一種基於近紅外光譜技術的獼猴桃膨大果無損檢測方法
2023-07-29 23:37:26
一種基於近紅外光譜技術的獼猴桃膨大果無損檢測方法
【專利摘要】本發明公開了一種基於近紅外漫反射光譜技術的獼猴桃膨大果（施用膨大劑的獼猴桃果實）的無損檢測方法，該方法以近紅外漫反射光譜儀為檢測工具，通過掃描一批獼猴桃膨大果和非膨大果樣品的近紅外漫反射光譜獲取樣本的光譜數據；對光譜預處理以降低光譜中的噪聲；將膨大果和非膨大果分別劃分進校正集與預測集；對光譜數據降維，並從光譜中提取特徵變量或特徵波長；建立獼猴桃膨大果的線性或非線性識別模型，並對模型進行檢驗。本方法對獼猴桃膨大果的正確識別率大於96％。本發明基於採集的獼猴桃樣本的近紅外漫反射光譜檢測獼猴桃果實是否施用膨大劑，具有無損、效率高、準確率高、便捷、結果穩定的優點。
【專利說明】比外，膨大劑(屬於生長激素)對人健康的潛雖然各省已經發出了在獼猴桃生產中禁用。如果不能從生產源頭杜絕膨大劑的使用，勺關鍵問題。
去測定獼猴桃中膨大劑含量的方法，但該方。經檢索，授權的實用新型專利「一種氯吡了一種快速檢測氯吡脲含量的方法，但是該無損識別獼猴桃膨大果的文章和專利。
品的內、外部物理特徵和化學成分，已成為於則技術。雖然在利用近紅外光譜技術檢測\硬度和含水率等方面已經進行了比較廣識別方面。為此，有必要開發一種基於近紅I障消費者的權益，同時促使獼猴桃產業的匕捷、簡便、準確的獼猴桃膨大果識別技術。 (4)劃分獼猴桃樣本，得到校正集與預測集，其中校正集中含有獼猴桃膨大果和非膨大果，預測集中也含有獼猴桃膨大果和非膨大果，且校正集中獼猴桃膨大果和非膨大果的數分別大於預測集中膨大果和非膨大果的數量；
(5)採用主成分分析法、蒙特卡洛法、連續投影算法等光譜降維方法對獼猴桃的近紅外漫反射光譜進行降維，從光譜中提取能區分獼猴桃膨大果和非膨大果的特徵波長或特徵變量;
(6)以步驟（5)提取的特徵波長或特徵變量為輸入參數，以獼猴桃膨大果代碼和非膨大果代碼為輸出參數，採用偏最小二乘、間隔偏最小二乘、支持向量機等方法建立識別獼猴桃膨大果和非膨大果的線性或非線性定性識別模型，檢驗所建模型對校正集和預測集中的獼猴桃膨大果和非膨大果樣本的正確識別率。結果說明，本方法對獼猴桃膨大果的正確識別率大於96%。
[0007]本發明中所述的獼猴桃膨大果是指在獼猴桃果實生長發育期間，施用過(塗抹、蘸用、浸潰）膨大劑的獼猴桃果實；所述的非膨大果是指在獼猴桃果實生長發育期間，未施用過(塗抹、蘸用、浸潰）膨大劑的獼猴桃果實。
[0008]本發明具有如下優點：本發明通過獲取獼猴桃的近紅外光譜得到其光譜信息，採用不同的數據降維技術分別建立線性或非線性識別模型，並優選出最佳的膨大果識別模型，為獼猴桃膨大果的識別提供一種無損、快捷、簡便、準確的方法。
【專利附圖】
【附圖說明】
[0009]圖I :應用連續投影算法優選特徵波長過程中均方根誤差（RMSE)隨模型中包含的波長數的變化曲線。
【具體實施方式】
[0010]本發明方法對不同品種獼猴桃膨大果的無損識別具有很好的通用性。由於獼猴桃品種很多，因此，本發明只以陝西省的一個主要品種一「西選二號」稱猴桃為實施實例，其他品種獼猴桃膨大果的識別可參照該實施例的方法進行。具體根據所測獼猴桃品種，建立一個適用於該品種的獼猴桃膨大果識別模型，就可以對該品種獼猴桃的膨大果進行檢測。
