-17 | 2018-06-12 | 河南工业大学 | 一种构建权重系数综合评价小麦储藏品质的方法 |
JP7313056B2 (ja) * | 2018-11-08 | 2023-07-24 | 国立研究開発法人農業・食品産業技術総合研究機構 | 施肥量決定装置および施肥量決定方法 |
CN114112986A (zh) * | 2021-11-18 | 2022-03-01 | 四川省农业科学院作物研究所 | 一种小麦品质性状稳定性的评价方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4084905A (en) * | 1976-03-11 | 1978-04-18 | Canadian Patents & Development Limited | Apparatus for detecting and measuring fluorescence emission |
JPS6311841A (ja) * | 1986-03-20 | 1988-01-19 | Satake Eng Co Ltd | 米の食味評価装置 |
MX169020B (es) * | 1986-09-19 | 1993-06-16 | Satake Eng Co Ltd | Aparato medidor del contenido de amilosa y/o amilopectina en el arroz |
IE65900B1 (en) * | 1988-10-15 | 1995-11-29 | Satake Eng Co Ltd | Apparatus for evaluating quality of raw coffee beans |
JPH06288907A (ja) * | 1993-03-31 | 1994-10-18 | Shizuoka Seiki Co Ltd | 籾米の品質評価方法 |
JPH0829337A (ja) * | 1994-07-18 | 1996-02-02 | Hokkaido Prefecture | 小麦の品質判定装置 |
NL1002870C2 (nl) * | 1996-04-15 | 1997-10-17 | Inst Voor Agrotech Onderzoek | Werkwijze en stelsel voor het bepalen van de kwaliteit van een gewas. |
US5835206A (en) * | 1996-05-22 | 1998-11-10 | Zenco (No. 4) Limited | Use of color image analyzers for quantifying grain quality traits |
US6100526A (en) * | 1996-12-30 | 2000-08-08 | Dsquared Development, Inc. | Grain quality monitor |
JP3354844B2 (ja) * | 1997-09-03 | 2002-12-09 | 株式会社クボタ | 穀物の品質計測方法及び品質計測装置 |
-
1999
- 1999-03-02 JP JP5427099A patent/JP2000245260A/ja active Pending
-
2000
- 2000-02-09 US US09/501,272 patent/US6208420B1/en not_active Expired - Lifetime
- 2000-02-10 AU AU15299/00A patent/AU756469B2/en not_active Expired
- 2000-02-17 MY MYPI20000577 patent/MY118440A/en unknown
- 2000-02-22 CA CA002299098A patent/CA2299098C/en not_active Expired - Lifetime
- 2000-02-24 KR KR10-2000-0009132A patent/KR100441801B1/ko active IP Right Grant
- 2000-03-02 CN CN001037145A patent/CN1218177C/zh not_active Expired - Lifetime
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103913425A (zh) * | 2014-04-17 | 2014-07-09 | 河南农业大学 | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 |
CN103913425B (zh) * | 2014-04-17 | 2016-04-06 | 河南农业大学 | 基于光谱指数和气候因子耦合的冬小麦籽粒蛋白质含量预测方法及其预测模型的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
AU1529900A (en) | 2000-09-07 |
KR20010006689A (ko) | 2001-01-26 |
AU756469B2 (en) | 2003-01-16 |
MY118440A (en) | 2004-11-30 |
CN1265469A (zh) | 2000-09-06 |
US6208420B1 (en) | 2001-03-27 |
JP2000245260A (ja) | 2000-09-12 |
CA2299098A1 (en) | 2000-09-02 |
CA2299098C (en) | 2006-07-11 |
KR100441801B1 (ko) | 2004-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1218177C (zh) | 评估谷物品质的方法和其装置 | |
Goffart et al. | Potato crop nitrogen status assessment to improve N fertilization management and efficiency: past–present–future | |
US6466321B1 (en) | Method of diagnosing nutritious condition of crop in plant field | |
Peirs et al. | Effect of biological variability on the robustness of NIR models for soluble solids content of apples | |
Samborski et al. | Strategies to make use of plant sensors‐based diagnostic information for nitrogen recommendations | |
Fu et al. | Estimating photosynthetic traits from reflectance spectra: a synthesis of spectral indices, numerical inversion, and partial least square regression | |
Vigneau et al. | Potential of field hyperspectral imaging as a non destructive method to assess leaf nitrogen content in Wheat | |
US6683970B1 (en) | Method of diagnosing nutritious condition of crop in plant field | |
CN104198396B (zh) | 偏振-高光谱技术诊断作物氮磷钾亏缺的方法 | |
CN101718683B (zh) | 快速检测叶片叶绿素含量的建模方法及检测方法 | |
CN107505271B (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 | |
CN102012266A (zh) | 一种光合辐射照度计及其测量方法 | |
CN102628800A (zh) | 植物叶片叶绿素含量测量方法及系统 | |
CN104849219A (zh) | 一种作物氮素营养诊断仪及方法 | |
JP4305795B2 (ja) | 作物の診断方法 | |
Tan et al. | Assessment of Fv/Fm absorbed by wheat canopies employing in-situ hyperspectral vegetation indexes | |
JP4314683B2 (ja) | 作物の診断方法 | |
CN104198397B (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
Cui et al. | Development of an optical sensor for crop leaf chlorophyll content detection | |
JP2002168771A (ja) | 植物の生育度測定装置 | |
Svotwa et al. | Remote sensing applications in tobacco yield estimation and the recommended research in Zimbabwe | |
JP2000350517A (ja) | 作物の診断方法 | |
JP2000350517A5 (zh) | ||
RU2381644C2 (ru) | Способ экспресс-диагностики азотного питания растений | |
Souza et al. | Sun Position and Cloud Effects on Reflectance and Vegetation Indices of Corn. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CX01 | Expiry of patent term |
Granted publication date: 20050907 |
|
CX01 | Expiry of patent term |