CN1430723A - 用可见光/近红外光谱测量和相关水果特性的方法和装置 - Google Patents
用可见光/近红外光谱测量和相关水果特性的方法和装置 Download PDFInfo
- Publication number
- CN1430723A CN1430723A CN01809360A CN01809360A CN1430723A CN 1430723 A CN1430723 A CN 1430723A CN 01809360 A CN01809360 A CN 01809360A CN 01809360 A CN01809360 A CN 01809360A CN 1430723 A CN1430723 A CN 1430723A
- Authority
- CN
- China
- Prior art keywords
- sample
- detector
- spectrum
- light
- spectrometer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 168
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 92
- 238000002329 infrared spectrum Methods 0.000 title claims description 9
- 238000001228 spectrum Methods 0.000 claims abstract description 282
- 238000005259 measurement Methods 0.000 claims abstract description 102
- 230000007547 defect Effects 0.000 claims abstract description 12
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 4
- 239000000523 sample Substances 0.000 claims description 585
- 239000013307 optical fiber Substances 0.000 claims description 59
- 238000005070 sampling Methods 0.000 claims description 58
- 238000001514 detection method Methods 0.000 claims description 55
- 238000000862 absorption spectrum Methods 0.000 claims description 48
- 230000003595 spectral effect Effects 0.000 claims description 42
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 32
- 230000003287 optical effect Effects 0.000 claims description 29
- 239000000835 fiber Substances 0.000 claims description 25
- 239000000203 mixture Substances 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012856 packing Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 22
- 238000005286 illumination Methods 0.000 claims description 17
- 238000010521 absorption reaction Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 16
- 238000005516 engineering process Methods 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- CZIMGECIMULZMS-UHFFFAOYSA-N [W].[Na] Chemical compound [W].[Na] CZIMGECIMULZMS-UHFFFAOYSA-N 0.000 claims description 14
- 230000004888 barrier function Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000010287 polarization Effects 0.000 claims description 12
- 239000002253 acid Substances 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 235000013311 vegetables Nutrition 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 6
- 230000037431 insertion Effects 0.000 claims description 6
- 229920006395 saturated elastomer Polymers 0.000 claims description 6
- 239000011368 organic material Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 125000003636 chemical group Chemical group 0.000 claims description 3
- 235000009508 confectionery Nutrition 0.000 claims description 3
- 230000001066 destructive effect Effects 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 230000006698 induction Effects 0.000 claims description 3
- 238000011545 laboratory measurement Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000005096 rolling process Methods 0.000 claims 3
- 230000000740 bleeding effect Effects 0.000 claims 1
- 238000010219 correlation analysis Methods 0.000 claims 1
- 230000001788 irregular Effects 0.000 claims 1
- 230000013011 mating Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000005303 weighing Methods 0.000 claims 1
- 235000019804 chlorophyll Nutrition 0.000 abstract description 13
- 239000000049 pigment Substances 0.000 abstract description 5
- 208000034656 Contusions Diseases 0.000 abstract 1
- 206010053615 Thermal burn Diseases 0.000 abstract 1
- 229930002877 anthocyanin Natural products 0.000 abstract 1
- 235000010208 anthocyanin Nutrition 0.000 abstract 1
- 239000004410 anthocyanin Substances 0.000 abstract 1
- 150000004636 anthocyanins Chemical class 0.000 abstract 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 abstract 1
- KBPHJBAIARWVSC-RGZFRNHPSA-N lutein Chemical compound C([C@H](O)CC=1C)C(C)(C)C=1\C=C\C(\C)=C\C=C\C(\C)=C\C=C\C=C(/C)\C=C\C=C(/C)\C=C\[C@H]1C(C)=C[C@H](O)CC1(C)C KBPHJBAIARWVSC-RGZFRNHPSA-N 0.000 abstract 1
- 229960005375 lutein Drugs 0.000 abstract 1
- 230000037390 scarring Effects 0.000 abstract 1
- KBPHJBAIARWVSC-XQIHNALSSA-N trans-lutein Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C(=CC(O)CC2(C)C)C KBPHJBAIARWVSC-XQIHNALSSA-N 0.000 abstract 1
- FJHBOVDFOQMZRV-XQIHNALSSA-N xanthophyll Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1=C(C)CC(O)CC1(C)C)C=CC=C(/C)C=CC2C=C(C)C(O)CC2(C)C FJHBOVDFOQMZRV-XQIHNALSSA-N 0.000 abstract 1
- 235000008210 xanthophylls Nutrition 0.000 abstract 1
- 241000220225 Malus Species 0.000 description 51
- 235000011430 Malus pumila Nutrition 0.000 description 50
- 235000015103 Malus silvestris Nutrition 0.000 description 50
- 230000014509 gene expression Effects 0.000 description 37
- 238000001914 filtration Methods 0.000 description 25
- 230000005855 radiation Effects 0.000 description 24
- 230000005540 biological transmission Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 229930002875 chlorophyll Natural products 0.000 description 11
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 11
- 235000009754 Vitis X bourquina Nutrition 0.000 description 8
- 235000012333 Vitis X labruscana Nutrition 0.000 description 8
- 240000006365 Vitis vinifera Species 0.000 description 8
- 235000014787 Vitis vinifera Nutrition 0.000 description 8
- 238000010276 construction Methods 0.000 description 8
- 238000009434 installation Methods 0.000 description 8
- 239000004033 plastic Substances 0.000 description 8
- 229920003023 plastic Polymers 0.000 description 8
- 241000167854 Bourreria succulenta Species 0.000 description 7
- 235000019693 cherries Nutrition 0.000 description 7
- 230000002950 deficient Effects 0.000 description 7
- 230000009977 dual effect Effects 0.000 description 7
- 230000001413 cellular effect Effects 0.000 description 6
- KRKNYBCHXYNGOX-UHFFFAOYSA-N citric acid Chemical compound OC(=O)CC(O)(C(O)=O)CC(O)=O KRKNYBCHXYNGOX-UHFFFAOYSA-N 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 235000021022 fresh fruits Nutrition 0.000 description 6
- 229910052736 halogen Inorganic materials 0.000 description 6
- 229910052721 tungsten Inorganic materials 0.000 description 6
- 239000010937 tungsten Substances 0.000 description 6
- 241000272165 Charadriidae Species 0.000 description 5
- 229930014669 anthocyanidin Natural products 0.000 description 5
- 150000001452 anthocyanidin derivatives Chemical class 0.000 description 5
- 235000008758 anthocyanidins Nutrition 0.000 description 5
- 238000000149 argon plasma sintering Methods 0.000 description 5
- 235000012055 fruits and vegetables Nutrition 0.000 description 5
- 150000002367 halogens Chemical class 0.000 description 5
- 239000007788 liquid Substances 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000004806 packaging method and process Methods 0.000 description 5
- 239000007787 solid Substances 0.000 description 5
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 235000015203 fruit juice Nutrition 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000007789 sealing Methods 0.000 description 4
- 230000014860 sensory perception of taste Effects 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 241000675108 Citrus tangerina Species 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 3
- 241000238631 Hexapoda Species 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 229920001971 elastomer Polymers 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000003760 hair shine Effects 0.000 description 3
- 238000009413 insulation Methods 0.000 description 3
- 230000031700 light absorption Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000000411 transmission spectrum Methods 0.000 description 3
- BJEPYKJPYRNKOW-REOHCLBHSA-N (S)-malic acid Chemical compound OC(=O)[C@@H](O)CC(O)=O BJEPYKJPYRNKOW-REOHCLBHSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 244000241257 Cucumis melo Species 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 2
- 229920000995 Spectralon Polymers 0.000 description 2
- LPQOADBMXVRBNX-UHFFFAOYSA-N ac1ldcw0 Chemical compound Cl.C1CN(C)CCN1C1=C(F)C=C2C(=O)C(C(O)=O)=CN3CCSC1=C32 LPQOADBMXVRBNX-UHFFFAOYSA-N 0.000 description 2
- BJEPYKJPYRNKOW-UHFFFAOYSA-N alpha-hydroxysuccinic acid Natural products OC(=O)C(O)CC(O)=O BJEPYKJPYRNKOW-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 235000013405 beer Nutrition 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 235000013339 cereals Nutrition 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 229910052731 fluorine Inorganic materials 0.000 description 2
- 239000011737 fluorine Substances 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000005089 fruit drop Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000001630 malic acid Substances 0.000 description 2
- 235000011090 malic acid Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000001243 protein synthesis Methods 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000007430 reference method Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000003014 reinforcing effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012428 routine sampling Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 229920002799 BoPET Polymers 0.000 description 1
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 235000015510 Cucumis melo subsp melo Nutrition 0.000 description 1
- 235000009847 Cucumis melo var cantalupensis Nutrition 0.000 description 1
- FEWJPZIEWOKRBE-JCYAYHJZSA-N Dextrotartaric acid Chemical compound OC(=O)[C@H](O)[C@@H](O)C(O)=O FEWJPZIEWOKRBE-JCYAYHJZSA-N 0.000 description 1
- 229930091371 Fructose Natural products 0.000 description 1
- 239000005715 Fructose Substances 0.000 description 1
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 1
