一種高光拍照和無損光譜掃描判斷果蔬品質的方法與流程

2023-09-16 23:34:55

本發明屬於食品品質檢測領域，特別是涉及一種高光拍照和無損光譜掃描判斷果蔬品質的方法。

背景技術：

現有技術中檢測食品品質的方法一般有：單純針對食品表面品質進行檢測的方法，也有應用光譜對食品化學成分進行檢測的方法。但是無論是哪一種方法，檢測的結果都是片面性的，而針對食品表面檢測方法一般採用的是高光譜儀器進行食品表面品質檢測，通過圖像和可見光光譜數據進行綜合分析獲得。光譜檢測食品化學成分的方法，一般有近紅外光譜檢測或者是其他的光譜檢測，即需要建立光譜數據和化學數據的資料庫，而這種檢測僅僅是針對食品的內在品質檢測，並沒有對食品的外在品質進行檢測，檢測結果也是片面的。

現有技術中，針對食品內在品質的檢測，尤其是針對水果的品質檢測已經有大量的研究，例如，通過近紅外光譜無損檢測蘋果品質的方法，例如參見「蘋果品質近紅外光譜無損檢測技術研究進展」，《保鮮與加工》，2013,13(3)：1-7，張鵬，李江闊，陳紹慧，國家農產品保鮮工程技術研究中心。

還有，就是通過果蔬表面進行高光譜成像無損檢測來檢測果蔬表面品質的方法，例如參見「果蔬品質高光譜成像無損檢測研究進展」，《雷射與紅外》，2010年6月，第40卷第6期，彭彥穎，孫旭東，劉燕德，華東交通大學機電學院。

本發明的目的是為了建立果蔬表面品質和化學成分檢測雙重指標來評價果蔬的綜合品質，尤其是可以通過表面果蔬表面品質和化學成分檢測數據判斷果蔬表面品質形成的原因，以及化學成分含量產生重大變化的果蔬表面品質變化症狀。

技術實現要素：

為解決上述技術內容，本發明提供了一種高光拍照和無損光譜掃描判斷果蔬品質的方法，該方法解決了對果蔬品質片面性評價的問題，實現了對果蔬表面品質和內在品質的雙重評價，也就是綜合評價，同時可以通過該綜合評價對果蔬表面品質形成的化學成分內在原因和內在品質形成的果蔬表面品質的外部症狀進行評估。

具體的，本發明提供了一種高光拍照和無損光譜掃描判斷果蔬品質的方法，其特徵在於將果蔬進行高光拍照，高光拍照的數據輸入高光資料庫進行計算，獲得果蔬表面品質數據；同時針對相同的果蔬，應用光譜掃描儀進行檢測，將檢測獲得的光譜數據輸入光譜資料庫，獲得果蔬的化學成分含量數據，將果蔬的化學成分含量數據和果蔬的表面品質數據進行雙指標評價，獲得果蔬的綜合品質。

果蔬的品質，對於消費者來說，有時表面比較好看的果蔬，其內在品質並不好，例如含糖量比較低，或者蛋白、維生素營養比較少，或者是因為儲藏時間過長，導致內在水分流失過大。因為目前果蔬表面的處理方法比較多，所以往往會形成果蔬表面品質比較好，但其內在品質往往較差，為此本發明的上述方法，解決了該問題。

同時，在目前的市場上，有很多果蔬種植者認為其果蔬品質是非常好的，但是水果的賣相併不好，對此只能進行有損傷的品嘗，品嘗之後才能夠知道水果的內在品質，如果可以通過無損檢測，能夠證明其外觀品質並不影響其內在品質，那麼本發明的上述方法也具有重大的貢獻。

優選的，上述方法中，所述的高光拍照選自高光比拍照或高廣譜拍照，所述高光比拍照為相機高光比拍照，所述高廣譜拍照為高光譜儀器的高廣譜拍照。

高光比拍照是指利用外界自然光的原理，使用光學相機對果蔬進行拍照，進而形成有些亮點或暗點的照片，該亮點或暗點表明果蔬表面品質產生了差異化，而高光譜儀器的高光譜拍照是指通過高廣譜儀器對果蔬表面進行拍照處理，獲得照片的同時能夠檢測果蔬表面反射回來的可見光譜數據，對可見光譜數據進行分析獲得可見光的差異化數據。