[0011]下面結合附圖和實施例對本發明作進一步說明。
[0012]依據本發明實施例的方法包括以下步驟：
步驟一，選取獼猴桃膨大果和非膨大果樣品。選取一批已知是膨大果和非膨大果的完好無損樣品。為保證模型的可靠性，樣品總數儘可能大於100，且膨大果和正常果的總數相差不大。本實施例中在承包的獼猴桃果園中，選取「西選二號」獼猴桃膨大果和非膨大果各120 個。
[0013]步驟二，採集獼猴桃樣品的近紅外光譜曲線。本實施例採用德國BRUKER公司的MPA型傅立葉變換近紅外漫反射光譜儀採集獼猴桃樣品的近紅外漫反射光譜。光譜採集的條件是：光譜掃描範圍833?2500，採樣間隔O. 804nm，掃描次數32次，探頭視場角為90°，採集期間的環境為室溫（23?25°C )，以儀器內置背景為參比，光譜數據由0PUS6. 5 (BrukerOptics,德國）軟體進行採集和導出。採集時，光纖探頭與獼猴桃樣品直接接觸，在果實赤道部位選取均勻分布且無缺陷的2點進行測定，並取2點平均光譜作為樣品光譜。I據的絕大部分信息，而且各主成分之間互1、的幹擾。此方法選取了前11個主成分作
吋，首先選擇一個初始特徵波長，在剩餘的另一個特徵波長，然後依次進行迭代，直到代，找出冗餘信息最少的特徵波長數。選定[32)值確定。隨著特徵波長數的增加，校正6個波長作為特徵波長，該6個特徵波長分
多大果識別模型，同時利用校正集和預測集丨以步驟五中主成分分析法提取出的主成分膨大果代碼和非膨大果代碼為輸出參數分莫型。所建立的四個模型中，基於主成分分羨高，其對校正集中膨大果的正確識別率達
紅外漫反射光譜技術識別獼猴桃膨大果不
【權利要求】
1.一種基於近紅外光譜技術的獼猴桃膨大果無損檢測方法，其特徵在於，具體包括以下步驟： (1)選取完好無損，已知為獼猴桃膨大果和非膨大果的一批樣品作為樣本； (2)採用近紅外漫反射光譜儀在每個獼猴桃果實的赤道部位附近採集樣品的近紅外漫反射光譜；光譜的採集條件是：光譜採集範圍為833?2500nm，採集間隔O. 804nm，掃描次數32次，探頭視場角為90° ; (3)採用多元散射校正，一階導數、二階導數等方法對獼猴桃膨大果和非膨大果的近紅外漫反射光譜進行預處理，以校正由於光的散射而引起的光譜誤差； (4)劃分獼猴桃樣本，得到校正集與預測集，其中校正集中含有獼猴桃膨大果和非膨大果，預測集中也含有獼猴桃膨大果和非膨大果，且校正集中獼猴桃膨大果和非膨大果的數量分別大於預測集中膨大果和非膨大果的數量； (5)採用主成分分析法、蒙特卡洛法、連續投影算法等光譜降維方法對獼猴桃的近紅外漫反射光譜進行降維，從光譜中提取能區分獼猴桃膨大果和非膨大果的特徵波長或特徵變量; (6)以步驟（5)中提取的特徵波長或特徵變量為輸入參數，以獼猴桃膨大果代碼和非膨大果代碼為輸出參數，採用偏最小二乘、間隔偏最小二乘、支持向量機等方法建立識別獼猴桃膨大果和非膨大果的線性或非線性定性識別模型，檢驗所建模型對校正集和預測集中的獼猴桃膨大果和非膨大果樣本的正確識別率。
【文檔編號】G01N21/359GK103837492SQ201410061939
【公開日】2014年6月4日 申請日期:2014年2月24日 優先權日:2014年2月24日
【發明者】郭文川, 朱新華, 劉大洋, 王轉為, 遲茜 申請人:西北農林科技大學