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- 240000004859 Gamochaeta purpurea Species 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 241001621399 Lampris Species 0.000 description 1
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 239000005041 Mylar™ Substances 0.000 description 1
- 206010035148 Plague Diseases 0.000 description 1
- 206010036590 Premature baby Diseases 0.000 description 1
- 240000007942 Prunus pensylvanica Species 0.000 description 1
- 235000013647 Prunus pensylvanica Nutrition 0.000 description 1
- 206010039509 Scab Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 244000061456 Solanum tuberosum Species 0.000 description 1
- 235000002595 Solanum tuberosum Nutrition 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 1
- 229930006000 Sucrose Natural products 0.000 description 1
- 206010042496 Sunburn Diseases 0.000 description 1
- 238000004468 VIS-NIR spectroscopy Methods 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- FJJCIZWZNKZHII-UHFFFAOYSA-N [4,6-bis(cyanoamino)-1,3,5-triazin-2-yl]cyanamide Chemical compound N#CNC1=NC(NC#N)=NC(NC#N)=N1 FJJCIZWZNKZHII-UHFFFAOYSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 235000021016 apples Nutrition 0.000 description 1
- 229910052785 arsenic Inorganic materials 0.000 description 1
- RQNWIZPPADIBDY-UHFFFAOYSA-N arsenic atom Chemical compound [As] RQNWIZPPADIBDY-UHFFFAOYSA-N 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 235000013409 condiments Nutrition 0.000 description 1
- 239000004035 construction material Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 230000001804 emulsifying effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 239000005338 frosted glass Substances 0.000 description 1
- 238000004868 gas analysis Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 239000001056 green pigment Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000001616 monocyte Anatomy 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000002420 orchard Substances 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 235000013606 potato chips Nutrition 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 239000001054 red pigment Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000005070 ripening Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229920002379 silicone rubber Polymers 0.000 description 1
- 239000008234 soft water Substances 0.000 description 1
- 235000013599 spices Nutrition 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000005720 sucrose Substances 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 229940095064 tartrate Drugs 0.000 description 1
- 235000012976 tarts Nutrition 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- -1 tungsten halogen Chemical class 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0218—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using optical fibers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0224—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using polarising or depolarising elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/30—Measuring the intensity of spectral lines directly on the spectrum itself
- G01J3/36—Investigating two or more bands of a spectrum by separate detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/42—Absorption spectrometry; Double beam spectrometry; Flicker spectrometry; Reflection spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
- G01J3/51—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors using colour filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/52—Measurement of colour; Colour measuring devices, e.g. colorimeters using colour charts
- G01J3/524—Calibration of colorimeters
-
- 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
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
- G01N33/025—Fruits or vegetables
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
- G01J3/501—Colorimeters using spectrally-selective light sources, e.g. LEDs
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/46—Measurement of colour; Colour measuring devices, e.g. colorimeters
- G01J3/50—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors
- G01J3/51—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors using colour filters
- G01J3/513—Measurement of colour; Colour measuring devices, e.g. colorimeters using electric radiation detectors using colour filters having fixed filter-detector pairs
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3155—Measuring in two spectral ranges, e.g. UV and visible
-
- 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
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General 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)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明公开了一种1)从250nm到1150nm光谱的应用,用于测量或预测一种或多种参数,例如在包括水果的N-H、C-H和O-H中,白利糖度,坚固度,酸度,密度,pH,颜色和外部与内部的缺陷和不规则性,例如,包括表面和次表面的损伤,结疤,晒伤,内部变黑;2)在至少一个光谱范围内检测暴露给上述光谱范围内的样品辐射光的装置和方法。在优选实施例中,至少使用从250nm到499nm和500nm到1150nm两个光谱范围;3)使用峰值在680nm的叶绿素波段,并与700nm以上的光谱组合预测上述一个或多个参数,4)使用可见光色素区域,包括从约250nm到499nm的黄色素和从约500nm到550nm的花青素与叶绿素波段和700nm以上的波段组合预测所有上述参数。
Description
技术领域
本发明一般涉及把可见光和近红外线光谱组合在一种装置内的应用,如测量物理参数,例如坚固性、密度和内部及外部的不规则性,和化学参数,例如水果中包含O-H,N-H和C-H化学键的分子,以及把测量结果与水果质量和成熟度特性相关的方法,后者包括白利糖度、密度,pH,坚固度,颜色和对预期消费者好的内部和外部缺陷,包括味觉爱好和外观,以及收获、储存及运输的变数。用本发明的装置和方法,照射样品(例如包括苹果类的水果)的内部,检测和测量样品的吸收和散射光谱,确定对满足吸收和散射光谱与样品特性(例如水果质量和成熟度特性)之间相关关系的样品等级的预测、校准和分类算法。
背景技术
本发明的主要点体现在组合可见光和近红外光仪和它的应用模式,主要表现在把近红外用于测量含O-H,N-H和C-H键的分子,它们是包括水果质量,特别是果树果实质量的样品质量的指示器。近红外分光仪背景:
自1970年起近红外分光仪就已用于低含水量食品的成份分析。但是,只是近10-15年,近红外分光仪才成功地应用于高含水量产品,例如水果。近红外是振动分光仪的一种形式,它对含C-H(炭-氢),O-H(氧-氢),和N-H(氮-氢)组的分子特别检测。因此,像糖和淀粉(C-H),水份,酒精和酸(O-H),和蛋白质(N-H)等组分可定量测定其液体,固体和稀浆。此外,气体分析(例如水蒸气,氨)是可能的。近红外不是痕迹分析技术,它通常用来测量存在浓度高于0.1%的成份。
短波近红外与长波近红外:习惯上,近红外为电磁频谱的1100-2500nm区间,但是,700-1100nm的区间(短波近红外或SW-NIR)已更引人注意。SW-NIR区间对在线和现场物体的组份分析有数多优点。近红外(NIR)的这一部分易于由低价格、高性能的硅探测器和光纤来探得。此外,高强度激光二极管和低价格光辐射二极管在各种NIR波长输出中变得更加有用。
在SW-NIR区较低的消光(光吸收)系数产生吸收与分析浓度的线性关系,并准许使用长和方便的通道长度。SW-NIR的渗透深度也比更长波长的NIR大,准许“体”材料的比较足够的取样,当要分析的样品是非均匀时(例如水果),这一点特别重要。
散射的反射取样与传输取样:常规的NIR分析使用散射的反射取样。这一取样模式对具有高光散射的样品或不能实际使用传输分光仪的样品是合适的。散射的反射光是进入样品,经多次散射,并从表面以杂乱的方向发出的光。进入样品的一部分光也被吸收,光的渗透深度与样品的特性紧密相关,且经常受样品中颗粒的大小和样品密度的影响。此外,散射反射偏离于样品表面,并对大的、不均匀的样品(例如苹果)不提供有代表性的数据。
传输取样典型地用于透明溶液分析的同时,它也能用于探询固体样品。传输测量通常是用探测器直接对着光源(亦即从180°方向)来进行的,样品置于中间。另外,探测器也可置于接近光源(小于180°角方向)的地方,它通常必须提供比较容易检测的光电平。因为对于大多数水平的长样品通道和高光散射特性,除非采用专门的方法来改善信噪比,传输测量只能在SW-NIR波长区进行。
NIR校准:NIR分析大部分是经验方法;光谱线很难分配,分光仪通常在高光散射的样品中使用,那里不遵守Beer’s定律。因此,通常使用统计校准技术来确定在分析组分(或样品特性)与仪器响应之间是否有相互关系。为了揭露这一关系,需要一组有代表性的“训练”或校准样品。这些样品必须覆盖未来要用该仪器观测的所有样品的化学和物理特性的范围。
校准从收集每个样品的光谱开始,然后对所有感兴趣分析的组分值用具有最佳精度和准度的参考方法来获得。注意到用统计相关技术发展起来的定量光谱法并不优于参考方法这一点很重要。
在收集数据之后,开发采用统计技术的的计算机模型,它把NIR光谱与测量的组分值或性能联系起来。这些标准模型可以推广,且必须用一般的测试方法周期性更新和和验证。
影响校准的因子包括水平的类型和可变性,季节和地理的差别,和是否是新鲜或经冷藏或其它储存。校准变量包括特定的性能或要测量的化学成份和密度或性能电平。组间相关(同线性)应在校准样品中减创最小,以避免例如预测模型的错误判译。同线性发生在当两种成份的密度相关时,例如,当一种成份高时,另一种成份总是低,或反之亦然存在的逆相关关系。
NIR对果树果实的应用和现有的在线NIR仪:对NIR的果树果实的分析存在研究的生长体。NIR已用于测量果汁,鲜度和整个果实。在果汁中,单糖(蔗糖,葡萄糖,果糖)和总酸度可以量化为高相关(>95)和可接受的误差。在整个水果中,单糖不是容易测量的。白利糖度是整个水果中最成功能测量的NIR参数,且通常可获得±1.5-1.0白利糖度的误差。最新研究结果表明,整个水果坚固性和酸性测量也是可能的。
只有日本有在线MIR水果分类的大规模推广应用。这些仪器在测量之前需要人工放置/指向水果,且早期的版本局限于测量每秒三个样品的速率。日本的NIR仪也局限于水果的单通道,很难适应美国用的多道分类仪。而早期的日本NIR仪采用反射取样,比较新的仪器用传输取样。
在Koashi等的美国专利NO.4,883,953中,有描述测量液体中糖浓度的方法的装置。测量是在两个不同的深度用弱和强红外辐射进行的。在这两个深度之间的糖水平能被测定。这种方法和装置使用950-1,150nm,1,150-1,300nm,和1,300-1,450nm的波段。
美国专利NO,5,089,701(DU11)用在800-1,050nm波长范围,MIR辐射来证明在香密瓜内的可溶性固体测量。因为有厚的外壳,照射水果光的位置与收集光的位置需8厘米或更大。
Iwamoto等人的美国专利NO.5,324,945也使用NIR辐射来预测柑橘的糖含量。Iwamoto利用传输测量结构,光通过整个水果样品,并相对于光输入角180°的角度检测。中等皮厚的水果(柑橘)用来证明这一方法,它依赖于水果的直径用在844nm的标准(刻度)光谱来校正。根据公开的数据,它与糖含量的相关关系最低,发现在914-919nm范围的NIR波长与糖含量有最高的相关关系。加入多回归分析方法用于把MIR光谱与糖含量相关的第二,第三和第四波长是769-720nm,745nm,和785-786nm。
在美国专利NO.5,708,271中,Ito等人显示了用三个在860-960nm范围内不同NIR波长的糖含量测量装置。光发射和收集之间的角度在0-180°之间可变,并得出结论,当光探测器相对于辐射源180°放置时,必须被检测的低NIR辐射水平是不希望的,因为它需要比较复杂的方法和设备。NIR吸收与香瓜和西瓜的糖含量的相关关系,当中等角度探测时被发现,它能给出更大的NIR辐射强度。用这种方法无尺寸相关。
美国专利NO.4,883,953(Koashi等)用较长波长的NIR(亦即>950nm)辐射,而在美国专利MO.5,089,701(Dull)和5,708,271(Ito)中,分别采用关于800nm和860nm的NIR波长辐射,在美国专利NO.5,324,945中,当水果分别沿着平分球体的园或等轴部分测量时,与柑橘糖含量具有最高相关系数的MIR波长是914nm或919nm。所有这些方法都用近红外波长与整个水果的糖含量相关,没有其它质量参数用这些技术测量。
这四种公开的专利与这里描述的装置方法相似,本发明也是测量糖含量的。专利中的两种(No.5,089,701和No.5,324,945),NIR波长小于850nm,No.5,089,701揭示了本发明在“约800nm至约1050nm”范围内的工作,No.5,324,945列出了914nm或919nm作为与整个水果糖含量相关的基本分析波长;多线性回归用于把如下依次的波长加入模型中:769-770nm(加入的第二波长),745nm(加入的第三波长),和785-786(加入的第四波长)。在专利No.5,089,701中,把第四波长加入模型中只减少预测的标准差(SEP)0.1-0.2白利糖度,它接近或小于确定基准(“真”)白利糖度值的折光仪的误差范围。
描述于此的装置和方法与上面提到的四个专利之间的其它相似处包括利用多变量统计分析来建立近红外光谱数据与整个水果糖含量的相关关系。大多数也采用数据处理技术,如二次导数变换和某种类型的光谱归一化。所有这些把NIR光谱与化学或物理性能联系起来的方法,对NIR分光仪的业内人士来说都是熟知的技术。
以前的专利和发表的文章,根据37CFR 1.97在此提供在信息披露说明中。
发明内容
全世界各研究小组继续探索近红外光谱仪对果树果实的应用。这里发明的装置和方法是用近红外光谱仪无损确定或预测含O-H,N-H和C-H的分子,它是样品质量的指示器,包括像苹果,樱桃,橙子,葡萄,西红柿,谷物,和其它这种样品。先前的技术利用745nm以上的光谱。本发明是1)利用从250nm至1150nm的光谱测量或预报一个或多个参数,例如白利糖度,坚固度,酸度,密度,pH,颜色和外部与内部的缺陷和不规则性,例如包括表面和次表面的损伤,结疤,晒伤,水,内部变黑;2)照射样品内部和检测从暴露在至少一个上面提到的光谱范围内的样品辐射光的装置和方法,在优选例中,至少两个光谱范围:250至499nm和500至1150nm;3)应用峰值在680nm的叶绿素吸收波段,组合700nm以上的光谱来预报上述一个或多个参数;4)利用可见色素区包括叶黄素,约从250nm至499nm和花青素,约从500至550nm,组合叶绿素波段和700nm以上的光谱来预报所有上面的参数。
先前的技术仅仅利用预测白利糖度的水果光谱。本发明用组合可见光和近红外波长区更大的光谱来预测上面提到的特性。本发明的装置和方法消除了在特定光谱区内光谱探测器的饱和问题,而同时获得检测中其它光谱区的数据,特别是水果检测中。这就是说,用CCD(电荷耦合器件)阵列或PDA(光二极管阵)探测器将探测250至1150nm区的光,但当探测从水果中出来的光谱在某些区域饱和,例如700至925nm,在其它区域信杂比(S/N)不能满足要求,且不能用于定量,例如250至699nm和高于925nm时,会妨碍关于上面提到的参数的附加信息的获得。于是,本发明的装置和方法准许1)单通道多光谱自动测量或在单通道或单次测量期间,一次测量多个光谱范围,2)组合多于一个的探测光谱范围,3)用存储的校准算法比较组合光谱,4)预报上面提到的参数。
在本发明的装置和方法中的每一种情况下,都有不同谱段的二个或多个水果光谱接收,这是这样完成的1)连续地用不同光源强度或用一个光谱仪不同探测器/光谱仪曝光时间收集不同光谱区的数据;2)用不同的光强度多个光谱仪并行接收数据,例如,用改变灯源的输入电压,或对光谱仪不同的曝光时间;但是,不同的曝光时间导致取样误差,特别是样品正在移动的地方,例如,在流水线中,由于要观测样品不同的区域;3)用同一曝光时间的多个光谱仪,不变灯强度的二个或多个光探测器,包括中性密度滤光探测器(其中滤光探测器给出与较短曝光时间相同的效果)。这种方法提供二个或多个对单光源强度所有波长强度好的信杂比的光谱,且对所有光谱仪探测器有相同的曝光时间。这种方法至少使用一个滤光输入82到光谱仪170的滤光探测器,而不是不同的曝光时间。滤光器可以是在任何光谱仪所用波长范围内等强度吸收光谱的材料,包括但不限于中性密度滤光器,Spectralon,特氟论,乳化玻璃,屏。用两个不同灯电压的双强度法证明是有问题的,因为高和低强度的光谱由于光谱中斜率不同不易组合到一起。双曝光法产生特别好的组合光谱,它对坚固度和其它特性的预测和改善白利糖度测量精度是需要的。