優選的，上述方法中，所述的高光拍照的數據包括平滑度、粗糙度、顆粒性、隨機性數據中的一種或多種。

優選的，上述方法中，其特徵在於，所述的高光拍照的數據包括400-780nm的紅外光譜數據。

優選的，上述方法中，其特徵在於，所述的光譜掃描儀為近紅外光譜掃描儀。

光譜掃描儀並不僅僅限於近紅外光譜掃描儀，實際上目前市場上有很多不可見光的光譜掃描儀都是可以的，前提是需要這些光譜掃描儀對果蔬進行光譜掃描的同時，還要通過化學方法檢測果蔬的化學成分，並能夠建立光譜數據和化學成分數據的運算資料庫。

優選的，上述方法中，所述的近紅外光譜儀的近紅外光譜的光譜範圍為800-2000nm。

優選的，上述方法中，所述的高光資料庫為n次高光拍照的數據和肉眼判斷果蔬表面品質結果形成的資料庫，其中n≥50。

高光資料庫的建立在於能夠通過該資料庫實現高光數據輸入後直接判斷出果蔬的表面品質，這樣就需要建立有效的高光數據和表面品質對應的數據模型，而該數據模型是需要通過一定數量有效檢測建立的，本發明的技術方案需要通過至少50次的重複來建立該高光資料庫。

優選的，上述方法中，所述的光譜資料庫為n次光譜掃描儀檢測的光譜數據和化學成分檢測數據形成的資料庫。

優選的，上述方法中，所述的方法還包括判斷果蔬品質形成原因的步驟，其特徵在於將表面品質數據和化學成分含量數據形成資料庫，分析化學成分含量和果蔬表面品質的關係，判斷果蔬表面品質形成的化學成分影響因素和判斷果蔬化學成分改變的果蔬表面品質影響因素。

本發明的目的，一方面是能夠判斷果蔬的綜合品質，同時在建立好果蔬的表面品質和內在品質的關係資料庫之後，還可以實時地判斷果蔬表面品質形成的內在原因，和果蔬內在原因導致的表觀品質症狀。

優選的，上述方法中，所述的果蔬為蘋果、香蕉、橘子、柿子、桃、哈密瓜、柚子、西瓜、柑桔、櫻桃、葡萄、梨、芒果、木瓜、黃瓜、番茄或茄子。

實際上本發明的方法所針對的對象，不僅僅限於上面的果蔬，實際上只要果蔬表面能夠進行高光拍照獲得有規律數據，同時其果蔬的內在品質檢測可以通過光譜掃描儀進行掃描獲得，那麼這些果蔬都是本發明方法所針對的對象。

有益效果：

1、本發明的方法解決了果蔬綜合品質的判斷，同時也實現了果蔬表面品質形成的內在原因和果蔬內在品質所導致的表觀症狀的判斷。

2、本發明還解決了現有技術當中片面性評價果蔬品質的缺陷，獲得通過表面品質數據和化學成分數據結合形成的資料庫，該資料庫在後期果蔬品質評價中能夠形成基礎資料庫，解決果蔬品質評價的效率較低的問題。

3、本發明還實現了將光譜檢測和高光拍照的結合來進行果蔬綜合品質評價，這兩種方法基本上不會對果蔬造成任何損傷，所以可以對果蔬進行無限制評價。

附圖說明：

圖1為高光拍照和光譜掃描判斷果蔬品質的示意圖

圖2為高光資料庫的種類示意圖

圖3為高光比表面品質評價資料庫建立的示意圖

圖4為高光譜表面品質評價資料庫建立的示意圖

具體實施方式

實施例1：建立高光比表面品質評價資料庫

選取100個蘋果分別進行高光比拍照，獲得100個蘋果的高光比照片，然後通過肉眼識別100個蘋果獲得肉眼識別表面品質信息，肉眼判斷表面品質信息指標包括平滑度、粗糙度、顆粒性和隨機性。將100個蘋果的高光比照片和100個蘋果的肉眼的蘋果表面品質評價信息一一對應後輸入資料庫，建立高光比拍照照片特徵和肉眼識別表面品質信息的對應關係，形成高光比拍照照片和肉眼識別品質的評價模型，建立含有評價模型的蘋果高光比表面品質評價資料庫。