用本发明的装置和方法的测量被公开了,它同时在多个样品类型中进行,例如样品是苹果,测量与特定的栽培品种无关,用单个校准方程,误差为1-2分贝和±0.5-1.0白利糖度。本发明适合于实验室,可移动和在线NIR分析仪,用于同时测量多个包括苹果样品的质量参数。根据要预测或测量的特定特性和应用,可使用各种变化的校准模型,从通用的到高度专用的,例如校准可专用于变体,不同的地理位置,储存的水果对新鲜的水果和其它校准。
本发明是更大作用的NIR技术,该技术将作为包括水果质量的样品质量分级的工具。NIR提取非化学“性能”的统计校准技术的主要能力为开发对果树果实通用的NIR“质量指数”提供了技术。这种通用的“质量指数”把所有能从NIR光谱中提取的信息组合起来,并包括关于白利糖度,酸度,密度,pH,颜色和外部与内部不规则性和缺陷的信息。
低于745nm的近红外波长区,在以前的研究中尚未被开发。一般,先前的技术设计和/或所用的装置是这样:较长的波长区提供适当的数据。用近红外光谱仪测量液体中和整个水果中糖含量的先前技术是利用较长的辐射波长。没有测量其它重要质量参数,如坚固度,酸度,密度,和pH的先前技术,也没有把消费者味觉受好与组合的NIR确定多个质量参数,如糖度,酸度,pH,坚固度,颜色,和内部与我部缺陷和不规则性相关联的先前技术。
本专利将表明,从250-1150nm的波长区能用于无损测量,不仅对各种整个水果的糖含量(白利糖度)进行测量,而且也对坚固度,密度,酸度,pH,颜色和内部及外部的缺陷进行测量。例如,测量橙子的密度并与质量相关,例如冻坏的水果和干果比好水果典型地具有较低的密度和较低的含水量(亦即更大的干物质含量)。NIR密度测量可用来把低质量的水果从分类/包装线上或在超市上拿走。关于颜色色素和叶绿素的信息,与品质和质量有关,从250至约699nm获得。从约700-1150nm,短波长NIR区,可获得C-H,N-H,O-H信息。组合可见光和NIR区,给出更多的分析能力来预告水果的化学,物理和消费者性能。所有这些参数可以同时从组合的可见光/NIR光谱确定。多个参数能组合起来以达到“质量指数”,它是比单参数更好的品质或质量的测量。
被整个水果在约256-699nm区的光吸收是由色素主控的,包括叶绿素(绿色色素),它吸收在约600-699nm区。叶绿素由一组叶绿-蛋白质合成。在这些叶绿素-蛋白质合成中的改变和在其它包料中的改变,最值得注意的花青素(红色色素)和叶黄素(黄色色素)与熟化和催熟过程有关。叶绿素和色素对确定坚固度很重要。
700-925nm和更长的NIR波长容易地为普通近红外光谱仪采用时,由于下列理由,更短波长还没有开发:1)铅盐和其它类型的探测器,例如InGaAs(砷绿铟),对较短的波长不检测;2)光衍射光栅在较长波长放光,在较短波长效率很低;3)在较短波长光源没有足够能量输出,以克服强的光吸收和生物(植物和动物)材料在可见光区(250-699nm)的散射。
本发明是一种测量装置和方法,用可见光/近红外(VIS/NIR)分光镜技术测量糖含量(也称为白利糖度或可溶性固体,它与干物质含量呈反比关系),坚固度,酸性,密度,pH,颜色和内部及外部的缺陷和不规则性。该设备和方法成功地测量一个或更多个在苹果,葡萄,橙子,土豆和樱桃中的这些特性。本发明证明了组合化学和物理特性数据预告消费者特性的能力,如味觉,外观和颜色;收获变数,如收获的时间;和储存变数,如坚固度保持和直至变坏的时间的预测。
附图说明
本发明的前面和其它特性优点,借助于参考下面的优选例和附加例,并结合相应的附图将变得比较容易理解,其中:
图1是测量和相关水果与组合可见光和近红外光谱特性的装置顶视图,表示本发明的一个实施例,图示一个样品座,具有固紧或弹簧位移的特件对支撑物加力,表示于此的基本上是半球,与有样品表面的样品接触,并防止样品运动,表示的样品是一个苹果,具有光探测器固紧或弹簧位移的物件放置或支撑光探测器与样品表面接触,光源最接近样品表面,光源位置相对于光检测器在0和90度之间,例如典型地为45°。光源和光探测器的指向通常垂直于样品表面。光源可以是,例如,钨/卤灯。一个选择的滤光器或作为保温功能的滤光器,带通和/或截止滤光器可放在光源与样品之间,或样品与光谱仪之间。光源可以是,例如但不限于来自光谱仪的5瓦灯源或一个或多个外部光源,它们由CPU控制,功率高至每个1000瓦,但比较典型的是50瓦,75瓦或150瓦。从光检测器的输出,表示在此的是光纤传感器,变成在光谱仪内的光探测器(如CCD阵)的输入。样品座、光探测器坚固件和具有光源坚固件的光源固定在平板或其它固定物上。其它固定件可用于固紧或放置在测量期间只需要保持相对于光源和光探测器位置的样品。
图1A是图1的侧视图部分。
图1B是图1的侧视图部分,表示无样品的光源坚固件。
图1C是流程图,表示本发明的方法。该流程图代表了本发明的所有实施例。
图1D是流程图,表示本装置和方法,说明照射样品的光源,来自样品的光谱光收集通道1…n(光探测器1…n),作为供给光谱测量设备的输入,这里表示的是光谱仪1…n。光谱仪1…n的通道输出1…n被模-数变换,并变成对每个通道的CPU输入。CPU是每一步控制的计算机程序,在本流程图中的CPU说明代表控制活动的计算机程序。CPU输出也是对每个通道1…n的,其中步骤1)计算对每个通道1…n发生的吸收光谱,2)把吸收光谱组合到从样品由光谱仪1…n探测的整个波长范围。3)数学处理,例如平滑或箱车平滑或计算偏差,4)用储存的校准光谱对每个检查的样品特征1…x比较处理的组合光谱,5)分类决定根据步骤(4)的结果做出,或6)进一步组合和比较检查样品的每一个特征1…x的量化结果。吸收的计算如下:一旦收集了黑光谱,基准光谱和样品光谱,对它们进行处理以计算吸收光谱,Beer’s定律表明它们正比于浓度。可能包括背景/环境光的黑光谱从样品光谱和基准光谱中减去,然后计算基准光谱以10为底的对数被样品光谱除,这就是吸收光谱。注意,黑光谱和基准光谱可周期性地收集,亦即它们并不需要按每个样品光谱来收集。如果光源和探测器是稳定的并无漂移,则可应用储存的黑和基准光谱。预处理是业内人士熟知的技术,如重新分级,平滑,波长比,取微分,光谱归一化,波长减等等。然后把处理的吸收光谱与储存的校准算法比较,以产生代表一个或多个特征的输出,例如样品30的坚固度,白利糖度,pH,酸度,密度,颜色,和内部及外部缺陷或酸度。
图1E是流程图,表示本装置和方法,说明作为宽频带源的光源,例如钨/卤灯,它照射样品;至少一个,但在优先例中有多个,离散波长滤波(带通)的照相探测器提供对来自样品光谱的光收集通道1…n的光谱探测。被探测的光谱的管理如图1D所示。
图1F是流程图,表示本发明的装置和方法,说明由离散波长光辐射二极管(LED)提供的光源,它可以依次点亮来照射样品;至少一个宽波段照相探测器和在另一个例子中至少对每个LED一个宽频带照相探测器提供对来自样品光谱的光收集通道1…n的光谱探测(照相探测器1…n)。被探测的光谱的管理描述于图1D中。这一例中的另一种光源包括,但不限于可调谐二极管激光器,激光器二极管和在光源与样品之间或样品与照相探测器之间的滤波器轮的应用。
图2是表示至少一个光源的顶视图,图中示出了单个光源,选择滤波器和至少一个光探测器,一组最接近样品的表面的光探测器。这一图表示光探测器相对于投射在样品表面的光方向的指向。有一个光探测器的指向约与光源投射光方向成45度,第二个光探测器的指向约为180度。在这一图中,光探测器处于与从光源来的共同一平面。光探测器的输出作为供给光谱仪的输入示出。该输出可组合起来,以提供单个输入给单个光谱测量和探测仪或可以分别的形式输入分别的光谱仪。对于单个测量仪的情况,可以使用快门且交互激活以分别依次提供来自每一测量位置的光输入,于是产生两个来自样品不同深度或位置的光谱。
图2A是图2的截面图,样品已移走。
图2B是顶视图,表示单光源,具有选择滤波器和多个光探测器,它们接近和指向照射的样品表面,表示两个光探测器都从相对于光源投射光方向约45度的指向。在这一图中,光探测器指向同一平面,它垂直于由光源投射的光。
图2C是图2B的仰视图。
图2D是图2C的截面图,表示屏蔽方法或装置,例如以波纹管或其它屏蔽物的形式屏蔽光探测器,避免环境光并定向光探测器探测从样品输出的光谱。
图2E是图2的光探测器与样品之间屏蔽设备的细节,在这一图中表示的波纹管式的屏蔽。其它屏蔽装置和方法将提供同样的屏蔽结构。
图3是表示光源和光探测器结构的另一实施例的顶视图,其中光源由光纤从照射源连通,例如像光谱仪中的灯;光探测器由光检测器提供,例如光纤或其它传输装置,以各种与光源的相互关系定位。
图3A是图3的截面,表示光源120或灯123由光源光纤从光源120或灯123传输的实施例,光源至少与一个探测光纤或光探测器80同心,光源和光探测器可以如图1所示。另一种光源可以由作为一组光源表示在此的至少一个光源提供。它可以依次点亮辐射二极管辐射离散的波长;在采用LED的地方,光检测器或光探测器可以是宽频带光电二极管探测器,其中心为共心定位的LED。图3A表示光源或灯(和可替换LED)围绕宽频带光探测器(和可替换宽频带光敏二极管探测器255)同心放置时,将认识到本例的这种光源,以及其它例的光源120/LED 257可用其它布置来代替。这两种和其它结构也适合滤波光敏探测器255和宽频带灯123设计的应用。
图3B是图3的截面,表示光探测器或光探测器光纤围绕至少一个光源或光源光纤的例子。光源和光探测器可以如图1所示。可以提供另一种光源和光探测。在本例中,中心放置的光源可以是灯或从光谱仪的光发射;光探测可以是在光纤与灯之间有离散带宽滤波器的光纤传输,限制由任何单个或一组光纤的传输。可替换的是,光源供给和探测可以是分路反射探针;反射探针可提供一个或多个光供给源和一个或多个光探测器,它对一个或多个光谱仪提供输入。
图4是顶视面,表示另一种光源和光探测器结构的实施例,那里至少一个,本例中是两个,光源由光纤从照射源连通,例如像光谱仪中的灯或由计算机控制的外部灯;光探测由光检测器提供,例如光纤或其它传输手段,以各种对光源的相互关系放置,探测来自样品的输出,并提供对光谱仪的输入。
图5是顶视图,表示本发明手持情况的另一种实施例,光源和光探测器放置在取样头中。在本例中,取样头中至少有一个光源,它可以是钨/卤灯,相对于离散波长滤波光敏探测器放置。需要屏蔽光敏探测器避免光源和环境光的方法或技术,图中示出了例如,由柔性或可压缩的泡沫塑料、波纹管和其它这灯材料或结构提供的环境屏蔽。在这一图中,取样头这样布置,使光敏探测器布成相对于光源共心的阵。光源可由光纤从照射源连通,例如箱内的灯或在取样头内放置的灯,例如宽频带输出灯,例如钨卤灯,它们放在共心光敏探测器阵的中心。光源可与样品表面接触或最近样品表面。在光源与光探测器和计算机处理器之间的实施电连通。满足光谱仪或光谱测量功能的光敏探测器,为储存校准算法的微处理机的处理提供输入,以产生代表一个或多个样品参数的输出。本例的工作可见图1E,其中所有部件部封装在箱250内。
图5A是图5的侧视图,表示装在样品头上的样品。
图5B是图5例的说明,其中联样头260以夹子263的形式,它至少有两个夹子爪266,接收和坚固至少一个灯123在至少一个夹爪结构内,且至少一个光探测器80在至少一个夹爪结构266内,当夹子263闭合时,夹爪266接收样品30。把它放置在至少有一个灯123和至少有一个光探测器80最接近样品的表面35的地方。光探测器80作为光纤示出,它把来自样品的光谱传至滤波阵130,光敏探测器255或光谱仪170传输光谱。输出82将如图1D或1E所示管理。
图5C是图5滤波130光敏探测器255阵的截面图。由光纤80从样品探测的光谱这样传输,使光纤在滤波130光敏探测器255阵共心的中心。定位结构79坚固和相对于滤波130光敏探测器255放置光探测器。
图5D是图5例的说明,其中取样头260在至少有两个夹爪266的夹子263中,该夹子接收和坚固至少一个灯123在至少一个夹爪266内,和至少一个弧形光敏探测器阵90在至少一个夹爪266内,这样,当夹子266闭合时,夹爪266接收样品30,放置在至少一个灯123和至少一个弧形光敏探测器阵90最接近样品表面35的地方,弧形光敏探测器阵90作为滤波130光敏探测器255阵示出。当接收样品时,该阵将与灯等距离。输出82将如图1D或1E所示管理。
图5E是图5D的光敏探测器阵的截面图。
图6是顶视图,表示本发明手持情况的附加例,以取样头的形式示出光源和光探测器结构。在这一例中,取样头中至少一个光源相对于至少一个光敏探测器放置。需要屏蔽光源和光探测器或光敏探测器避免环境光的方法或技术,作为环境屏蔽,例如,示出了由柔性或可压缩泡沫塑料,波放管,如图2D和2E结构所示出,和其它同样认可作为提供这种屏蔽结构的物体所提供的屏蔽。在这一图中,取样头这样布置,使至少一个光探测器或光敏探测器位于离散波长光辐射二极管同心阵的中心。在本例中,光辐射二极管满足光源的功能,并依次点亮,输出光谱由至少一个光探测器或光敏探测器探测。这一实施例的工作可见图1F,其中所有部件封装在箱250中。
图6A是图6取样头的截面图,表示环境屏蔽,光辐射二极管和光敏探测器或由附加特固定在取样头内的光探测器。也示出了从光探测器的输出。
图6B是代表本发明和图6例的附加例的仰视图,其中取样头固定在盒子里,光探测器由附加物固定在取样头内,取样头接收样品,放置在由光源灯照射的地方。本例表示盒子有盖,作为环境屏蔽。此外,最简单的取样头结构可以是可压缩或柔性泡沫塑料或波纹管,它提供能屏蔽环境的结构。光源输入例如可来自光谱仪,从光敏探测器的输出可输入到光谱测量仪,如有探测器的光谱仪。
图6C是图6B例的平面图,表示一组光探测器,示在这里作为光纤光探测器。在这一图中示出的是两个光探测器。其中一个最接近光源,另一个在光源的远端,其目的是为提供两个不同的路径长度,浅的和深的,借助于取远端或深的光谱与近的或浅的光谱之差,可获得更高精度的数据。这种差分方法提供路径长度校正,以改善浓度或性能或样品特征的预测。
图6D是图6B的截面细节图,表示光源,灯,光源固定物,盒子,取样头,最接近和远离光源的光探测器,光源输入和光探测器输出。
图6E是图6实施例的仰视图,其中取样头结构提供环境屏蔽结构。
图6F是图6E的截面细节,表示固定在样品头环境屏蔽结构内最接近和远离光源的光探测器,有灯输入的灯,光探测器输出和盒子。
图7是侧视图,表示在包装/分类线上的另一实施例,图示由托架固定和放置的光源和光探测器,光探测器夹具和光源固紧物,它作为一种结构,至少可吊载,刚性固紧和其它安装一个光源和一个光探测器,包括有杆,棒和其它这一类托架卡具物。至少一个光源定位于照射样品,在本图中是一个苹果。至少一个光探测器由托架定位,且光探测器固定于探测来自样品的光谱输出。在本图中样品由样品传输机输送。总体曝光于至少一个光源和至少一个光探测器的时间将受被探样品的性质和具体例子的限制,例如在分类/包装线上对苹果的取样时间限于5毫秒或更短。但是应认识到,其它取样时间和策划将在本发明的应用范围内。至少一个监视样品的光探测器以相对于至少一个光源投射的方向约30度的指向探测光,尽管如此,各种其它的光探测器相对于光源的布置也是有用的。光源和光探测器定位于最接近样品。光源灯可从光谱仪或外部由CPU控制供电。光探测器可以是具有被探测光谱的单个光纤,形成对光谱探测仪的输入,例如光谱仪。被测光谱的处理如图1C和1D所述。
图7A是图7的截面图,表示光源,样品输送系统,托架夹具,光源固紧物,灯输入和当样品移入光源的照射并向着光探测器时的光谱仪。
图7B是图7的截面图,表示光探测器,样品输送系统,托架夹具,光探测器夹具,光探测器输出,光谱仪,和作为样品的探测器移向并在光探测器之下。
图7C是仰视图,表示至少一个光探测器80和所示的一组光探测器80,代表一组光谱区的测量。滤波130光探测器80代表700至925nm光谱的探测,另一个光探测器80代表红色素和叶绿素在500至699nm范围内和926至1150nm范围内的探测,另一个光探测器80代表黄色素区在250至499nm范围内的探测。两个附加的光探测器80位于光源120灯123的对面,这样,使样品将通过灯123和光检测器80之间,并代表分别工作于250至499nm和500至1150nm范围的基准光谱仪的输入。在有苹果的地方,将期望附加的基准通道并不探测样品输出的光谱,并将指出样品的存在或不存在。于是,这一基准通道信息可用于帮助选择最佳样品光谱用于预测。在光源与光探测器和/或样品之间可采用屏蔽,例如,选择包括但不限于1)作为屏障的光屏蔽可以从托架夹具在光源和光探测器之间延伸,以减少光探测器直接曝光于光源,2)光屏蔽可在光源和光探测器及样品之间延伸,形成光源与样品之间的光屏蔽装置,限制从样品向光探测器的表面反射,3)光屏蔽可提供滤波器功能,例如在光源与样品之间热阻断,截止和带通,限制对样品的加热或烧坏的可能性。
图7D是图7C的截面图,表示从侧面照射样品的灯。如图所示,作为苹果的样品从其柄部分被照射。
图7E是7C的截面图,表示光探测器80中的一个。
图8是侧视图,表示图7中装置的附加例,其中至少一个光屏蔽是由托架夹具物安置的,当样品由样品传送机在光源下并通过光源向着并在底下向光探测器传输时,以使至少一个光源与至少一个光探测器分开。光屏蔽可以是一种屏障,如图8所示,作为屏障由两部分组成,每一部分都从托架夹具吊下来。至少两个屏障部分重叠,并当样品通过时分开。
图8A是图8的截面图,表示光屏蔽和至少一个屏障,光源,和当样品在光屏蔽之下并与光屏蔽接触移入时的样品输送系统。图8B是图8的截面图,表示光屏蔽,至少一个屏障,光探测器和当样品在光屏蔽下并与其接触移入时的样品传送系统。
具体实施方式
本发明的装置和方法图示于图1至图8中,图1C,1D,1E和1F是流程图,说明本发明的方法。流程图图1C是所有本发明实施例的代表。流程图1D表示一个或多个光源120和从光探测器50通过样品特征最后预测的多个通道。图1D说明本发明的装置和方法,表示光源120,它可以是灯123或其它光源,它照射样品30内部36,光收集通道1…n,例如由光纤80或光敏探测器255组成,例如来自样品光谱的光探测器1…n,提供对光谱测量设备的输入,这里示出的是光谱仪1…n 170。在优选例中,具有灯123的光源120是光谱仪外部的,并由CPU 172控制,它触发能量125给光源120灯123。光谱仪1…n 170通道输入1…n由A/D变换器把模拟信号变成数字信号1…n 171,并对每一通道变成对CPU 172的输入。CPU 172是由每一步控制的计算机程序。在这图中,CPU 172的是控制活动的计算机程序代表。为每个通道1…n提供CPU 172输出的步骤是:1)计算发生在每个通道1…n的吸收光谱,2)把吸收光谱组合到由光谱仪1…n 170从样品检测到的整个波长范围内的单一光谱中,3)数学预处理或预处理175,例如平滑或箱车平滑或计算偏差、4)预测或预示176,对每一通道把经处理的组合光谱175与存储的校准光谱或校准算法177比较,用于每个特征1…x 178,例如白利糖度,坚固度,酸度,密度,pH,颜色和外部及内部的缺陷与不规则性,这些都是样品要检查的指标,接着5)决定或进一步组合和比较每一特性1…x的定量结果,例如确定内部和外部不规则性缺陷170,180;确定颜色181;确定质量指数,如口感质量指数182,外观质量指数183和分类或其它决策184。例如,分类或其它决策184可以是输入进程控制器,用来控制包装/分类线或可确定收获的时间,从冷藏里移出的时间和运输的时间。图1到图8中表示的装置并没有全部说明从样品30照射到预测结果(如图1C,1D,1E和1F)的整个流程图次序。对于信号处理的说明,可参考所指明的附图。
图1E是流程图,说明方法和装置,表示光源120作为宽频带源,例如钨卤灯,它用来照射样品30;至少一个,但在实施例中是一组离散波长滤波(带通)光的探测器255,它有滤波器130,提供来自样品光谱的光收集通道1…n(光敏探测器1…n)的光谱探测。在本例中,具有灯123的光源120由CPU 172控制,它的触发能量供给光源120的灯123。从样品表面探测的光谱由作为光探测器80的光纤传送给光敏控制器255。被测光谱的管理如图1D所述。代替这一实施例,可采用AOTF(声光调谐滤波器)代替至少一个或一组光敏探测器作为光谱探测设备。
图1F是说明本装置和方法的流程图,表示由至少一个,但本例中是一组离散波长光辐射二极管257提供的光源,它可依次由CPU触发器用作电源点亮光源来照射样品30;至少一个宽频带光敏探测器255,在另一个例中,用于每个LED至少为一个宽频带光敏探测器,提供对来自样品光谱的光收集通道1…n(光敏探测器1…n)的光谱探测。被测光谱的管理如图1D所述。用于本例中的(另)可替代光源包括但不限于可调谐二极管激光器,激光二极管和放置在光源与样品之间或样品与光敏探测器之间的滤波器。
图1,1A和1B表示无损伤水果品质和质量测试仪1的实施例,用于测量和相关水果的组合可见光和近红外光谱的特性,表示样品座5具有固紧或弹簧位移物9,它对支撑物12加力固紧并接触样品。图1中所示的支撑物基本上是接收样品30大小的半球。样品具有样品表面35。至少一个灯源120要最接近样品表面35。光源120至少包括一个灯123,可选择滤波器130。这里图示了两个光源120,每个灯的方向基本上与样品表面35正交并且彼此相对约60至90度照射样品。光探测器80以相对于从光源120的投射光约30至45度方向探测来自样品表面的光。光探测器80由光探测器固定物50定位,它有光探测固紧或弹簧位移件60放置、支撑和/或推动光探测器与样品表面35接触。光源120的监视由向着灯123方向的光探测器80进行;这些基准光探测器80的输出82由基准光谱仪170探测;用基准光探测器80依次测量和光探测器80指向样品表面可代替使用两个光谱仪。所有光探测器由光探测器固定物50用光探测器固紧或弹簧位移物60固定于平板7或其它容器,如盒子。推动支撑物12对样品用力的固紧件9也推动样品的档着探测器固紧件9和支撑物12与光探测器80和光探测器固紧件60组合在一起,保证避免样品移动。在图1中所示样品30是一个苹果。光源120可以是钨/卤灯,选择滤波器130或作为隔热的滤波器130,带通或截止滤波器,分别或组合放置在灯123和样品30之间,或样品30与光探测器80之间。光源120可以是灯123,由外部提供例如50瓦,75瓦或150瓦的灯,它们由计算机CPU控制。电源125可由光谱仪170提供或另一电源提供。光源和光谱仪都由CPU 172控制,它们的工作被精确地控制并用数字输入/输出(I/O)触发器最佳同步。光探测器80,这显示出的是光纤传感器,提供光探测器输出82,它成为光谱仪170的输入,或其它光测量或处理仪的输入,该输出由探测器200探测,例如,至少一个探测器设备或器件(如CCD阵,它可以是光谱仪170内的CCD阵)。样品夹具5,光探测器夹具50和光探测器固紧件60和具有光源固紧件122的光源都固定于平板7,为了实验的目的将另外封装和/或固定在容器,盒,箱,或其它内,或其它商业用夹具内,例如,应用包括但不限于在高速分类和包装线上样品的测量,收获机,卡车,传送带和实验室。其它托架,夹具或物件可用来固紧或定位样品夹5,光探测器50和/或样品30。对后者需在测量期间保持样品相对于光源120和光探测器50的位置;固定方法包括焊接,螺栓,螺丝,粘结,薄板成形和其它可用于实验或商业目的的方法。
图2,2A,2B,2C,2D和2E表示无损伤水果质量和品质探测仪1的另一种实施例,示出了单光源120,灯123和选择滤波器130,多个与样品表面35接触的光探测器80。图示光探测器80相对于样品30或样品表面35的位置指向屏蔽光探测器80避免环境光的方向,试图说明在光探测器80和样品表面25之间,或直接接触或用屏蔽物84屏蔽,例如用波纹管,泡沫塑料或其它柔性或可压缩的物体,或提供密封结构的装置或保证光探测器屏蔽环境光和来自光源的光并只接收来自样品30的光谱输入的装置。光源120相对于光探测器80的定位表示一个光探测器80相对于光源120照射样品30方向约45度的θ角。第二光探测器80以约180°的γ角指向光源120直射方向。光探测器以约180°指向光源直射光方向可以是用于检测样品内部不规则性的位置,例如在Tasmecnia Jonagold苹果内的不规则性,如水芯,烂芯,内部变褐/软化,二氧化碳损害,和在某些情况下,虫灾/大面损害。在本图中,建议光探测器80有许多可能的位置,其指向与样品和要检测的特性有关。在本图中,光探测器80位于与光源120发射光同一平面内探测。光源120与光探测器80之间的180°指向有利于较小的样品。较大的样品30将衰减光的传输,于是需要光探测器最接近光源,以保证曝光输出82样品30的特征光谱。光源120与光探测器80的指向对水果的大小,果皮和果肉或新鲜性检测。样品30为苹果时的指向避免180°,因为光源120的接近程度和强度极可能损害或烧坏苹果的皮。但是,橘子皮不太检测且能承受,不会造成高强度光源120和与橘子皮紧密接近导致商业上的降级。通常,信号输出或光探测器输出80与光源相对于样品30和样品表面35和光探测器80的指向有关。
图2B和2C表示光探测器的另一种指向,其中光探测器80以相对于光源120直射光45°θ角指向。这一图说明两个光探测器80分开约90°并近似同平面探测光。从这些图中认识到一种变通技术,光源和光探测器的定位将依赖于所要做的测量。图2D和2E表示屏蔽方法和设备,例如以波纹管或其它屏蔽物84屏蔽光探测器避免环境光,并使光探测器只探测来自样品的光谱。屏蔽84的结构可以是可弯曲或柔性橡皮,泡沫塑料或塑料,它可适应样品的表面不规则性,且提供在屏蔽材料与样品间的密封作用,消除环境光导入与光探测器接触。屏蔽84在图2D和2E中表示为波纹管的形式。
图1,2-4,6,7和8表示可由光谱仪170(如同图3的情况)或由CPU 172控制的外部灯(如同图1,2,4-8的情况)提供的光源。在图1-4,6,7的8的全部情况中,采用钨卤灯或等效的灯,它通常产生在250-1150nm范围内的光谱(当灯丝温度为2500至3500°K时)。用于本发明的光源可以是宽频带灯,例如但不限于钨卤灯或等效的灯,它可产生250-1150nm范围内的光谱;其它宽频带光谱灯,与样品30要测的特性和实施例有关也可采用。光探测器80输出82通常由光谱仪170接收,该光谱仪有探测器200,例如CCD阵。
图3,3A和3B表示无损水果品质和质量测试仪-组合具有组合源/探测器135的组合单元126的组合单元15。本例中光源和光探测方法可以是光源120,灯123和光探测器80构成,其中光源120的灯123由光纤从照射源连通,例如在光谱仪170中的灯;光探测由光探测器80提供,例如光纤或其它光的传输状态,以与灯123的各种相互关系定位,如图3A和3B所示。图3A是图3的截面,表示组合源/探测器135的组合单元有另一个光源和光探测器;作为一组光源示出的光源可以依次点亮光辐射二极管257,辐射离散的波长;光探测器可以是宽频带光敏二极管探测器255,放在同心设置的LED的中心。组合单元126和样品夹具5安装于平板7或其它安装或容纳夹具,盒,箱或其它适合于商业或实验用的设备,例如用托架或其它安装物,使其固定或有弹簧或其它位移功能推动组合单元126和样品夹具5顶住样品。光屏蔽84,如图2D和2E所示,为用在组合源/探测器135与样品表面35之间。图3B是图3的截面图,表示组合单元126的附加例,其中光源120灯123中心放置,例如从钨卤灯来的光通过光纤与至少一个,这里表示的是一组,离散波长光敏探测器同心。至少一个探测光纤或光探测器80的输出是光谱仪170或其它光谱测量仪,如光敏探测器255的输入,图示的是有控制器200的光谱仪。
另外,对图3B实施例的光源供给和探测可由分路反射探针来进行;另外,认识到探针可提供一个或多个光供给源和一个或多个光探测器,提供对一个或多个光谱仪的输入。在图3A表示LED 257围绕宽带带光敏探测器255同心放置的同时,将认识到本例的LED,以及其它例的光源120可放在其它布置时,例如光敏二极管探测器255,以及其它例中的探测器80可在LED257中相对180°放置,样品30放置在LED 257和光敏二极管探测器之间,例如对樱桃和葡萄;另外,LED 257可放置在一个弧上,与样品的关系等距但与光敏探测器255 180°相反。这两种布置都建议了LED257(光源120),光敏二极管探测器255(光探测器80)和样品之间的相互定位关系,以及采用其它类光源和探制器的情况,例如用宽频带灯123的滤波光敏探测器255的使用,如图5所示。在这一实施例中,特别的样品30类型结合特别的要测的特性将要求光源120和光探测器80相对于样品30的布置图型,另外,认识到这里所用的光源包括宽频带灯,如钨卤灯,LED和其它光辐射器件;这里所用的光探测器包括光纤,光敏二极管探测器和其它对光检测并能检测光的器件。
图4是顶视图,表示无损水果品质和质量测试仪的另一实施例,示出了至少一个光源120和灯123和光探测器50的结构,其中至少一个,本例中是两个光源120和灯123由光纤从灯123或外部光源的照射源连通至/最接近样品表面135。在本实施例中,光探测器80和光源120与样品表面135接触,光探测器80探测从样品来的光谱输出,并提供光探测器对光谱测量或处理仪器或方法的输入82,例如有探测器200的光谱仪170。对某些样品,光探测器80将插入样品30,这样实现光探测器避免环境光的屏蔽,例如安装在收割机上的应用或在处理工厂,那里要处理的产品是例如甜芽或葡萄。此外,图2D和2E表示的光屏蔽84可用于样品30和样品表面35与光探测器80和光源120和灯123之间的相互关系。图4所示是从至少一个光探测器80的光探测器输出80的连接,形成对光谱测量或处理仪的输入。认识到本例的每一部件由通常的方法固定在平板7或其它安装或容纳夹具,盒,箱或其它适合于商业或实验(目)的设备。
图5是顶视图,表示手持无损伤水果品质和质量测试仪1,示出了光源120和至少一个光探测器80,在这里表示的是六个探测器80,构成取样头260的形式。在本例的取样头260中,至少一个光源120和灯123位在相对于由至少一个离散波长光敏探测器255提供的光探测器。图5所示是一组离散光敏探测器255,满足光探测器80和光探测仪,例如CCD阵探测器200的组合功能。这一实施例的工作见图1E,其中所有部件封装在盒250内。取样头260与计算机控制线路之间的电子与计算机通讯通过电信号电缆或无线,包括红外的或其它这类传输方法或装置。取样头260环境屏蔽262将提供屏蔽方法或装置,例如在屏蔽至少一个光敏二极管255和灯123避免环境光方面满足图2D和2E中屏蔽的相同或类似结构功能,图5和5A中所示的取样头260和环境屏蔽262可由柔性泡沫塑料形成,在其内,至少一个灯123和至少一个光敏二极管255可由夹具固紧。组成样品头260和环境屏蔽262的材料和结构可以是塑性或柔性泡沫塑料,做成波纹管或其它类似图2D和2E中指出的形式。柔性泡沫塑料对做成环境屏蔽262的应用借助于样品表面35环境屏蔽262之间的密封将起到密封或避免至少一个光敏探测器255和灯123暴露于环境光的作用。其它屏蔽装置和方法将提供充分的屏蔽结构,包括波纹管,密封取样头260和样品30的盒或箱。或其它提供在环境光与联样头260至少一个光敏探测器255和灯123以及样品30和样品表面35之间的界面之间屏蔽的物件。本实施例的工作见图1E,其中所有部件密封在盒250内。
图5和图5A表示布置成至少一个,图5中是一组离散波长滤波130光敏探测器255的同心阵,其中心为至少一个光源120。光源120灯123,它可由光纤从照射源接通,例如盒150内的灯,或特殊例子如橙子,可与样品表面接触或最接近样品表面35。在光源120和光敏探测器255和光谱仪170之间的电通讯和光通讯用光纤和/或有线,印制电路路径,电缆来实现。光敏探测器255满足光谱仪或光谱测量功能,提供输入82,它将由储存校准算法的微处理机处理,产生代表一个或多个样品参数的输出。图5A也是图5的侧视图,表示定位在取样头上的样品。
图5B,5C,5D和5E表示本发明特别对小的样品的实施例,例如葡萄和樱桃,其中取样头260是至少有两个夹爪266的夹子263的形式,它接收并固紧至少一个具有光源输入125的灯在至少一个夹爪结构266内,和至少一个光探测器在至少一个夹爪266内,这样,当夹子闭合时,夹爪266夹住样品,使至少一个灯123和至少一个光探测器最接近样品表面35。光探测器80作为从样品向滤波130光敏探测器255或光谱仪170传输光谱的光纤示出。输出82将如图1D和1E所示管理。图5B表示光探测器作为从样品30向要显示在滤波130光敏探测器阵255上传输光谱的光纤示出,其中光纤80位于把来自样品的被测光谱传给同心滤波130光敏探测器255阵的中心。定位结构79,它可以是与光敏探测器件中心的光探测器相互接触的管子,光探测器80相对于滤波130光敏探测器255固紧并定位。准直透镜78放置在光探测器80光纤和阵255之间,保证来自光探测器80的光垂直于滤波130光敏探测器阵255。图5F表示弧形光探测器阵90被接收和固紧于至少一个夹爪266内,其中在光敏探测器阵90的光敏探测器255最好与光源120或灯123等距。
图6至图6F表示无损水果品质和质量测试仪1的附加例。图6是顶视图,表示本发明手持情况的附加例,示出了LED 257形式的光源和光探测器80,后者是光敏探测器255的形式,构成取样头260。用LED 257和光敏探测器255的结构,光敏探测器255没有用滤波器,亦即波长带通滤波器,并对约250-1150nm检测。提供光源和光探测的另一种器件或方法包括,但不限于二极管激光器和其它产生离散波长光谱的光源。在本例的取样头260中,至少一个LED 257和如图6所示的一组LED 257相对于至少一个光敏探测器255放置。需要屏蔽LED 257和光敏探测器/光敏二极管探测器255避免环境光的方法或技术,它作为环境屏蔽262示出,包括可压缩和柔性泡沫塑料,例如2D和2E的屏蔽结构84表示的波纹管,和其它这类材料、结构、或技术。在本例中,取样头260布置成至少一个光的探测器/光敏二极管探测器255位于同心离散波长LED 257阵的中心。在本例中,光辐射二极管257满足光源的功能,并依次由至少一个光敏探测器/光敏二极管探测器255探测的光谱输出点亮。光敏探测器255输出82由图1F的说明来处理。
光敏探测器255响应于宽范围波长,包括可见光和近红外(亦即约250-1150nm)。当每个LED 257被点亮时,光进入样品30,与样品30相互作用,并再次发射由光敏探测器255探测的光。光敏探测器255产生正比于被探测光强度的电流,该电流被转换成电压,然后经模数变换器数字化。该数字信号由放入的微控制器/微处理器储存。在优选例中所用的微控制器/微处理器是Infel 8051。但是,其它微处理器和其它设备和其它电路将执行所需的任务。当每个LED被点亮时,由光敏探测器255探测的信号被A/D变换后储存。在每个LED 257被点亮并被变换信号储存后,微处理器储存的读数组合起来以产生与LED 257一样多的数据点组成的光谱。然后,这一光谱被放入的微处理器组合以前存储的校准算法使用,以预测感兴趣的样品特性。然后,进行如图1F所示的信号处理。图6A是图6的截面图,表示取样头,示出了环境屏蔽262,例如由可压缩泡沫塑料或波纹管或其它这种结构组成,例如橡皮塞,最初为真空固定夹具设计,它看起来很像抽水马桶的塞子,但有比较和缓的曲线,并可变各种尺寸,包括1毫米直径和更大;在某些实施例中,20毫米的橡皮塞与光纤固定夹具一起用,作为与塞子配合的“手柄”。样品在测量之前用塞子密封。其它设备或方法也将提供所需的如这一规范中所说明的密封结构,还示出的是光辐射二极管257和光探测器/光敏二极管探测器80,它们用固定件固定在取样头内。固定件将由托架件和其它安装结构(一种认可的变通技术)组成。从光探测器80的输出82,如同图1F所示处理盒子250一样示出。
图6B,6C和6D代表本发明的附加例,其中取样头260固定在盒250内,光探测器由固紧件固定在取样头260内,取样头260容纳样品30,它置于光源120灯123的照射下。本实施例表示有盖的盒子作为环境屏蔽262。另外,取样头的结构可以是可压缩或柔性泡沫塑料或波纹管,它可提供能屏蔽环境的结构。在样品30就位后环境光也能被测量,但是要在光源120灯123接通以前。这一环境光信号被储存并在以后的测量中要减去它。光源输入电源125,例如来自光谱仪170或可来自CPU 172的触发器或其它外部灯源和/或电源。如图1F所示一样示出并处理从光探测器/光敏二极管探测器80的输出。
图6E和6F代表本发明的一个实施例,其中灯123在取样头260内。另外,灯123可以由环境屏蔽262内的固定件定位。
本发明的包装/分类线形式的另一实施例示于图7,7A和7B,示出了光源120和光探测器30,它们被固定和定位于托架件275,光探测器夹具50和光源固紧件122,它被认为可吊挂至少一个灯源120和至少一个光探测器80的安装结构,由刚性固紧和其它包括棒,杆,和别的支撑件275夹具等应用的定位。至少一个光源120定位于照射样品30,本图中画的是苹果。至少一个光探测器80由支撑件257和光探测器夹具50定位,用来探测来自被照样品30的光谱输出。本图中样品30的样品传送机传送。对至少一个光源120和至少一个光探测器80的总曝光时间由所用光源的强度和被测样品的性质决定。对苹果,5-10毫秒或更少的曝光时间通常就能提供在传送线速度为20米/秒时对每个苹果的多次测量。图7中所示至少一个光探测器80与光源120分开约90°,且光探测器80和光源120基本上在同一平面内与样品垂直。但是,对本发明的每一实施例,光探测器80和光源120相互间相对定位和与样品的相对定位与样品的特征和要测量的特征有关。例如,光源120可定位于离光探测器80指向的平面90°指向的平面内垂直指向样品表面30。光源120和光探测器80放置最接近样品30。光源120灯123可由光谱仪170供电或其它外部源供电,如图1讨论中所说明的。光探测器80可以是具有被测光谱的单个光纤,形成对光谱探测仪,如光谱仪170和探测器200的输出82。被测光谱的处理如图1e所示。
用于分类/包装线的另一实施例见图7C,7D和7E,表示至少一个光探测器80,图示为一组光探测器80,代表一组光谱区的测量。滤波130光探测器80代表700-925nm光谱的探测,另一个光探测器80代表在500至699nm范围内红色素和叶绿素的探测和在926至1150nm范围内水,酒精和物理质量(例如坚固度,浓度)信息的测量,另一个光探测器80代表在250至499nm范围内黄色素的探测。两个附加光探测器80相对光源120灯123放置,这样,使样品将通过灯123和光探测器80之间,代表对两个基准光谱仪170的输入,一个监视250-499nm波长区,另一个监视500-1150nm区。样品为苹果时,可期望附加的基准通道将不探测样品的输出光谱,但指示是否有样品存在。基准通道的输出可用作目标探测器,用来确定来自样品光探测器的哪些光谱需保留为预测中用。在光源120灯123与光探测器80和/或样品30之间可用屏蔽,例如选择包括,但不限于1)作为屏障285的光屏蔽可从光源120灯123和光探测器80之间的支撑夹具延伸,以减少光探测器80直接暴露于光源120灯123,2)光屏蔽285可在光源120灯123和光探测器80和样品30之间延伸,其中将形成在光源120灯123和样品30之间的光屏蔽284内的一个孔径,以限制从样品表面至光探测器80的表面反射,3)光屏蔽284可提供滤波器130的功能,例如在光源120灯123与样品表面35之间隔热,截止和带通,以限止样品被加热或烧坏。
图8,8A和8B是另一个实施例,其中光屏蔽284由支撑件275定位,当样品30由传送机295在光源120和灯123下并通过光源120和灯123和在光探测器下并向着光探测器传送时,使至少一个光源120和灯123与至少一个光探测器80分离。光屏蔽284可以是屏障285,如图8所示出的,它由至少一部分,图8A中是两部分或多个部分组成。每一部分都从支撑件275吊挂。在有多个屏障285部分的地方,各屏障部分285将重叠并当样品通过时分开。
在本实施例中,如图8所示,样品30,例如苹果,由包装/分类传送系统295传送。当每个样品在光屏蔽284下,与其接触并向着它通过时重复循环。样品30依次放在包装/分类传送系统295上,样品30之间的距离通常相对于样品30的尺寸极小。当样品30向着,但并不接触光屏蔽284移动时,样品30将被光源120照射,而光探测器80将只探测环境光且对光源120屏蔽。当样品30在光屏蔽284之下并与之接触移动时,样品30,在连续由光源照射的同时,对光探测器80曝光,后者将探测来自样品30的光谱。当样品30移动通过光屏蔽284时,光探测器80将再一次对光源120屏蔽,且只探测环境光。光源120可以是,例如钨/卤灯或由光学传输的光照射样品30。光探测器80,例如光纤探测器这样放置,当样品30接触并通过光屏蔽284下时,使样品表面35最接近光探测器。光屏蔽284可由可塑或柔性对光谱不透明的板组成,而这些光谱是光探测器检测的,也可由例如硅橡胶,聚脂薄膜,热塑料和其它材料组成。光探测器80,光屏蔽284和光源120由支撑件275机械固定,或其它容易认识到的普通技术或在包装/分类系统上测量的安装设备或方法。图7和8实施例的另一种结构将采用一组光源120,包括,例如光源120从顶部照射样品30,用第二光源从侧面照射样品,或两个光源120从相对的两边照射样品30,图示对光源120可采用的多个位置。一组光探测器80观测相同或不同样品表面35的位置,每个光探测器80输出82或者由分开的光谱仪检测,或者组合成单一输出82。在由一组光谱仪170接收一组输出82的地方,至少一个光谱仪170具有中性密度滤波器,安装来阻断从光探测器某个百分比的输出,例如50%,用这一光谱仪170来提供特定光谱范围内的数据,例如约700至约925nm。第二个光谱仪将不使用滤波器,且在约700至925nm饱和,但将得到很好的信号与噪声(S/N)比的数据(从约500至699nm和约926至1150nm)。其它对滤波输入光谱仪170的输出82将准许检查规定的光谱范围。此外,这一方法准许对光谱仪170使用相同的曝光时间,使它们更容易同时控制。这基本上就是双曝光法,它使用对光谱仪170滤波的输入82,而不是不同的曝光时间。对一个光谱仪170的光的阻断实现了用较短曝光时间同样的结果。双强度法证明了由于高和低强度光谱因它们在光谱中斜率的不同不易粘贴或组合在一起的疑问,但双强度法对某种样品类型(例如储存的水果或橙子)预测某些参数(例如坚固度,密度)是有利的。当双曝光法产生很好的组合光谱时,这两种方法都提供可用的组合光谱,它对坚固度和其它参数预测是必须的,且也改善白利糖度测量的正确度。
典型地,在校准期间,使用部分最小平方(PLS)回归分析来产生回归矢量,它把VIS和NIR光谱与白利糖度,坚固度,酸度,密度,pH,颜色和外部及内部缺陷和不规则性联系起来。这一存储的回归矢量作为预测或校准算法的基准。在回归分析之前,对数据作光谱例行处理,以改善信号与噪声(S/N)比,把与感兴趣的参数无关的光谱移走,例如基线偏置和斜率改变,并对路径长度和散射误差用数学方法校准来归一化数据。典型的预处理程序包括“重新分级”,例如平均5-10个探测通道以改善S/N,箱车或高斯平滑(以改善A/N)和计算微商。二次微商是最常用的,但是,一次微商也可以用,用四次微角也是可能的。对坚固度和预测,数据常在重新分级,平滑和基线校正或归一化后使用;那里不用微商。对于白利糖度和其它化学性质,2阶微商变换经常是最佳的。
用其本成份分析(PCA)分类算法可有效地把软水果和很硬的水果从中等硬度的水果中识别。还有,未成熟和成熟的水果能分开,如变坏的,例如较高pH,或腐烂的水果识别以便分开。整个苹果的NIR谱,和其它水果的NIR谱,在约250-1150nm范围也表现出与pH和总酸度相关。250-699nm波长区包含颜色信息,例如叶黄素,黄色在250-499nm的吸收区;花青素,它是红色,有500-550nm区的吸收波段,用来改善分类或预测性能,特别对坚固度。一个例子是如何利用和测量或把在或接近520nm的花青素吸收与合适的预测或分类算法比较来预测红樱桃性能未成熟的橙子,具有绿颜色,可用在或接近680nm的叶绿素吸收区(绿色)样品光谱输出82的测量,并应用测得的输出82光谱于合适的预测算法中来预测。在950-1150nm区的样品光谱输出具有关于水、酒精和酸,和蛋白质含量的信息。例如,在大多数水果中样品的水含量把坚固度与储存期产生的水损失相联系。高pH水果,常常是腐烂的指示,也能用分类算法把它从其它苹果中识别。