同樣的過程，建立葡萄、梨、芒果、木瓜的高光比表面品質評價資料庫。

實施例2：建立高廣譜表面品質評價資料庫

選取100個番茄分別進行高光譜拍照，獲得100個番茄的高光譜照片和高廣譜數據，高廣譜數據的光譜範圍為400-780nm，然後通過肉眼識別100個番茄獲得肉眼識別表面品質信息，肉眼判斷表面品質信息指標包括平滑度、粗糙度、顆粒性和隨機性。將100個番茄的高光譜照片和高廣譜數據及100個番茄的肉眼評價的番茄表面品質信息一一對應後輸入資料庫，建立高光譜數據照片和高廣譜數據及肉眼識別表面品質信息的對應關係，形成高光譜的番茄表面評價模型，建立含有評價模型的番茄高光譜表面品質評價資料庫。

同樣的過程，建立茄子的高光譜表面品質評價資料庫。

實施例3：建立近紅外光譜資料庫

選取100個蘋果進行近紅外光譜掃描，獲得蘋果的近紅外光譜數據，近紅外光譜的光譜範圍為800-2000nm，同時檢測100個蘋果的化學成分及其含量數據，將近紅外光譜掃描獲得的近紅外光譜數據和蘋果的化學成分及其含量數據一一對應輸入資料庫，形成蘋果近紅外光譜計算蘋果化學成分及其含量的計算模型，建立包含計算模型的蘋果近紅外光譜資料庫。

同樣的過程，建立葡萄、梨、芒果、木瓜的近紅外光譜資料庫。

同樣的過程，建立番茄和茄子的近紅外光譜資料庫。

實施例4：蘋果綜合品質評價

將蘋果進行高光比拍照，高光比拍照的照片輸入實施例1的蘋果高光比表面品質評價資料庫進行計算，獲得蘋果表面品質數據；同時對蘋果應用近紅外光譜掃描儀進行掃描檢測，將檢測獲得的蘋果近紅外光譜數據輸入實施例3的蘋果近紅外光譜資料庫，獲得蘋果的化學成分含量數據，將蘋果的表面品質數據和蘋果的化學成分含量數據進行雙指標評價，雙指標的評價的權重比為蘋果的表面品質和化學成分含量權重比為4:6。通過該權重確定蘋果的綜合品質數據。

實施例5：蘋果表面品質形成因素判斷

再次選取100個蘋果，重複實施例4的方法，獲得的蘋果的表面品質數據和蘋果的化學成分含量數據一一對應輸入資料庫，計算蘋果的表面品質數據和蘋果的化學成分含量數據之間的關係，形成蘋果的表面品質數據和蘋果的化學成分含量數據相互評價模型，建立含有相互評價模型的蘋果表面品質和化學成分綜合資料庫。從該資料庫中提取蘋果化學成分及其含量數據影響蘋果的表面品質因素，同時從該資料庫中提取蘋果的表面品質影響蘋果化學成分及其含量數據的因素。

選取1個蘋果，進行蘋果的高光比拍照，將蘋果的高光比照片輸入到蘋果表面品質評價資料庫獲得蘋果表面品質數據，將該蘋果表面品質數據輸入到上述蘋果表面品質和化學成分綜合資料庫，確定蘋果內在估算化學成分及其含量信息。同時對該蘋果進行近紅外檢測，通過近紅外光譜資料庫確定蘋果的化學成分及其含量，通過估算化學成分及其含量數據和近紅外光譜確定的化學成分及其含量數據評估蘋果表面品質和化學成分綜合資料庫在蘋果表面品質和內在化學成分及其含量數據之間對應的準確性。

重複實施例4和實施例5，進行葡萄、梨、芒果、木瓜的綜合品質評價。

實施例6：番茄綜合品質評價

將番茄進行高廣譜拍照，高廣譜拍照的照片和高廣譜數據輸入實施例2的番茄高廣譜表面品質評價資料庫進行計算，獲得番茄表面品質數據；同時對番茄應用近紅外光譜掃描儀進行掃描檢測，將檢測獲得的番茄近紅外光譜數據輸入實施例3的番茄近紅外光譜資料庫，獲得番茄的化學成分含量數據，將番茄的表面品質數據和番茄的化學成分含量數據進行雙指標評價，雙指標評價的權重比為番茄的表面品質和化學成分含量權重比為7:3。通過該權重確定番茄的綜合品質數據。

重複實施例6的方法，判斷茄子的綜合品質。