本发明是无损伤方法和装置,用来测量散射或吸收光的光谱,特别在250-1150范围内,用于应用预测算法来预测的目的,特别是水果特征预测,包括糖含量,坚固度,密度,pH,总酸度,颜色和内部及外部缺陷。这些水果特征是确定品质的关键参数,例如何时摘,何时运,何时和怎样储存,质量,例如甜度/酸度比和坚固度或对许多水果或蔬菜的易碎性。这些特征也是消费者味觉爱好、期望的储藏寿命、经济价值、和其它特征的指示器。内部不规则性也能探测,例如,对Tasmania Jonagold苹果,包括像水芯,烂芯,内部变黑/软化,二氧化碳破坏,和在某些情况下,昆虫损害/蔓延。本发明同时利用:1)可见光吸收区(约250-699nm),它含有关于颜色和叶绿素的信息,2)短波NIR的波长部分,它在生物组织里有最好的渗透,特别是水果的蔬菜组织(700-925nm),和3)926-1150nm区,它含有关于水含量和其它O-H成份,如酒精和有机酸(如苹果酸,柠檬酸,酒石酸的信息)。
台式,手持,便携和自动包装/分类实施例都已揭示。台式例与高速包装/分类例的一般差别在于用多于一个强度的光源120更易于检查样品,例如,多个灯123或多于一个电压或电源电平控制的光源或多于一个曝光时间。在这里讨论的台式例使用双强度光源120,例如用双电压或双曝光时间或其它改变照射样品30的光源120强度的方法。另外,光探测器80可工作于提供至少在一个灯123强度的一次曝光,和例如,光探测器80可提供在一个灯强下的二次或多次曝光的方法按如下完成:光探测器80的曝光时间通过基本计算机软件控制可调。在计算机程序中,对每个样品,收集两个不同曝光时间的光谱。台式法按操作者的选择可包括样品表面35与提供光源120的装置之间直接的物理接触,例如,至少一个光探测器80可透过样品表面35进入样品内部。高速包装/分类例通常限于光源120的供给或曝光相对于或在样品表面35,在有限的时间,通常为数毫秒,样品30将处于光源120的范围内。多路径或多光源120布置和多探测器80,包括光敏探测器255和其它光探测器件,在高速包装/分类例中,将准许样品的多光源120强度曝光。手持例通常允许由果园操作者取样有限的项目,亦即水果样品在植物或树上和向杂货分配中或单个杂货店从包装/分类检查时。
要在250-1150nm波长区获得数据只能用多强度或多曝光时间测量,亦即如例中的双强度或双曝光。当用一个光谱仪可覆盖500-1150nm区间时,第二个光谱仪需覆盖250-499nm区间。不同光源强度数或所需的曝光数与样品和探测器200的特性有关。在更长探测器200曝光时间或更高光源强度使探测器象素饱和(对某些探测器),例如,索尼1L×511,或东芝1201,从约700-925nm,然而从约500-699nm和从约926-1150nm得到很好的S/N数据。低强度或较短曝光时间的光谱,对提供700-925nm好的S/N数据是最佳的。新鲜的存储水果准确的坚固果度预测需要200-925nm区和500-699nm区,例如,颜色和绿色素,加上926-1150nm区。250-499nm的附加区,例如黄色(已知吸收光的叶黄素),将改善坚固度和其它参数,如白利糖度,酸度,pH,颜色和内部及外部缺陷的预测。在926-1150nm区样品30的光谱输出与含水量之间有高的相关关系。储存的水果表现为相对于新鲜水果有较高的相对含水量和较少的光散射。叶绿素和样品30的颜色是用与250-699nm区样品光谱输出82相关来预测的,用这种相关也是对新鲜水果坚固度预测最重要的,而更长波长的水区间可能对存储水果的正确坚固度测量是比较重要的。
正像更长NIR波长区一样,700-925nm区也含有C-H,O-H,和N-H键的吸收波段,在蛋白质为关键成份的地方,926-1150nm区是最感兴趣的。但是,谷物中预先蒙芽的情况,例如,可用检查500-699nm区样品的输出光谱来预测。
装置的优先例是由至少一个光源120,样品支持5,包括例如分类/包装样品传送机295和其它放置样品30的设备和方法,具有至少一个光探测器80组成,亦即在优先例中的光纤光探检测器,探测由光谱测量仪(如光谱仪170,它带有探测器200,例如CCD阵)接收的样品光谱输出82,这样探测的信号被有存储器的CPU 172计算机处理、并与存储的校准算法比较,(亦即存储在CPU存储器中的校准算法),产生一个或多个样品特征的预测。至少一个光源120和至少一个光探测器80相对于样品表面35放置,使允许对来自样品表面散射和吸收光谱的检测。支撑夹具275,支撑以及其它认识的定位和固定设备和方法都被用来放置光源120,光探测器80和样品夹5。在优先例中,光源120和光检测器或光探测器80这样定位,使屏蔽84光探测器避免直接曝光于光源120,并限制光探测器探测或曝光于来自光源120通过样品30的发射光。光源120可固定在锥形或其它杯形屏蔽容器内,它允许光源120对样品表面直接曝光,而与光探测器80屏蔽。另外,光探测器80可固定在屏蔽容器内,例如,屏蔽84或环境屏蔽262,这样,屏蔽光探测器80避免光源80,并只对从光源80至光探测器80通过样品30发射的光谱曝光。由光探测器80探测的光谱,亦即信号输出82,作为对至少一个光谱仪170或其它检测于和有接收和测量光谱能力的设备的输入。有优先例中,使用了两个或多个光谱仪170,一个光谱仪170监视样品通道,亦即光探测器80输出82,另一个光谱仪170监视基准,亦即光源120通道。如果在测量间灯123接通和关闭,可对光探测器80和光源120通道进行环境光校准,例如,从光点亮并稳定时收集的光谱中减去没有灯时的光谱。另外,光源120可留下,而环境光用屏蔽84或环境屏蔽262物理消除,如罩或盖或适当的光密封盒。由光纤组成的光探测器80屏蔽的讨论也应用于光敏探测器255和不同于钨卤灯的光源的利用,包括例如光辐射二极管257。
用多取样点和多光探测器80,如光纤检测器的另一个方法取代覆盖全部或某些取样品,如图4中所述,背对单样品或光探测器80通道170,例如,用分支,三分支或其它多个光纤光谱仪170输入。多个或一组样品点,亦即光探测器80,提供样品30更好的覆盖,例如,取样更能代表作为整体的样品,或允许多点,例如在满足产品的传送带,由单外光谱仪170测量,这样提供“平均”光谱,用于预测平均性能,如对所有样品或探测器80通道的白利糖度。
在优先例中,两个或多个光谱仪170,或至少两个光谱仪170用于基准和/或测量。本例中用于收集数据的光谱仪170利用在750nm传播的光栅,以提供从500-1150nm的覆盖。此外,工作于250-499nm波长区的光谱仪170可包括提供扩大的可见光区的覆盖,其中叶黄素吸收光,例如黄色。在从1000-1100nm探测的输出82光谱中的信息也包含重复信息,如果从500-550nm不用截止或带通滤波器,例如有关的花青素(它是红色)具有从500-550nm区的吸收带,它能改善分类或预测性能,特别是坚固度。
用于优先例中的光谱仪170具有2048个象素或通道的电荷耦合器件(CCD)阵探测器200,但其它阵列探测器200,其它光探测器80,包括其它做成与阵列尺寸相对尺寸的探测器200或其它探测器规模特征化的方法,可作为普通技术使用。两个光谱仪中的一个监视光源120强度和直接的波长输出,提供光源基准信号81,用作对环境光和灯,探测器,和由于温度变化和灯老化引起的电子漂移的纠正。另一个光谱仪170接收来自一个或多个光探测器80的信号输出82,光探测器检测从一个或多个样品30和/或一个或多个样品30上的位置来的光输出,例如,在单个样品(如苹果)上的多点,或在苹果、葡萄或樱桃传送机295带上的多点,或不同的样品30,例如在封装/分类线上不同通道,都可用每个附加的光谱仪170测量。在优先例中每个光检测器,例如光探测器80(光敏探测器255或其它光敏装置或方法)代表分开的样品30或同一样品30上的不同位置或样品组30。从所有光谱仪170来的光谱同时收集起来。与光谱仪类型有关,对每个光谱仪A/D变换可并行或串行(优先为并行)。然后,计算机处理光谱并产生输出。通用的单CPU计算机顺序处理光谱,双CPU计算机,两个计算机,或数字信号处理硬件可执行光谱处理并提供平行输出。
在另一个实施例中,从包括苹果的样品30检测从250-1150nm波长区的近红外光谱。在这一特别实验中,反射光纤探针用作光探测器80。当用于收集数据的光谱仪170L是型号Model DPA 20时,亦即检测从光探测器80检测光谱输出82。普通的业内人士应认识到其它光谱仪和光敏仪170都可使用。基准光敏仪170使用5瓦钨卤光源120,光纤光检测器来探测从样品30来的光谱或输出82,并提供光检测器信号输入82到光谱仪170。其它灯123或光源120也可像其它光检测器或光探测器80可替代一样被代替。光探测器信号输入82到光谱仪170,在本例中被电荷耦合器件阵列探测器200探测。如同前面所述那样对从电荷耦合器件阵列探测器的输出作的处理。坚固度和白利糖度分别使用标准破坏性的Maghess-Taylor坚固度法(“穿孔”试验)和折光仪进行测试,在本实施中,MIR光谱由阵列探测器200探测,它允许记录或探测1024个数据点。这1024个数据点用九点高斯平滑,接着用九点的“间隙”尺寸作二阶微分变换。用部分最小平方(PLS)回归把二阶微分NIR光谱与白利糖度和坚固度相关起来。为保证不发生错误的相关,用漏交叉验证法来产生预测的标准误差。在交叉验证中,用几乎一个样品构造预测模型;然后预测剩下的样品的白利糖度和坚固度,重复处理直到所有样品被预测。于是,经验证明模型可用于整个水果中未知白利糖度和坚固度的无损预测。这一信息引导收获决策,指示收获的时间,哪些水果适宜冷藏,哪里是水果从可接受到不可接受的质量或消费者口味的分类界限,哪些水果因不满足所需的特性而要从分类/包装操作中分开,例如坚固度,白利糖度,颜色和其它特性。
本发明实施的装置和方法寄望于多于一个来自样品的光谱区的测量和使用,在本例中,叶绿素吸收区和NIR区,包括高吸收950-1150 O-H区的应用是用曝光样品于多于一个强度的光源或曝光光探测器于多于一个曝光时间,例于双强度光源或至少两个强度的光源,或用多于一个光探测器80探测来自样品的光,使每个光探测器80对不同光谱检测,例如用滤波一个或多个光探测器80或在样品30和光探测器80之间,或在光探测器80输出82与光谱仪170输入之间等来实现。图1表示滤波光源120允许样品30曝光于不同光强。图2表示多于一个光探测器80的使用,其中滤波在样品30和光探测器80之间,允许不同光谱区的探测。表示于用3A的实施例是,光源是一组离散波长LED 257,样品曝光于一组光强。光源120的强度将选择成能对光探测器80提供光输出,使光探测器80能给出在所要的光谱区内最佳S/N数据。在第一通道中,低强度光源用来照射如苹果的样品,从而在700-925nm区获得可接受的S/N比的数据。在较高(>925nm)和较低(<700nm)波长,由于低的光电平,光谱主要由噪声覆盖,所以是没有用的。在第二通道,选择较高强度的光源来照射样品,使探测器阵列在700-925nm区饱和,而在500-600nm的红色区,600-699nm的叶绿素区和926-1000nm的O-H区获得有可接受的S/N比的数据。从两个通道的每个通道来的数据包括分开的数据输入,供给模数变换器,用于计算机处理。相同的光谱仪和A/D用于台式单元,那里依次收集两个光谱。在线使用两台光谱仪,每台都有它自己的A/D。在一个实施例中,使用外部到计算机的A/D卡,它是串行的并由海洋光学公司提供。这提供了为多通道进入数据分析器的方法,用于由软件分析。在这一例中,海洋光学公司驱动器,此后称为驱动器,接收MS“C”或基本可见光,1)确定从样品探测的光谱或2)把数据置于预测算法之下,并产生输出。显示控制计算机程序或软件周期性地要求驱动器提供要组合的光谱。然后,用标准显示软件,该数字组合产生输出显示,它代表从每个样品探测的整个光谱范围。对于每个样品都可能有多光谱数据。例如,光谱取样协议可查找多通道中每个通道的50个光谱样品,例如在把水果样品置于低强度光源下的通道期间,50个光谱样品和在把水果样品置于高强度光源下的通道期间分开的50个光谱样品。每个通道的总持续时间将由分类/包装线的速度确定,且可限于每样品约5毫秒。但是,应认识到,对所有实施例和样品类型,其它取样时间和策略都在本发明的应用范围内,只是作为不同的样品和不同的实施例使用。在分类/包装线上处理的样品为苹果的地方,期望在每个连续的苹果之间有小的空隙。从该苹果间的空隙获得的光谱和在样品或苹果前沿和后沿获得的光谱将被放弃。当苹果或其它水果在光探测器80下移动时,被探测的光谱数据将是样品30输出的数据,它代表样品30对光源120的曝光点和对光探测器80探测的光谱输出点之间的路径中样品30部分的光谱数据。借助于每一光谱的数学检查,例如通过计算机自动检查,这一方法可确定是否有来自分类/包装线样品传送机295中的苹果或苹果间空隙的光被探测器80探测。当苹果通过时这一方法也能用光探测器80(它具有到光谱仪170的输出82)探测苹果前沿和后沿边缘。从这一数据可辨别来选择特定光谱的样品,它是期望从样品或苹果的中间截面得到的光谱。用每个光谱(在线)的数学检查未确定它是否是好的苹果谱或线材料的光谱。对分类/包装线的样品传送机上的每个样品30,由光探测器80探测的周期是由初始段组成,那里用光探测器80和光源120之间的屏蔽使光探测器80或探测光纤只暴露于环境光。
当样品30,例如苹果,在光屏蔽284下并与直接触移入时,苹果的前沿或边开始暴露,使光探测器能探测从苹果来的光谱输出82,光屏蔽284例如可以是屏障285。继续在光屏蔽284下移动样品30,使光探测器80暴露于来自样品30的光谱输出82,直到样品30移到样品30的后沿或边仍然暴露于光源120的点。然后,样品30移过光屏蔽284,且所有来自光源120的光在光探测器80和光源120之间被阻断。这样,由光探测器80探测的初始光谱将是样品30的前沿或边接近屏障285时的光谱。在样品30前沿暴露于光源120初始时刻与样品30的后沿或边暴露于光源120的时间之间中间光谱的测量将包括光探测器80或光采集在最佳位置探测最能代表当光源120照射样品30时,来自样品30的光谱输出特性的光谱,样品30例如苹果,其它水果或其它O-H,C-H或N-H材料。在优先例中,为容易处理数据,光探测器80模拟输出80由A/D卡变换成数字数据。计算机程序或软件测试该数据以决定接受或放弃。每一光谱样品30接受的判据是由预期的样品30的光谱输出82确定的预定光谱特性,例如在样品为苹果时,其判据将是探测从250至1150nm落在对苹果预期的光谱内的光谱。在分类/包装线上苹果间间隙的探测将被认为没有苹果。对每个样品30收集的光谱是对预测算法的输入,如图1C的流程图所示。例如50个光谱的多光谱被光探测器80对每个样品探测,计算机程序把每个探测的离散光谱与来自特定样品的预期光谱比较,放弃不满足判据的光谱,保留的光谱,例如40-50个样品,被组合起来,提供成为对预测算法的输入光谱。平均来自样品的多光谱,以提供代表苹果上多点的单一平均光谱,苹果可以在通过检测器旁边时旋转,例如,相对于分类线行进的方向顺时针或逆时针旋转,样品的逆时针运动指出有更好的测量,这样,能给出样品表面更大的覆盖。一旦算出样品的平均吸收光谱,则将该光谱与回归矢量相乘(通过矢量乘的点积)。回归矢量是从以前的计算工作中获得的,并存在计算机内。对每个被预测的参数有一个分开的回归矢量,例如坚固度,白利糖度。光谱输出82被预测算法处理的结果将确定样品的预测特性对每个样品,例如苹果或其它水果,确定的的特性将用于对样品30作出去除或安排的决策,例如包括1)在包装/分类线上,不同的特性将用于分类和包装决策,例如,根据颜色,大小,坚固度,由酸度和白利糖预测的味道等决策,2)指示损坏的特性可触发特殊的样品30从包装/分类线上消失的方法。
苹果的分类和包装同样包含对每条线的多个包装/分类照射或光源120和光探测器80。当样品30为较小的水果时,例如葡萄或樱桃,可以有单个或多个光的多个光检测器来检查和收集来自一盘这种小水果的数据,而不是检查每个离散的葡萄或樱桃。对每个样品30,获取和测试数据以确定该数据是否相应于预设判据,后者具有满足预设判据的选择数据,并且,如果不满足预设判据则放弃。由光检测器接收的数据组合起来组成取样的总光谱。总光谱与预测算法比较,并作出关于样品30的决策,包括分类/包装决策。总光谱与预测算法比较的结果提供一组或其它输出用于最终使用,包括用于指向分类设备的计算机的信息。
光源120的工作能使可再生的数据以很好的S/N快速收集,即使在高的光散射和吸收(250-699nm区)和强吸收(>950nm区)的情况。在优先例中的灯123是12伏,75瓦的钨卤灯。但是,可以使用但不限制的其它光源包括光发射二极管,激光二极管,可调谐二极管激光器,闪光灯和其它这类光源,它将提供等效光源并为业内人士所熟悉。灯保持2伏的静止电压。当进行测量时,灯上升到所需要的电压,简单的延时使灯输出82稳定,然后收集光谱。在数据收集后,灯下降到静止电压。这一方法延长了灯的寿命并避免烧毁样品。在高速工作中,灯可以总是亮着的,例如,在高速包装/分类线上或收获设备上,光“断路”或短路或其它等效的技术或方法可用来提供以一定周期通过样品的光。光源的工作在延长灯寿命,减少工作消耗和减少破坏工作的时间方面是重要的。灯123的电压升高和降低,以保持灯123的寿命和减少烧坏水果的可能性。预热电压保持灯123的灯丝预热。环境/房间光背景测量用于纠正黑色光谱,它可包括环境光。储存背景光谱并从样品和基准(如果可应用的话)光谱中减去,使没有环境光对样品光谱的贡献,它会影响准确度。双强度照射用于:1)用于改善高于925nm和低于700nm的数据准确度,2)归一化由于散射的路径长度改变。双曝光时间增加了大、小水果提高数据质量的可能性。多于一个光探测器80的利用,每个位于离样品不同的距离,同样增加从约250nm至1150nm的每一部分光谱获得高数据质量的可能性。
确定预测算法中的其它步骤包括用电极测量确定pH基准和用抽取的果汁的端点滴定确定总酸度的基准。在NIR光谱与基准数据(pH和总酸)之间进行相关。业内人士熟知的方法,如部分最小平方(PLS)用于确定NIR光谱与所选的参数(例如pH)的相关关系。一旦建立这种相关关系,PLS用来产生来自校准样品的回归矢量。这一回归矢量与样品光谱的点积用于预测样品的特性。NIR分析可直接在果汁上执行,得到与白利糖度,pH,和总酸度很高的相关关系。使用商用的“浸入探针”,它是光纤制造商或包括处理分析的公司的一般商品。除了用PLS定量分析白利糖度,坚固度,pH和酸度以外,基本成份分析(PCA)也对NIR谱数据执行。PCA不同于PLS,它不需要基准数据。PCA允许对硬与软苹果和低与高pH样品的分类。这种分类算法足以达到产品分开的目的。用PCA,低质量水果能从一批样品中移走,最高质量的水果分入优质类,从低质量水果总是观测到比高质量水果有较高的pH电平。
图4表示本发明的另一实施例,包括至少一个由传输物传输的光源120,例如光纤或其它用于传输光的等效物;样品30,它有样品表面35;定位从至少一个光源120的光最接近样品表面的输入机构;至少一个亮度探测器;定位至少一个亮度探测器最接近样品表面的输出机构;至少一个光源120和至少一个亮度探测器,借助于所提供的定位件,例如,压向样品表面的定位弹簧,定位于相对样品表面或反面;由至少一个光源120或至少一个亮度探测器作用于样品表面的压力受样品的表面特征和/或测量方法的特点的限制,亦即在样品表面会受到损坏或高速测量中允许对每个分开的样品接触的时间受限的情况下压力可减少。照射亮度被传递到表面,例如被光纤或其它等效的状态;至少一个设备或方法测量从样品探测的亮度。光源,这里可以是宽频带灯,例如但不限于钨卤灯或等效的灯,它可产生在250-1150nm范围内的光谱,并有2500至3500°K的灯丝温度;其它宽频带灯,依据样品30,要预测的特性,和所用的实施例可使用;至少测量亮度的一个设备或方法可以是具有至少一个输入的光谱仪;至少一个光谱仪可包括,例如,1024线阵列探测器,业内人士认识到其它这类探测器将提供等效的探测;至少一个照度探测器可以是光检测纤维或其它等效探测器,包括,例如光纤光检测;至少一个照度探测器收集由至少一个光谱仪输入所接收的光谱;在本例中的样品来自CH,NH,OH的化学组或坚固度,密度,颜色和内部及外部缺陷的物理特性。此外,光源120可包含一组照射纤维。在本例中,一组照射纤维可以是阵列,使每个照射纤维与相邻的照射纤维等距离;至少一个照度探测器可以,在本例中,位于照射纤维阵列的中心。在本发明的实施例中,一组照射纤维可以由例如32个照射纤维组成,且光源120可由例如5瓦钨卤灯或其它等效光源提供或至少二个光源提供的一组照射源提供,例如至少两个50瓦光源。照射源可由,例如,带有冷却风扇的聚焦椭圆反射镜组成。在本例中,至少一个照度探测器可包括一组光探测器80,它可以是阵列,使每个照度探测器与相邻的光探测器80等距离;在采用二个光源的地方,在照射纤维阵列中,它们可以相对于照度探测器45°定位。在本发明的附加例中,一组光探测器80可包括22个照度探测器。本发明的实施例可包括至少一个5W钨卤灯组成的光源120;至少一个照度探测器是单探测纤维;光源120相对于样品30放置在探测纤维的远端。如果对样品表面的测量是非接触状态,则可替代的实施例可包括在光源120和样品之间的偏振滤波器,例如它可由线偏振滤波器或等效的普通业内人士了解的滤波器提供;匹配偏振滤波器位于至少一个照度探测器和样品之间,它可用例如相对于光源120和样品之间的线偏振滤波器旋转90°的线偏振滤波器提供。
上面描述的方法,使用专门选择包括黄色素吸收波段(250-499nm),红色素吸收波段(500-600nm)和绿色素或叶绿素吸收波段(601-699nm)的可见光辐射(250-699nm)以及NIR(700-1150nm)辐射,来与白利糖度,坚固度,pH,酸度,密度,颜色以及内部与外部缺陷相关,并用各种装置来实现。
在描述本发明的优先例的同时,对业内人士十分明显,可做许多改变和修改而不偏离本发明更广泛的应用方面。因此,附上的权利要求试图覆盖所有这些改变和修改,作为在本发明的实际精神和范围之内。附图的附加说明
图9是仰视图,表示本发明的附加例,说明至少一个光探测器具有向光谱仪170的输出82,光谱仪有探测器200,共照度透镜78在至少一个探测器80和样品30的中间,探测器80定位于探测来自样品30的光。光源120灯123;盒250在光源120灯123与由样品传送机295传送的样品30中间,孔径310允许样品30由光源120灯123照射,最少的快门300在光源120灯123与孔径310中间。快门300可由快门操作装置操作,快门控制装置305接收来自CPU的控制信号,CPU给出快门控制输出307。基准光传输装置81包括从光源120灯123接收基准光输出光纤,基准光快门301可由快门控制装置305接收来自CPU172的控制信号,该CPU具有快门操作控制输出307。基准光传输装置81提供对光谱仪170的输入。CPU172提供灯电源125给光源120灯123。光谱仪170,接收来自基准光传输装置81的输入,给出输出,作为对CPU172的输入。光谱仪输出82经A/D变换,形成对CPU172的输入。光谱仪170,接收来自探测器的输入,输出82作为CPU接收的输入。对光源120灯123,控制器80,快门300,快门控制装置305,基准光传输装置81和盒250的安装手段如在其它结构中所述。编码/脉冲产生器330输入到CPU172,提供样品传送机295的运动数据。计算机程序操作CPU172的数据收集和控制功能。
图10表示用分光仪检测器测量水果和蔬菜,而水果和蔬菜在二个样品传送机295上运动。图示接近检测装置340的样品。说明的是样品输送机295,盒250,共照度透镜78。
图10A是图10的截面,表示以反射装置的形式接近检测装置340。
图11表示光源120灯123基准测量的方法,其中强度对波长的输出也可用反射装置360获得。当根据反射控制装置作为从CPU172的输出支配作反射测量时,反射装置360可通过孔径310插入,例如盒250内。CPU通过装置探测样品30是否存在,当样品在“n”时间增量内不存或样品传送机295的运动提供反射控制装置38控制信号给反射定位装置306,例如由装置操作的线性传动或旋转螺线管,该装置例如由电力、气力、水力,或其它能源装置推动的机械。
图12和13表示把基准装置430机械插入或接近通常样品实际测量时位置。插入由插入装置实行,包括但不限于传动系统400。
图14和14A表示减少装置结构宽度的方法,它是用把光源120灯123安装在样品的远端,该样品的光谱来自反射装置360和透镜78指向样品或来自基准光传输装置320,后者是通过孔径310接收的光谱。
图15和15A表示对样品30的光谱探测,而不是离散的增量,例如苹果,包括如土豆片,其中光源120灯123照射样品,用探测器80接收输入,用光探测器输出82作为光谱仪170探测器200的传送输入。在这一图中,透镜130放在样品30和探测器80之间。图15和15A详细画出了滤波器130和安装方法,单个探测器80。
由计算机程序控制的CPU没有画在图10,10A,11,12,13,14,14A,15或15A,因为业内人将能从本发明的其它附图中理解这种结构。附加详细说明可见光/近红外检测器的校准概述
所需的校准说明于原始申请09/524329中,其中的章节用页/行表示如下:1/18;3/17,22,28;4/2;8/8;9/4;9/14;12/16;16/8;22/5;31/21;33/19;39/10;43/4;47/1;52/13等等。折光仪品质和质量的校准包括建立算法,它把单个水果或蔬菜的可见光和近红外光谱与一个或多个下列参数组合起来:白利糖度(包括,但不限于糖含量,或甜度,或可溶性固体含量);酸度(包括,但不限于总酸度,或酸味,或苹果酸含量或柠檬酸含量或酒石酸含量);pH;坚固度(包括,但不限于脆性或硬度);内部不规则性或缺陷,包括,但不限于水心,发黑,烂芯,昆虫侵入。此外,上面收集的单个性能数据可组合如下:用糖含量与酸含量的比来更好的预测吃的质量,味道,甜/酸比;用下列两个或多个数据的组合来更好地预测吃的质量:糖含量,酸含量,pH,坚固度,颜色,外部和内部不规则性。
把可见光/NIR检测器与包装,分类和传送系统结合起来,并把收集的数据与产品位置/最佳收集样品数据的位置和基准及标准化数据同步起来。
检测的样品数据,包括样品是否存在,说明在原始申请中,以页/行表示如下:20/20;36/8等等。折射仪检测器测量在传送机295系统上运动中的水果和蔬菜,用于分类和包装仑库,示于图10和图10A,并按下列进行:样品30存在或不存在和样品30相对于光谱测量点的定位/位置用下列一个或多个方法确定:1)样品30位置确定装置和/或样品传送机295位置确定装置,例如由编码器或脉冲产生器330提供,见图9,组合样品传送机295和探测样品传送机295的运动,提供一个或多个电子或数字信号给CPU,该CPU由计算机软件控制激发控制信号去起动或停止光谱的收集,2)光谱本身自动地由计算机程序或程序化硬件检查,例如,数字信号处理器,来确定被测样品是否在最佳位置,3)最接近的检测装置340,包括但不限于最接近的磁感应、光学、机械检测器;和已知作为客观存在的检测器,例如透光束或反射检测器341,也被用来提供关于位置的信息,亦即产品在包装或分类线上相对于NIR检测器的位置和指向,例如,光探测器80,和/或样品30的大小,这种最接近的检测装置340和它们的应用,对业内人士来说是普通的知识。最接近检测装置340可旋转于长度的1,2,3或…n单元,例如杯或袋或传送带长度,在NIR检测器之前,例如探测器80,未指示是否1,2,3或…n更多的空的空间,例如杯或袋或已知一定的传输带长度,依次存在,这样,允许有更多的时间用于处理暗光谱和/或基准光谱和/或标准/校准样品。用一个或多个上面提到的方法,样品30的存在或不存在是在特定样品传送机295系统的给定长度的确定的。如果样品30存在,当样品通过光源120灯123时,多个可见光和近红外光谱被收集,提供光探测器输出82和光谱仪170探测器200的输入;这种光的收集可用共照度透镜78和/或其它光传输装置,例如包括光纤来获得,把经与样品30相互作用的光传给光谱仪170探测器200。如果没有样品存在,则进行其它基准测量,以改善前面提到的暗光谱、基准光谱(灯强度和颜色输出),和标准/校准样品的稳定度和准确度,它可以是具有已知且可重复光谱特性的光纤或聚合物或有机材料。没有样品时的测量包括,但不限于1)测量光源的基准光谱(强度对波长),2)测量一个或多个光谱仪170探测器200的暗电流(无光情况),包括但不限于取样光谱仪170和基准光谱仪170,和3)标准或校准样品或滤波器130或材料。
获得灯的光谱,用于确定基准光输出和获得探测器的基线暗电流。基准光谱和暗光谱与样品光谱一起用来计算产品的吸收光谱。
参考基准,基线和暗光谱说明于起始的申请中,以页/行表示如下:12/18;39/10;52/14等等。计及光强或颜色输出变化的基准测量可用基准传输装置320获得,例如可分枝的光纤束,光管或其它传输光的装置具有公共终端322,提供对基准光谱仪170的输入,在分枝的地方,一个或多个分枝终端81,每个的安装使只有来自光源120灯123的光进入基准光传输装置320。快门300放在每个光源120灯123与每个基准光传输装置320之间。至少一个快门300被快门控制装置305,包括例如由线性传动装置或旋转螺丝管或其它机械或气压设备,或一起驱动的控制装置打开或关闭。
系统中每个光源120灯123可被分别测量,根据存储的强度对波长光谱的曲线以确定它是否损坏或需要很快替换。来自基准光传输装置320的组合强度用作基准光谱,用于计算吸收(或log 1/R)谱,它与浓度(例如百分比白利糖度或酸度或硬度的磅,等等)成线性关系。
关闭所有基准光传输装置320的快门330,对光谱仪170探测器200的暗电流(无光情况)进行测量。暗电流极大地受温度的影响,并必须周期性测量,它的强度值(在每个波长或探测器象素)从快门330打开时测得的基准光谱中减去。
取样光谱仪170探测器200的暗电流也必须周期性地测量,用关闭快门330的办法,该快门放置在光源和样品30之间,或放在样品30与取样光谱仪光收集光纤,这里为探测器80之间。对基准测量也一样,取样光谱仪170的暗电流必须从快门打开时获得的样品光谱中减去。很明显,对用于光源120灯123测量的光谱仪170,以及用来收集探测器80光谱输出82的光谱仪170在计算机程序控制的CPU中,处理与样品特征有关的算法时必须进行基准测量。
用快门手段的基准测量说明于图9中,图9是仰视图,表示本发明的附加例,说明至少一个光探测器80具有至少一个输出82给至少一个光谱仪170,该光谱仪至少有一个探测器200。至少一个共照度透镜78在至少一个光探测器80和样品30中间。至少一个光探测器80定位于探测来自样品30的光。至少一个光源120灯123;屏蔽装置在至少一个光源灯123和由样品机传送的样品30之间。在屏蔽装置中,至少有一个孔径310,允许由至少一个光源灯123照射样品30。业内人士明白,仪器盒或容器将是安装本发明所有实施例中元件的装置。很明显,盒250可提供屏蔽和安装用于本发明的装置。至少一个光中断装置在至少一个光源120灯123和至少一个孔径310之中间。光中断装置,例如由快门300装置提供,至少一个快门300可由至少一个快门控制装置305操作,例如线性传动装置或旋转螺丝管,它们由电力,气压,水力或其它能源装置机械驱动,或其它快门装置,包括由操作的液晶屏。至少一个快门控制装置305接收来自至少一个CPU的控制信号,该CPU具有至少一个快门操作控制输出307。至少一个基准光传输装置81包括,例如,包括分枝的光纤,接收来自至少一个光源灯123的基准光输出。至少一个基准光中断装置,例如由快门301组成,在至少一个光源120灯123与至少一个基准光传输装置81中间。至少一个基准快门301可由至少一个快门控制器305操作,例如,线性传动装置或旋转螺丝,它们由电力,气压,水力或其它能源装置机械驱动,或其它快门装置包括,例如被操作的液晶屏。至少一个基准光快门301控制装置305接收来自至少一个CPU的控制信号,该CPU具有至少一个快门操作控制输出307。至少一个基准光传输装置81提供输入给至少一个光谱仪170探测器200。至少一个CPU172提供至少一个灯电源输出125给至少一个光源120灯123。至少一个光谱仪170,接收来自至少一个基准光传输装置81的输入,该传输装置至少有一个输出82,它是作为至少一个CPU的输入接收的。光谱仪输出82经A/D变换,形成对至少一个CPU172的输入,至少一个光谱仪170,接收来自至少一个探测器输出82的输入,作为对至少一个CPU172的输入,光谱仪输出82经A/D变换,形成对至少一个CPU172的输入。安装对光源120灯123,探测器80,快门300,快门控制装置305,基准光传输装置81和盒250是重要的。编码器/脉冲产生器330输入至CPU172,提供样品传送机运动数据,计算机程序操作CPU数据收集和控制功能。
光源120灯123的强度对波长输出的基准测量也能用反射装置360获得,如图11所示,包括,但不限于,例如镜子或其它反射或散射材料,包括粗糙的铝,金,Spectralon,特氟论,毛玻璃,铜。反射装置360把反射光源120灯123的光,定位于探测器80,该探测器有被光谱仪170探测器200接收的输出82。共照度透镜78可位于探测器80和被反射装置360反射的光中间。反射装置360可通过孔径310插入定位,例如在用盒250的地方,当根据反射控制装置308,作为从CPU172的输出的要求进行反射测量时。CPU172通过装置,探测样品30是否存在,和何时自样品30对“n”时间增量不存在或样品传送机295的运动提供反射控制装置308的控制信号给反射定位装置306,例如线性驱动装置或被装置操作的旋转螺丝管,例如由电力,气压,水力或其它能源装置机械推动的装置。反射装置360,当基准测量中止并且样品30的光谱测量重新开始时,能根据CPU172的输出,由反射控制装置308取出。
用于获得基准光谱的光反射或散射体也可由基准装置430的机械插入或接近通常实际样品被测量的位置来获得,如图12和13所示。它在光源120灯123和导向取样光谱仪120探测器200的基准光传输装置320之间。插入是用插入装置进行的,包括,但不限于驱动装置系统400,依据接收的控制信号或包括控制信号的普通技术所认知的手段或从CPU提供的手段,来操作驱动装置410把活塞420伸长到421并缩回到422,如图12和13所示。电源能,包括电力,气压,水力和其它装置被用来由能量传输装置440操作驱动装置,如普通的专业人士理解的那样。
CPU172,由计算机程序控制,没有画在图10,10A,11,12或13中,因为业内人士能从观测这里的其它附图理解这种结构。
实现整个产品的测量(最小化局部测量的误差)
一个或多个方法所用来确定单个水果或蔬菜样品30的大小和重量。用于确定产品大小的方法包括,但不限于1)用通常的工业检测器分别确定重量或质量,2)用颜色分类器或缺陷分类器数据(例如从摄像机或CCD图像),3)用其它基于磁感应,光反射或多光束屏障的尺寸检测器,通常用于其它工业。样品30的相对大小可被用来调节硬件光谱收集参数或光总量(借助于改变孔径310的大小),以提供(对大样器30)改善的信噪比和/或避免对小样品30探测器80被光饱和,例如,探测器80的曝光或积分时间,对大样品30设置更长的时间周期,对小样品设置较短的时间周期。
用观察从单个产品收集的多个独立光谱和把低质量或“局外的”光谱移走的方法改善确度,然后,从对暗,基准和样品收集的原始数据计算吸收光谱。
从对每个独立产品样品30收集的系列光谱中的每个独立光谱,用计算机程序或程序化硬件进行观察。从这批光谱中删除低质量光谱,留下的光谱用于组分或性质预测。产品保留的光谱与适当的基准和暗电流测量相联系,以产生吸收光谱如下:
吸收光谱=-log10[(样品强度光谱-样品暗电流光谱)/(基准强度光谱-基准暗电流光谱)]。亦即吸收光谱等于负的以10底的暗电流校正的样品光谱与暗电流校正的基准光谱之比的对数。
对每个产品样品30的所有吸收光谱组合起来,产生样品的平均吸收光谱。这一平均的吸收光谱可用来根据以前储存的校准算法计算感兴趣的成份或性能。另外,每个吸收光谱可独立地与以前储存的校准算法一起用,来计算对单独产品的感兴趣的多个成份或性能结果,接着确定平均成份或性能,用把所有值加起来除以吸收光谱数目的办法计算。
用于测量样品的方法和产品上连接位置的重要性,其中可见光/NIR数据在该同一位置收集,该位置由实验室基准技术测量。
校准如下进行:1)测量样品30的光谱,并储存吸收光谱(经对基准和暗电流纠正),2)对样品30作标准实验室测量(它常是破坏性的),注意,样品30在光源120灯123与光收集探测器,如光探测器80之间向着光谱仪170的部分要与用标准实验技术测量的样品的部分相同,这对NIR法的成功十分重要。
对用于整个水果和蔬菜分类和包装工作的许多样品传送机295来说,产品可以滚动或不滚动通过NIR测量位置传送。如果在样品滚动时收集产品的吸收光谱,那么任何一次测量(一个光谱)的精确位置通常是不知道的,因此,必须分析整个产品(作为对着一个固定点)用于感兴趣的成份或性能。如果校准算法是以这样的方法来建立的,则对所有对独立产品保留的光谱取平均来产生平均吸收光谱,且总的产品成份或性能归因于这一种吸收光谱。
由于大多数水果和蔬菜是不均匀的,其成份水平随位置而变化,因此,要优先开发对不滚动的产品样品30的校准模型,使每一个收集的光谱来自产品30上已知的物理位置。于是,实验室测量的产品样品30的部位应与光谱探测的部位相同。当用这一方法时,在实验室分析之前,整个水果或蔬菜样品30可分割,例如切割或分片成较小的子部分。这些较小的子部分,每个相应于产品样品30内NIR数据收集的同一位置;NIR数据收集的时间周期,分别相应于较小或较大产品样品的测量,可调节到更短或更长的时间。在这种情况下,产品样品30的每一部分将有与特定位置有关的一个或多个光谱。然后,把实验室确定的成份或性能赋于每一个光谱或来自特定位置的光谱。
在进行统计相关分析和校准模型建立之前,对吸收光谱执行数学处理。
吸收光谱用箱式和平滑功能作预处理,部分最小平方分析(或其变种,如分段直接标准化)用来把处理的吸收光谱与归因的成份或性能值连系起来,例如白利糖度,酸度,pH,坚固度,颜色,内部或外部不规则程度和类型,和食用质量。
最小化需要开发校准模型的样本数的方法。
为了把校准模所需样本数减到最小,可用下面的方法:1)对所有测试样品30收集光谱,2)在有损实验室测量之前,对吸收光谱作基本成份分析(PCA),3)然后从PCA产生结果分值图(例如分值1对分值2,分值3对分值4,等等),4)原始样品的子组(例如40%的原始样品数)从分值图中或以随机方式或选择一组的方式选出,得到与整个原始样品30但分值的相同范围,均值和标准差。
校准需周期性地更新,以保持测量的准确性,特别是对农业产品样品30,它的成份随生长条件和品种而改变。有几种方法能用来减少校准更新工作。当水果或蔬菜样品30在包装和分类仑库中被分析时,它们的可见光/近红外光谱可用软件检查,以确定样品是否有资格作为校准更新样品30。好的校准更新样品30将覆盖低至高的成份值,并且它的分值要覆盖原始样品30分值的同样范围。
Claims (41)
1.一种确定样品特征的方法,包括:
A.建立在样品特征和来自有内心样品的吸收和散射光之间相互关系的算法;
B.用频谱仪照射样品的内心;
C.探测来自样品的吸收和散射光谱;
D.计算样品的特征。
2.根据权利要求1所述的方法,其特征在于还包括:
A.建立产生回归矢量的算法,该回归矢量把VIS和VIR光谱与白利糖度,酸度,密度,pH,颜色和外部及内部缺陷和不规则性联系起来;
B.储存回归矢量于有内存的CPU,作为预测或分类校准算法;
C.用250至1150nm的光谱照射样品内部;
D.把来自样品内部的吸收和散射探测光谱输入到光谱仪;
E.把探测光谱作模数变换,并把变换的光谱输入到CPU;组合探测的光谱;
F.把组合光谱与储存的校准算法比较;
G.预测样品的特征。
3.根据权利要求1所述的方法,其特征在于还包括:
A.特征为化学特征,化学特征包括酸度,pH和糖含量。
4.根据权利要求1所述的方法,其特征在于还包括:
A.特征为物理特征,包括坚固度,密度,颜色,外观和内部及外部缺陷和不规则性。
5.根据权利要求1所述的方法,其特征在于还包括:
A.特征为消费者特征。
6.根据权利要求1所述的方法,其特征在于还包括:
A.取样是从一组C-H,N-H或O-H化学组的样品取样;
B.用频谱仪照射样品内部,包括用可见光和近红外光;
C.分别对白利糖度,坚固度,pH和酸度相对于来自被照射样品输出的光谱的相关分析建立算法;
D.用光探测器探测来自样品的散射和吸收光谱。
7.根据权利要求2所述的方法,其特征在于还包括:
A.用250至1150nm的频谱仪照射样品内部;
B.屏蔽来自照射光谱的光探测器光纤;
C.在680nm附近测量叶绿素的光谱;
D.把白利糖度,坚固度,pH和酸度特征与测得的光谱相关。
8.一种实现权利要求1方法的装置,其特征在于包括:
A.至少一个光源;有样品表面和内心的样品;定位至少一个光源最接近样品表面的输入机构;
B.至少一个光探测器;定位至少一个光探测器最接近样品表面的输出机构;
C.至少一个测量来自样品的被探测亮度的机构。
9.根据权利要求7所述的装置,其特征在于还包括:
A.至少一个照射源产生250-1150nm范围内的光谱;
B.至少一个测量亮度的装置是光谱仪,光谱仪至少有一个输入;
C.至少一个光探测器是光检测光纤;至少一个光探测器收集由至少一个光谱仪输入的光谱;光谱仪有至少一个光谱仪输出通道;具有至少一个CPU输入的CPU;至少一个CPU输入接收至少一个光谱仪的输出;至少一个计算机程序;CPU有至少一个CPU输出;至少一个计算机程序引起至少一个CPU输出,以执行步骤1)计算对至少一个光谱仪输出通道1…n中的每一个发生的吸收光谱173,2)组合吸收光谱到单一光谱,后者通过由光谱仪1…n 170从样品探测的整个波长范围;3)数学预处理或处理175,例如平滑或箱车平滑或计算微分,4)对至少一个光谱仪输出通道的每个通道比较经处理的组合光谱175与至少一个存储的校准算法或至少一个对每个样品特征1…x 178的校准算法177,例如白利糖度,坚固度,酸度,密度,pH,颜色和外部及内部缺陷和不规则性,这些都是样品要检查的特性,接着5)决策或进一步组合和比较每个特征1…x的定量结果,例如内部或外部不规则缺陷的确定179,180;颜色的确定181;像食用质量指数182,外观质量指数183等指数的确定和分类结论或其它决策184;6)分类或其它决策184可输入到处理控制器,来控制包装/分类线或可确定收获的时间,从冷藏室取出的时间,和运输的时间;
D.样品来自C-H,N-O和O-H的化学组。
9A.根据权利要求9所述的装置,其特征在于还包括:
A.至少一个光谱仪输出由至少一个A/D变换器从模拟变成数字,对于每个至少一个光谱仪的输出通道,模数变换后的信号输入至少一个CPU的输入端;至少一个CPU输出供给至少每一个光谱仪的输出通道1…n的每一个。
10.根据权利要求8所述的装置,其特征在于还包括:
A.至少一个照射源是钨卤灯;照度由光纤传到样品表面;
B.至少一个光探测器是光纤检测器;
C.至少一个光谱仪包括1024个线阵列探测器;
11.根据权利要求9所述的装置,其特征在于还包括:
A.至少一个照射源是照射光纤;
12.根据权利要求10所述的装置,其特征在于还包括:
A.至少一个照射源包括多个照射光纤;
B.多个照明光纤布成阵列,使每个照射光纤与邻近的照明光纤等距
离;至少一个光探测器位于该光纤阵的中心。
13.根据权利要求11所述的装置,其特征在于还包括:
A.多个照射光纤包括32根照射光纤;
14.根据权利要求11所述的装置,其特征在于还包括:
A.照射源是5瓦钨卤灯。
15.根据权利要求11所述的装置,其特征在于还包括:
A.多个照射源包括二个50瓦光源;
B.至少一个光探测器由一组光探测器组成。
16.根据权利要求14所述的装置,其特征在于还包括:
A.多个光探测器布成阵列,使每个光探测器与相邻的光探测器等距离。
17.根据权利要求15所述的装置,其特征在于还包括:
A.多个光探测器包括22个光探测器。
18.根据权利要求11所述的装置,其特征在于还包括:
A.照射源由椭球面反射器构成,它有50瓦风冷的灯泡;多个照射光纤由至少一个光纤纤维组成,用来把光源传给样品表面。
B.至少一根光纤和至少一个光探测器用弹簧位移对样品表面压紧;弹簧压力受样品的特征限制。
19.根据权利要求10所述的装置,其特征在于还包括:
A.至少一个照射源是5瓦的钨卤灯;至少一个光探测器是单个光纤纤维;照射源对样品表面180°远离探测光纤定位。
20.根据权利要求11所述的装置,其特征在于还包括:
A.偏振滤波器放在至少一个照射源和样品之间;
B.匹配偏振滤波器放在至少一个光探测器和样品之间。
21.根据权利要求19所述的装置,其特征在于还包括:
A.偏振滤波器是线偏振滤波器;匹配线偏振滤波器是相对于线偏振滤波器旋转90°的线偏振滤波器。
22.一种实现权利要求所1方法的装置,包括:
A.至少一个光源;具有样品表面和内心的样品;定位至少一个光源
最接近样品表面的输入机械装置;至少一个快门位在至少一个光
源和样品中间;至少一个光源有灯输出;
B.至少一个光探测器;定位至少一个光探测器临近样品表面的输出
机构;至少一个校准透镜位于至少一个光探测器和样品表面之
间;至少一个测量从样品表面探测的亮度的机构;
C.至少一个指向灯输出的基准光探测器;至少一个快门位于至少一
个基准光探测器和至少一个灯输出之间;至少一个测量从灯输出
探测的亮度的机构;
D.
23.根据权利要求2所述的方法,其特征在于还包括:
A.用样品的预测特性作如下组合:使用糖含量与酸含量的比值来更好预测食用的质量,味道,甜/酸比;用两个或更多个下列数据的组合来更好的预测食用质量:糖含量,酸含量,pH,坚固度,颜色,外部和内部不规则性。
24.根据权利要求2所述的方法,其特征在于还包括:
A.检测样品数据,包括用样品存在检测装置检测样品传送机运动时,是否有样品存在;用样品位置检测装置检测样品相对于光谱测量点的位置/定位;存在检测装置和位置检测装置具有对计算机程序控制的CPU的输出;计算机程序控制的CPU确定测量的样品是否在光谱测量的最佳定位,计算机程序控制的CPU确定是否有样品存在。
24A.根据权利要求24所述的方法,其特征在于还包括:
A.存在检测装置是一种邻近检测装置。
24B.根据权利要求24A所述的方法,其特征在于还包括:
A.位置检测装置是编码器或脉冲产生器330,检测样品传送机295的运动,并提供一个或多个电子或数字信号给CPU 172,该CPU由计算机程序控制,起动控制信号来启动和终止光谱的收集。
24C.根据权利要求24B所述的方法,其特征在于还包括:
A.由计算机程序控制的CPU时序确定对光源灯的基准测试,光谱仪执行光源灯和从探测器输入的光谱仪接收光谱的基准测试。
24D.根据权利要求24C所述的方法,其特征在于还包括:
A.基准测试包括测量暗光谱和/或基准光谱和/或标准/校准样品。
24E.根据权利要求24D所述的方法,其特征在于还包括:
A.用校准透镜78和/或其它光传输装置获得光源灯光收集,例如,包括光纤,它把与样品30相互作用后的光传给光谱仪170探的测器200;如果没有样品,则作其它基准测量,以改善稳定性和准确度,例如以前提到的暗光谱,基准光谱(灯强度和颜色输出),和标准/校准样品,它可以是光滤波器或聚合物或有机材料,这些有机材料具有已知并能重复的光谱特性,无样品时的测量包括,但不限于1)测量光源的基准光谱(强度对波长),2)测量一个或多个光谱仪170探测器200的暗电流(无光条件),包括,但不限于取样光谱仪170如基准光谱仪170,和3)标准或校准样品或滤波器130或材料。
25.根据权利要求8所述的装置,其特征在于还包括:
A.样品存在检测装置,用于检测样品传输机运动时是否有样品存在;样品30相对于光谱测量点的位置/定位的样品位置检测装置;存在检测装置和样品检测装置有输出给计算机程序控制的CPU;计算机程序控制CPU确定测量的样品是否在对光谱测量的最佳定位;计算机程序控制CPU确定是否有样品存在。
25A.根据权利要求25所述的装置,其特征在于还包括:
A.存在检测装置是一种邻近检测装置。
25B.根据权利要求25所述的装置,其特征在于还包括:
A.位置检测装置是编码器或脉冲发生器330,探测样品传送机995的运动并提供一个或更多个电子或数字信号给CPU 172,通过计算机程序控制,启动控制信号来启动和终止光谱的收集。
25C.根据权利要求25B所述的装置,其特征在于还包括:
A.计算机程序控制CPU时序执行光源灯的基准测试,光谱仪执行光源灯和光谱仪接收来自探测器的光谱的基准测试。
25D.根据权利要求25C所述的装置,其特征在于还包括:
A.基准测试包括测量暗光谱和/或基准光谱和/或标准/校准样品。
25E.根据权利要求25D所述的装置,其特征在于还包括:
A.用校准透镜78和/或其它光传输装置获得光源灯光收集,例如,包括光纤,它把与样品30相互作用后的光传给光谱仪170探测器200,如果没有样品,则作其它基准测量,以改善稳定性和准确度,例如以前提到的暗光谱,基准光谱(灯强度和颜色输出),和标准/校准样品,它可以是光滤波器或聚合物或有机材料,这些有机材料具有已知并能重复的光谱特性,无样品时的测量包括,但不限于1)测量光源的基准光谱(强度对波长),2)测量一个或多个光谱仪170探测器200的暗电流(无光条件),包括,但不限于取样光谱仪170如基准光谱仪170,和3)标准或校准样品或滤波器130或材料。
26.根据权利要求2所述的方法,其特征在于还包括:
A.由光源灯强度或颜色输出中基准测量的改变来测量基准光谱仪输出和从探测器接收样品光谱输入的光谱仪输出;用基准光传输装置把光源灯的光传送给有探测器的基准光谱仪。
26A.根据权利要求26所述的方法,其特征在于还包括:
A.用光纤作为基准光传输装置。
26B.根据权利要求26所述的方法,其特征在于还包括:
A.用光管作为基准光传输装置。
26C.根据权利要求26所述的方法,其特征在于还包括:
A.定位在光源灯的基准光传输装置,允许只有光源灯的光进入基准光传输装置。
26D.根据权利要求26C所述的方法,其特征在于还包括:
A.把至少一个快门放在每个光源灯和每个基准光传输装置中间,用快门控制装置打开或关闭至少一个快门。
26E.根据权利要求26所述的方法,其特征在于还包括:
A.用基准光谱仪分别测量每个光源灯;把基准光谱仪的输出输入到计算机控制的CPU;对每个光源灯,把强度对波长光谱的曲线存入CPU;把存储的强度对波长光谱的关系与基准光谱仪输出比较;从该比较确定光源灯的状态。
26F.根据权利要求2所述的方法,其特征在于还包括:
A.为计算吸收光谱(或log 1/R),用被探测的光谱作为基准光谱,它与浓度(例如百分比白利糖度或酸度或坚固度的磅)成线性。
26G.根据权利要求26D所述的方法,其特征在于还包括:
A.关闭所有基准光传输装置的快门;准许光谱仪170探测器200的暗电流(无光条件)测量;测量暗电流及其在每个波长(或探测器)像素的强度值,把测得的暗电流从在快门330打开时获得的基准光谱中减去。
26H.根据权利要求26所述的方法,其特征在于还包括:
A.测量基准光谱仪输出和取样光谱仪输出的暗电流;用屏蔽装置屏蔽对基准光谱仪的输入和对取样光谱仪的输入;把基准光谱仪输出和取样光谱仪输出输入到计算机控制的CPU;减去从基准光谱仪测量的输出;减去从取样光谱仪测量的输出。
27.根据权利要求8所述的装置,其特征在于还包括:
A.至少一个光探测器80有至少一个输出82给至少一个光谱仪170,该光谱仪有至少一个探测器200;至少一个校准透镜78在至少一个光探测器80和样品30中间;至少一个光探测器80定位于探测来自样品的光;至少一个光源120灯123;一种光屏蔽装置在至少一个光源120灯123和样品30中间;至少有一个孔径在光屏蔽装置中,使样品30可由至少一个光源120灯123照射;至少一个光断续装置在至少一个光源灯123和至少一个孔径310中间;至少一个光断续装置可由至少一个光断续控制装置操作;至少一个光断续控制装置接收来自至少一个CPU 172的控制信号,该CPU 172有至少一个光断续操作控制信号输出;至少一个基准光传输装置接收至少一个光源120灯123的基准光输出;至少一个基准光断续装置在至少一个光源120灯123和至少一个基准光传输装置中间;至少一个基准光断续装置可由至少一个基准光断续装置的控制装置操作;至少一个基准光断续装置的控制装置305接收来自至少一个CPU 172的控制信号,该CPU有至少一个基准光断续操作控制输出307;至少一个基准光传输装置81提供对至少一个光谱仪170探测器200的输入;至少一个CPU 172提供至少一个灯的电源输出125给至少一个光源120灯123;至少一个光谱仪170,接收来自至少一个基准光传输装置81的输入,至少有一个输出82作为对至少一个CPU 172的输入;光谱仪输出82能经A/D变换形成对至少一个CPU 172的输入;至少一个光谱仪170,接收来自至少一个探测器的输入,输出82由至少一个CPU的输入接收;光谱仪输出82经A/D变换形成对至少一个CPU 172的输入;安装装置用来安装光源120灯123,探测器80,包括快门300的光断续装置,快门控制装置305,反射光传输装置81和盒250;偏码/脉冲产生器370输入到CPU 172,提供样品传送机295的运动数据;计算机程序操作CPU 172的数据收集和控制功能。
28.根据权利要求26所述的方法,其特征在于还包括:
A.作为基准测量,用反射装置360测量光源120灯123的强度对波长输出;定位反射装置360来反射来自光源灯的光给有光探测器输出的光探测器,该输出被光谱仪探测器接收。
28A.根据权利要求28所述的方法,其特征在于还包括:
A.用反射定位位置定位反射装置,根据反射控制装置308的命令把光源灯的光反射给光探测器,该命令作为CPU 172的输出,控制反射定位装置;CPU 172通过一系列方法探测是否有样品存在,在作基准测量时,根据反射控制装置308的指挥,作为计算机程序控制CPU 172的输出,控制反射定位装置插入反射装置;根据反射控制装置308作为计算机程序控制CPU 172的输出控制定位装置取出反射装置。
29.根据权利要求8所述的装置,其特征在于还包括:
A.由反射定位装置定位的反射装置,根据反射控制装置308的命令,作为CPU 172的输出,控制反射定位装置,把光源灯的光反射给光探测器;CPU 172通过各种装置检测样品30是否存在,在作基准测量时,根据反射控制装置308的指挥,作为计算机程序控制CPU 172的输出,控制反射定位装置插入反射装置;根据反射控制装置308作为计算机程序控制CPU 172的输出,控制定位装置取出反射装置。
30.根据权利要求8所述的装置,其特征在于还包括:
A.用于获得基准光谱的光反射或散射体也可用插入基准装置430的机构来获得,如图12和13中所示,在或接近通常实际样品测量的位置,它在光源120灯123和基准光导向取样光谱仪170探测器200的传输装置320之间;插入是用插入装置插入,包括但不限于传动系统400,根据接收的控制信号或包括控制信号的通常技术所认知的方法或CPU 172提供的方法,操作传动器410使活塞420伸至421和缩回到422,如图12和13所示;能源,包括电力,气动,水力和其它方法,提供来由业内人士认为合适的能量传输装置440操作传动装置。
31.根据权利要求2所述的方法,其特征在于还包括:
A.用至少一个光源灯照射滚动或旋转中的样品内部,滚动测量通常能改善整个产品的测量。
32.根据权利要求2所述的方法,其特征在于还包括:
A.在样品没有滚动或旋转时,用至少一个光源灯照射样品内部,无滚动测量提供更好的准确度并减少由于运动引入的光谱噪声。
33.根据权利要求2所述的方法,其特征在于还包括:
A.当样品通过光谱仪收集点时获得的多光谱,其中每个光谱代表在样品上不同测量位置或面积。
34.根据权利要求2所述的方法,其特征在于还包括:
A.最佳化小的和大的样品信噪比和准确度,用1)确定样品的重量或大小(用称重量或通常工业用的质量检测器),2)利用颜色分类器或缺陷分类器提供数据,例如从摄像机或CCD图像;3)利用基于工业上通常使用的磁、感应,光基准或多光束屏障的其它尺寸检测器。
34A.根据权利要求34所述的方法,其特征在于还包括:
A.根据样品的相对尺寸,调节硬件光谱收集参数或光量,例如改变孔径310,以提供对大样品30改善信号与噪声比的光谱和/或避免探测器小样品30的光饱和,例如探测器80曝光或积分时间,对大样品设置更长的时间周期,对小样品设置较短的时间周期。
35.根据权利要求2所述的方法,其特征在于还包括:
A.借助于从单个样品检测的多个独立光谱来改善准确性,取走低质量或“局外”的光谱;计算来自对暗、基准和样品的原始数据的吸收光谱;用计算机程序控制的CPU或用程序化的硬件检测对每个独立产品收集的一列或一批光谱中的每一个独立光谱;从这批光谱中删去低质量的光谱,用剩下的光谱对组分或性能进行预测;把保留的样品光谱与合适的基准和暗电流测量组合起来,产生吸收光谱如下:吸收光谱=-log10[(样品强度光谱-样品暗电流光谱)/(基准强度光谱-基准暗电流光谱)],亦即吸收光谱等于负的以10底的暗电流校正的样品光谱与暗电流校正的基准光谱之比的对数。
36.根据权利要求35所述的方法,其特征在于还包括:
A.把所有对每个产品样品的吸收光谱组合起来,产生产品样品的平均吸收光谱;用这一平均吸收光谱来基于以前存储的校准算法计算感兴趣的样品的成份,特征或性能。
37.根据权利要求35所述的方法,其特征在于还包括:
A.用以前存储的校准算法,用每一个独立的吸收光谱来计算对每个独立产品样品的成份,特征或性能的多个结果;把所有这些值加起来,除以吸收光谱的总数目来确定感兴趣的平均成份,特征或性能。
38.根据权利要求2所述的方法,其特征在于还包括:
A.测量样品和连接产品样品上的位置,其中,用实验室基准技术测量的相同位置收集可见光/NIR数据;校准按下列进行:1)测量产品样品30的光谱和测量吸收光谱;对基准和暗电流进行纠正并储存测量结果;2)对产品样品30进行标准实验室测量;观察样品30在光源120灯123和其收集探测器之间的探测部分,NIR方法的成功十分重要,例如,导向光谱仪170探测器200的光探测器80应与标准实验室测量相同的部分。
38A.根据权利要求38所述的方法,其特征在于还包括:
A.样品传送机295把样品传送至NIR测量位置,包括至光探测器,选择滚动或不滚动的样品传送机295装置;滚动用来分析整个样品感兴趣的成份,特征或性能;如果校正算法是用这种方法建立的话(用滚动产品测量),平均保留的所有单独光谱以得到平均吸收光谱,总的产品成份或性能与这样一种吸收光谱相连系。
38B.根据权利要求38所述的方法,其特征在于还包括:
A.样品传送机295把样品传送至NIR测量位置,包括至光探测器,选择不滚动的样品传送机装置;执行对产品样品测量光谱的同一部分的实验室测量;确定在实验室分析前是否要把样品分成更小的部分;调节NIR数据收集的时间周期至更短或更长的时间,以分别相应于较小或较大产品样品的测量;把产品样品30的每一子部分与特定位置的光谱相连系;把实验室确定的成份,特征或性能与样品特定位置的光谱相连系。
39.根据权利要求2所述的方法,其特征在于还包括:
A.在进行统计相关分析和建立校准模型之前,对吸收光谱进行数学处理;用箱和平滑函数对吸收光谱进行预处理;用部分最小平方分析(或它的变形,如块状直接标准化)把处理的吸收光谱与分派的成份和性能相连系,例如白利糖度,酸度,pH,坚固度,颜色,内部或外部不规则的程度及类型,和食用质量。
40.根据权利要求2所述的方法,其特征在于还包括:
A.最小化所需开发校准模型的样品数;收集所有试验样品的光谱;在破坏性实验室测量前执行对吸收光谱的基本成份分析(PCA);从PCA产生结果分值图(例如分值1对分值2,分值3对分值4,等等);选择从分值图随机或选择有同样范围、均值和标准差的原始样品的子组与整个原始样品30组比较。
41.根据权利要求40所述的方法,其特征在于还包括:
A.为保持测量准确性需周期性地校准更新;最小化校准更新工作;当水果或蔬菜样品在包装和分类仓库内时,分析可见光/近红外光谱;用计算机程序控制的CPU检查,并确定样品作为校准更新样品是否合格;选择校准更新样品要覆盖低至高的成份值和其分值要覆盖原始样品30分值的同样范围。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US09/524,329 US6512577B1 (en) | 2000-03-13 | 2000-03-13 | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
US09/524,329 | 2000-03-13 | ||
US09/804,613 US6847447B2 (en) | 2000-03-13 | 2001-03-12 | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum |
US09/804,613 | 2001-03-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1430723A true CN1430723A (zh) | 2003-07-16 |
Family
ID=27061466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN01809360A Pending CN1430723A (zh) | 2000-03-13 | 2001-03-12 | 用可见光/近红外光谱测量和相关水果特性的方法和装置 |
Country Status (10)
Country | Link |
---|---|
EP (1) | EP1285244A4 (zh) |
JP (1) | JP2003527594A (zh) |
CN (1) | CN1430723A (zh) |
AU (2) | AU2001245710B2 (zh) |
BR (1) | BR0109219A (zh) |
CA (1) | CA2402669C (zh) |
IL (1) | IL151751A0 (zh) |
MX (1) | MXPA02009027A (zh) |
NZ (1) | NZ521919A (zh) |
WO (1) | WO2001069191A1 (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100335887C (zh) * | 2006-05-09 | 2007-09-05 | 江西农业大学 | 透射式水果营养成分测定装置 |
CN100335886C (zh) * | 2006-05-09 | 2007-09-05 | 江西农业大学 | 反射式水果糖酸度检测仪 |
CN100462712C (zh) * | 2005-08-03 | 2009-02-18 | 北京农业信息技术研究中心 | 便携式植物氮素和水分含量的无损检测方法及测量仪 |
CN102590131A (zh) * | 2012-01-18 | 2012-07-18 | 中国农业大学 | 生鲜肉深层水分无损伤在线检测装置及方法 |
CN102645416A (zh) * | 2012-03-27 | 2012-08-22 | 北京林业大学 | 一种快速测定蓝莓中花青素含量的方法 |
CN102959382A (zh) * | 2010-07-09 | 2013-03-06 | 千代田电子工业株式会社 | 果蔬的非破坏测定装置 |
CN103281459A (zh) * | 2013-06-06 | 2013-09-04 | 仝晓萌 | 一种可测水果甜度和ph值的手机 |
CN103487397A (zh) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | 一种雷竹笋硬度快速检测方法及装置 |
CN103575405A (zh) * | 2012-07-24 | 2014-02-12 | 弗卢克公司 | 具有图形温度曲线的热成像相机 |
CN103792235A (zh) * | 2014-01-10 | 2014-05-14 | 内蒙古农业大学 | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 |
CN103808689A (zh) * | 2014-02-21 | 2014-05-21 | 山东省农业科学院农业质量标准与检测技术研究所 | 五点式近红外水果成熟度及品质检测仪 |
CN104089881A (zh) * | 2013-12-17 | 2014-10-08 | 浙江工商大学 | 大黄鱼存储时间检测方法 |
CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测系统及方法 |
CN104981679A (zh) * | 2013-02-04 | 2015-10-14 | 梅西耶-道提有限公司 | 探测变形的工具和探测变形的方法 |
CN105241555A (zh) * | 2015-09-09 | 2016-01-13 | 浙江大学 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
CN105807014A (zh) * | 2016-01-13 | 2016-07-27 | 青岛万福质量检测有限公司 | 一种蔬果能量检测方法 |
CN106311627A (zh) * | 2016-08-05 | 2017-01-11 | 中山市恒辉自动化科技有限公司 | 一种食品自动检测装置 |
CN106525720A (zh) * | 2016-11-17 | 2017-03-22 | 常熟理工学院 | 采用双波长拟合相邻单波长实现食品安全快速检测的方法 |
CN106680219A (zh) * | 2015-11-06 | 2017-05-17 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱数据和化学检测数据建立数据模型的方法 |
CN106680236A (zh) * | 2015-11-06 | 2017-05-17 | 深圳市芭田生态工程股份有限公司 | 一种将光谱数据和化学检测数据进行映射的方法 |
CN106950183A (zh) * | 2017-02-28 | 2017-07-14 | 中国科学院合肥物质科学研究院 | 一种基于光谱技术的便携式土壤养分检测装置 |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
CN107621460A (zh) * | 2016-07-15 | 2018-01-23 | 华东交通大学 | 一种近红外光谱漫透射技术黄桃隐性损伤与糖度同时在线检测装置与方法 |
CN108078295A (zh) * | 2010-07-08 | 2018-05-29 | Itab物流扫描公司 | 收银台 |
CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
CN110208194A (zh) * | 2019-06-11 | 2019-09-06 | 华东交通大学 | 水果成熟度检测装置及成熟度评价方法 |
US10514297B2 (en) | 2015-12-09 | 2019-12-24 | Oto Photonics Inc. | Electronic circuitry for controlling in order to perform exposure measurements continuously, spectrometer using the same and measurement method of the spectrometer |
CN110687134A (zh) * | 2019-09-29 | 2020-01-14 | 武汉大学 | 带状fpc生产中的在线检测装置及方法 |
CN110927073A (zh) * | 2019-11-06 | 2020-03-27 | 广东弓叶科技有限公司 | 多光谱成像方法、电子装置及存储介质 |
CN111060473A (zh) * | 2020-01-15 | 2020-04-24 | 王丽娟 | 一种食品质量分析检测装置 |
CN111989561A (zh) * | 2018-03-29 | 2020-11-24 | 自动化合作关系(剑桥)有限公司 | 用于生物材料的光谱分析的计算机实现的方法和系统 |
CN112986174A (zh) * | 2021-02-03 | 2021-06-18 | 佛山一本农业科技有限公司 | 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质 |
CN113056664A (zh) * | 2018-11-29 | 2021-06-29 | 罗伯特·博世有限公司 | 光谱仪设备和相对应的用于运行光谱仪设备的方法 |
CN113177925A (zh) * | 2021-05-11 | 2021-07-27 | 昆明理工大学 | 一种无损检测水果表面缺陷的方法 |
CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
CN113614515A (zh) * | 2019-03-15 | 2021-11-05 | 热带产品公司 | 用于植物选定和加工的技术 |
CN115561180A (zh) * | 2022-01-14 | 2023-01-03 | 深圳进化动力数码科技有限公司 | 基于红外多光谱和可见光的生鲜商品新鲜度检测设备 |
CN117093841A (zh) * | 2023-10-18 | 2023-11-21 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
Families Citing this family (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8719091D0 (en) * | 1987-08-12 | 1987-09-16 | Unilever Plc | Skin treatment composition |
JP2005249507A (ja) * | 2004-03-03 | 2005-09-15 | National Food Research Institute | 分光装置応答特性の平準化法 |
ITVI20050098A1 (it) | 2005-04-06 | 2006-10-07 | Caeleno Srl | Procedimento di valutazione del grado di maturazione fenolica di un frutto e relativo dispositivo |
WO2009038206A1 (ja) * | 2007-09-21 | 2009-03-26 | Suntory Holdings Limited | 可視光線・近赤外線分光分析法及びブドウ醸造方法 |
JP5170379B2 (ja) * | 2007-10-17 | 2013-03-27 | 株式会社宝計機製作所 | 果菜類の糖度測定装置及び糖度測定方法 |
JP2010210355A (ja) * | 2009-03-09 | 2010-09-24 | Kobe Univ | 近赤外線分光法を用いた野菜等の成分の非破壊計測法および非破壊計測装置 |
PT104566B (pt) * | 2009-05-12 | 2013-09-20 | Univ Do Minho | Método e dispositivo de monitorização da produção de uva com espectroscopia uv-vis-swnir |
ES2388513B1 (es) * | 2011-02-22 | 2013-07-01 | Urtasun Tecnología Alimentaria S.L. | Sistema para análisis de productos vegetales durante el procesado de los mismos. |
ES2401624B2 (es) * | 2011-10-03 | 2014-01-15 | Universidad De Huelva | Dispositivo portatil para el reconocimiento de la madurez de frutos |
WO2013157946A1 (en) | 2012-04-20 | 2013-10-24 | Moba Group B.V. | Method for detecting defects in food products |
CN104574341B (zh) * | 2013-10-11 | 2017-09-05 | 中国林业科学研究院资源信息研究所 | 一种水果糖度的确定方法和装置 |
JP2015148453A (ja) * | 2014-02-05 | 2015-08-20 | 国立大学法人神戸大学 | 青果物の品質測定装置、及び青果物の品質測定方法 |
ES2554396B1 (es) * | 2014-04-30 | 2016-10-07 | Universidad De Sevilla | Dispositivo de medición discreta por reflectancia de NIR multibanda del índice glucoacídico en uva para vinificación |
KR102238946B1 (ko) | 2014-06-27 | 2021-04-12 | 삼성전자주식회사 | 가스 센서, 이를 포함하는 냉장고 및 그 제어 방법 |
JP2016045091A (ja) * | 2014-08-22 | 2016-04-04 | 三井金属計測機工株式会社 | 青果類のアントシアニン含量の非破壊計測装置及び非破壊計測方法 |
CN104483287A (zh) * | 2014-12-05 | 2015-04-01 | 南京工业大学 | 基于近红外光谱的在线发酵过程生物学参数的检测装置及方法 |
US10684128B2 (en) | 2015-03-09 | 2020-06-16 | Alliance For Sustainable Energy, Llc | Batch and continuous methods for evaluating the physical and thermal properties of films |
EP3487309A1 (en) * | 2016-07-22 | 2019-05-29 | Carrier Corporation | Cold chain spoilage recognition and management system |
CN106323880A (zh) * | 2016-07-29 | 2017-01-11 | 河南科技大学 | 基于soc高光谱指数的植物叶片花青素含量估算方法及装置 |
CN107340244B (zh) * | 2017-02-06 | 2019-08-30 | 重庆文理学院 | 一种大棚芹菜的季节性最优光谱检测方法 |
WO2020033516A1 (en) | 2018-08-07 | 2020-02-13 | Walmart Apollo, Llc | System and method for forecasting deliveries via blockchain smart contracts using hyperspectral computer vision and iot devices |
JP7280038B2 (ja) * | 2018-12-20 | 2023-05-23 | 株式会社クボタ | 携帯型測定装置 |
JP6763995B2 (ja) * | 2019-04-18 | 2020-09-30 | 浜松ホトニクス株式会社 | 分光測定装置および分光測定方法 |
CN110263969B (zh) * | 2019-05-07 | 2023-06-02 | 西北农林科技大学 | 一种货架期苹果品质动态预测系统及预测方法 |
SG10201911636PA (en) * | 2019-12-04 | 2020-03-30 | Teapasar Pte Ltd | System and method for non-destructive rapid food profiling using artificial intelligence |
JP7376380B2 (ja) * | 2020-02-13 | 2023-11-08 | 大王製紙株式会社 | 廃プラスチックの選別装置 |
CN111443089A (zh) * | 2020-04-27 | 2020-07-24 | 深圳市道创智能创新科技有限公司 | 分选检测设备 |
CN111879712A (zh) * | 2020-08-20 | 2020-11-03 | 合肥金果缘视觉科技有限公司 | 一种用于花生果的检测装置 |
CN113418878A (zh) * | 2021-06-15 | 2021-09-21 | 桂林电子科技大学 | 基于微型光谱传感器的水果成熟度检测系统及方法 |
US11995842B2 (en) | 2021-07-22 | 2024-05-28 | X Development Llc | Segmentation to improve chemical analysis |
US12033329B2 (en) | 2021-07-22 | 2024-07-09 | X Development Llc | Sample segmentation |
CN113640244B (zh) * | 2021-07-28 | 2022-09-23 | 湖南师范大学 | 一种基于可见近红外光谱的果树品种鉴别方法 |
CN114235723B (zh) * | 2021-11-04 | 2024-04-02 | 福建师范大学 | 一种水果内在品质的无损测量方法及终端 |
CN114295883B (zh) * | 2022-01-06 | 2023-08-22 | 南京大学 | 一种提高光纤电流传感器测量精度的多维度标定方法 |
CN115046961A (zh) * | 2022-06-15 | 2022-09-13 | 浙江大学 | 适用于检测农产品中番茄红素含量的光谱检测方法 |
CN115406854B (zh) * | 2022-08-23 | 2024-08-16 | 绿萌科技股份有限公司 | 一种面向定标模型评价的短波红外检测水果腐烂的方法 |
CN115758779A (zh) * | 2022-11-29 | 2023-03-07 | 江苏大学 | 一种云服务的光电检测模型传递共享方法和物联网监测评价系统 |
CN116297297B (zh) * | 2023-05-22 | 2023-08-15 | 成都博瑞科传科技有限公司 | 基于阵列光谱和离子选择法的水中总氮检测方法及传感器 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5089701A (en) | 1990-08-06 | 1992-02-18 | The United States Of America As Represented By The Secretary Of Agriculture | Nondestructive measurement of soluble solids in fruits having a rind or skin |
JP2881201B2 (ja) * | 1990-08-23 | 1999-04-12 | 三井金属鉱業株式会社 | 柑橘果実の糖度測定方法およびその装置 |
US5303026A (en) * | 1991-02-26 | 1994-04-12 | The Regents Of The University Of California Los Alamos National Laboratory | Apparatus and method for spectroscopic analysis of scattering media |
JP2517858B2 (ja) | 1991-10-04 | 1996-07-24 | 農林水産省食品総合研究所長 | 近赤外透過スペクトルによる果実糖度の非破壊測定法 |
US5926262A (en) * | 1997-07-01 | 1999-07-20 | Lj Laboratories, L.L.C. | Apparatus and method for measuring optical characteristics of an object |
US6100526A (en) | 1996-12-30 | 2000-08-08 | Dsquared Development, Inc. | Grain quality monitor |
GB9709840D0 (en) | 1997-05-15 | 1997-07-09 | Sinclair Int Ltd | Assessment of the condition of fruit and vegetables |
NL1009556C2 (nl) | 1998-07-03 | 2000-01-07 | Cpro Dlo | Werkwijze voor het bepalen van de kwaliteit van fruit en bessen en inrichting voor het scheiden van fruit en bessen. |
-
2001
- 2001-03-12 EP EP01918659A patent/EP1285244A4/en not_active Withdrawn
- 2001-03-12 MX MXPA02009027A patent/MXPA02009027A/es active IP Right Grant
- 2001-03-12 JP JP2001568026A patent/JP2003527594A/ja not_active Withdrawn
- 2001-03-12 BR BR0109219-7A patent/BR0109219A/pt not_active IP Right Cessation
- 2001-03-12 CN CN01809360A patent/CN1430723A/zh active Pending
- 2001-03-12 IL IL15175101A patent/IL151751A0/xx active IP Right Grant
- 2001-03-12 AU AU2001245710A patent/AU2001245710B2/en not_active Ceased
- 2001-03-12 NZ NZ521919A patent/NZ521919A/en unknown
- 2001-03-12 CA CA002402669A patent/CA2402669C/en not_active Expired - Fee Related
- 2001-03-12 WO PCT/US2001/008146 patent/WO2001069191A1/en active IP Right Grant
- 2001-03-12 AU AU4571001A patent/AU4571001A/xx active Pending
Cited By (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100462712C (zh) * | 2005-08-03 | 2009-02-18 | 北京农业信息技术研究中心 | 便携式植物氮素和水分含量的无损检测方法及测量仪 |
CN100335886C (zh) * | 2006-05-09 | 2007-09-05 | 江西农业大学 | 反射式水果糖酸度检测仪 |
CN100335887C (zh) * | 2006-05-09 | 2007-09-05 | 江西农业大学 | 透射式水果营养成分测定装置 |
CN108078295A (zh) * | 2010-07-08 | 2018-05-29 | Itab物流扫描公司 | 收银台 |
CN102959382A (zh) * | 2010-07-09 | 2013-03-06 | 千代田电子工业株式会社 | 果蔬的非破坏测定装置 |
CN102590131A (zh) * | 2012-01-18 | 2012-07-18 | 中国农业大学 | 生鲜肉深层水分无损伤在线检测装置及方法 |
CN102645416A (zh) * | 2012-03-27 | 2012-08-22 | 北京林业大学 | 一种快速测定蓝莓中花青素含量的方法 |
CN103575405A (zh) * | 2012-07-24 | 2014-02-12 | 弗卢克公司 | 具有图形温度曲线的热成像相机 |
CN103575405B (zh) * | 2012-07-24 | 2017-05-10 | 弗卢克公司 | 具有图形温度曲线的热成像相机 |
CN104981679A (zh) * | 2013-02-04 | 2015-10-14 | 梅西耶-道提有限公司 | 探测变形的工具和探测变形的方法 |
CN104981679B (zh) * | 2013-02-04 | 2019-06-28 | 梅西耶-道提有限公司 | 探测变形的工具和探测变形的方法 |
CN103281459A (zh) * | 2013-06-06 | 2013-09-04 | 仝晓萌 | 一种可测水果甜度和ph值的手机 |
CN103487397B (zh) * | 2013-09-23 | 2015-10-28 | 浙江农林大学 | 一种雷竹笋硬度快速检测方法及装置 |
CN103487397A (zh) * | 2013-09-23 | 2014-01-01 | 浙江农林大学 | 一种雷竹笋硬度快速检测方法及装置 |
CN104089881A (zh) * | 2013-12-17 | 2014-10-08 | 浙江工商大学 | 大黄鱼存储时间检测方法 |
CN103792235A (zh) * | 2014-01-10 | 2014-05-14 | 内蒙古农业大学 | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 |
CN103808689A (zh) * | 2014-02-21 | 2014-05-21 | 山东省农业科学院农业质量标准与检测技术研究所 | 五点式近红外水果成熟度及品质检测仪 |
CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测系统及方法 |
CN104251837B (zh) * | 2014-10-17 | 2016-08-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测系统及方法 |
CN105241555A (zh) * | 2015-09-09 | 2016-01-13 | 浙江大学 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
CN105241555B (zh) * | 2015-09-09 | 2018-07-31 | 浙江大学 | 基于水果表面不同组织热特性的水果损伤检测方法及装置 |
CN106680219A (zh) * | 2015-11-06 | 2017-05-17 | 深圳市芭田生态工程股份有限公司 | 一种利用光谱数据和化学检测数据建立数据模型的方法 |
CN106680236A (zh) * | 2015-11-06 | 2017-05-17 | 深圳市芭田生态工程股份有限公司 | 一种将光谱数据和化学检测数据进行映射的方法 |
TWI703313B (zh) * | 2015-12-09 | 2020-09-01 | 台灣超微光學股份有限公司 | 光譜儀的量測方法、光譜儀及其電子電路 |
US10514297B2 (en) | 2015-12-09 | 2019-12-24 | Oto Photonics Inc. | Electronic circuitry for controlling in order to perform exposure measurements continuously, spectrometer using the same and measurement method of the spectrometer |
CN105807014A (zh) * | 2016-01-13 | 2016-07-27 | 青岛万福质量检测有限公司 | 一种蔬果能量检测方法 |
CN107621460A (zh) * | 2016-07-15 | 2018-01-23 | 华东交通大学 | 一种近红外光谱漫透射技术黄桃隐性损伤与糖度同时在线检测装置与方法 |
CN106311627A (zh) * | 2016-08-05 | 2017-01-11 | 中山市恒辉自动化科技有限公司 | 一种食品自动检测装置 |
CN106311627B (zh) * | 2016-08-05 | 2018-07-20 | 中山市恒辉自动化科技有限公司 | 一种食品自动检测装置 |
CN106525720A (zh) * | 2016-11-17 | 2017-03-22 | 常熟理工学院 | 采用双波长拟合相邻单波长实现食品安全快速检测的方法 |
CN106525720B (zh) * | 2016-11-17 | 2019-03-29 | 常熟理工学院 | 采用双波长拟合相邻单波长实现食品安全快速检测的方法 |
CN106950183A (zh) * | 2017-02-28 | 2017-07-14 | 中国科学院合肥物质科学研究院 | 一种基于光谱技术的便携式土壤养分检测装置 |
CN107202761A (zh) * | 2017-06-09 | 2017-09-26 | 甘肃萃英大农科技有限公司 | 一种快速检测水果内部品质的便携式检测设备及检测方法 |
CN111989561A (zh) * | 2018-03-29 | 2020-11-24 | 自动化合作关系(剑桥)有限公司 | 用于生物材料的光谱分析的计算机实现的方法和系统 |
CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
CN113056664A (zh) * | 2018-11-29 | 2021-06-29 | 罗伯特·博世有限公司 | 光谱仪设备和相对应的用于运行光谱仪设备的方法 |
CN113614515A (zh) * | 2019-03-15 | 2021-11-05 | 热带产品公司 | 用于植物选定和加工的技术 |
CN110208194A (zh) * | 2019-06-11 | 2019-09-06 | 华东交通大学 | 水果成熟度检测装置及成熟度评价方法 |
CN110687134A (zh) * | 2019-09-29 | 2020-01-14 | 武汉大学 | 带状fpc生产中的在线检测装置及方法 |
CN110927073A (zh) * | 2019-11-06 | 2020-03-27 | 广东弓叶科技有限公司 | 多光谱成像方法、电子装置及存储介质 |
CN111060473A (zh) * | 2020-01-15 | 2020-04-24 | 王丽娟 | 一种食品质量分析检测装置 |
CN111060473B (zh) * | 2020-01-15 | 2021-06-25 | 王丽娟 | 一种食品质量分析检测装置 |
CN112986174A (zh) * | 2021-02-03 | 2021-06-18 | 佛山一本农业科技有限公司 | 一种基于近红外光谱的果蔬优选分拣方法、系统及可读存储介质 |
CN113390802A (zh) * | 2021-04-28 | 2021-09-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
CN113390802B (zh) * | 2021-04-28 | 2023-03-14 | 中国农业科学院农产品加工研究所 | 一种用于肉品品质在线检测的距离调整方法及系统 |
CN113177925A (zh) * | 2021-05-11 | 2021-07-27 | 昆明理工大学 | 一种无损检测水果表面缺陷的方法 |
CN113177925B (zh) * | 2021-05-11 | 2022-11-11 | 昆明理工大学 | 一种无损检测水果表面缺陷的方法 |
CN115561180A (zh) * | 2022-01-14 | 2023-01-03 | 深圳进化动力数码科技有限公司 | 基于红外多光谱和可见光的生鲜商品新鲜度检测设备 |
CN117093841A (zh) * | 2023-10-18 | 2023-11-21 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
CN117093841B (zh) * | 2023-10-18 | 2024-02-09 | 中国科学院合肥物质科学研究院 | 小麦透射光谱的异常光谱筛选模型确定方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
BR0109219A (pt) | 2004-06-22 |
AU4571001A (en) | 2001-09-24 |
EP1285244A1 (en) | 2003-02-26 |
JP2003527594A (ja) | 2003-09-16 |
CA2402669A1 (en) | 2001-09-20 |
NZ521919A (en) | 2004-03-26 |
EP1285244A4 (en) | 2008-04-16 |
MXPA02009027A (es) | 2004-08-19 |
CA2402669C (en) | 2006-07-18 |
WO2001069191A1 (en) | 2001-09-20 |
AU2001245710B2 (en) | 2005-02-17 |
IL151751A0 (en) | 2003-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1430723A (zh) | 用可见光/近红外光谱测量和相关水果特性的方法和装置 | |
US6847447B2 (en) | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum | |
Walsh et al. | Visible-NIR ‘point’spectroscopy in postharvest fruit and vegetable assessment: The science behind three decades of commercial use | |
AU2001245710A1 (en) | Apparatus and method for measuring and correlating characteristics of fruit with visible/near infra-red spectrum | |
US8072605B2 (en) | Method and apparatus for determining quality of fruit and vegetable products | |
McGlone et al. | Internal quality assessment of mandarin fruit by vis/NIR spectroscopy | |
US8563934B2 (en) | Method and detection system for detection of aflatoxin in corn with fluorescence spectra | |
CN105008898B (zh) | 用于组合的libs和ir吸收光谱法研究的系统和方法 | |
US5258825A (en) | Optical compositional analyzer apparatus and method for detection of ash in wheat and milled wheat products | |
McMullin et al. | Advancements in IR spectroscopic approaches for the determination of fungal derived contaminations in food crops | |
US20120092663A1 (en) | Transmission raman spectroscopy analysis of seed composition | |
US8964180B2 (en) | Self-contained and portable optical spectrometer | |
US20040149916A1 (en) | Portable apparatus for the non-destructive measurement to the internal quality of vegetable products | |
Peirs et al. | Starch index determination of apple fruit by means of a hyperspectral near infrared reflectance imaging system | |
CN111044466A (zh) | 果蔬新鲜度的光谱检测系统及检测方法 | |
US20190369013A1 (en) | Method and apparatus for spectroscopic analysis, implementing infrared and fluorescence multichannel processing of spectral data | |
Min et al. | Design of a hyperspectral nitrogen sensing system for orange leaves | |
KR101424147B1 (ko) | 종자 품질 판정 방법 및 이를 이용한 종자 품질 판정 시스템 | |
Al Riza et al. | Mandarin orange (Citrus reticulata Blanco cv. Batu 55) ripeness level prediction using combination reflectance-fluorescence spectroscopy | |
Guo et al. | Dynamic Nondestructive Detection Models of Apple Quality in Critical Harvest Period Based on Near-Infrared Spectroscopy and Intelligent Algorithms | |
CN109073546A (zh) | 用于检测谷物中霉菌毒素的存在的方法和设备 | |
Singh et al. | Optical sensors and online spectroscopy for automated quality and safety inspection of food products | |
KR200404482Y1 (ko) | 휴대형 과일 품질정보 측정장치 | |
CN116773466A (zh) | 谷物成分传感器和谷物成分分析装置 | |
CN110261342A (zh) | 水果货架期的监测装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
ASS | Succession or assignment of patent right |
Owner name: FPS FOODSTUFFS TREATMENT SYSTEM CO.,LTD. Free format text: FORMER OWNER: OUTLET CO., LTD.; AVIDA HOLDING COMPANY Effective date: 20030729 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20030729 Applicant after: FPS food handling Systems Inc Applicant before: Ottly Inc. Applicant before: Weida Holding Co |
|
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20030716 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |