一种快速校正近红外设备并检测农产品中化学成分的方法
【专利摘要】本发明涉及一种快速校正近红外光谱检测设备并检测农产品中化学成分的方法,该方法用标准近红外检测设备对农产品标准样品进行近红外数据采集,用化学方法检测农产品标准样品的化学成分数据,根据标准近红外光谱数据库和标准化学成分数据库建立标准映射模型;用检测农产品的实际近红外检测设备采集农产品校验样品的近红外光谱数据和用化学方法检测农产品校验样品的化学成分数据,与标准映射模型进行比对获得校验映射模型,新样品的近红外光谱数据通过校验映射模型得到化学成分数据。通过校验映射模型,解决了空间上相隔较远的地方采用新的近红外检测设备快速检验然后快速检测农产品的化学成分数据。
【专利说明】
一种快速校正近红外设备并检测农产品中化学成分的方法
技术领域
[0001]本发明属于农产品检测领域,尤其涉及一种快速校正近红外光谱检测设备并检测农产品中化学成分的方法。【背景技术】
[0002]通过近红外快速检测农产化学成分的方法越来越获得科研工作者和农产消费者的关注,其中最为关键的是近红外检测设备的差异化导致检测结果的不准,每出现一种新的检测设备型号都会导致已有数据库难以利用的局面,目前还没有较好的解决办法。
[0003]公开号为CN102305772A的专利公开了一种用于食品和农产品品质检测的基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法,利用理化分析方法测定所有待测样本的待测组分浓度值后划分样本的校正集和预测集;利用遗传算法对预处理后的校正集光谱数据点进行全局搜索,依据核偏最小二乘法交互验证过程中最小的交互验证均方根误差值确定出最终参与建模的特征变量数,并将遗传算法筛选出来的特征变量重新组成新的数据矩阵作为模型的输入;将测得的校正集样本待测组分浓度矩阵作为模型的标准输出,建立最佳校正分析模型。
[0004]公开号为CN102879353A的专利公开了一种检测花生中蛋白质组分含量的方法,包括1)对已知蛋白质组分含量的花生标准品进行近红外光谱扫描,获得所述已知蛋白质组分含量的花生标准品在近红外波长的所有光谱信息,得到校正集样本光谱的计算平均值;2) 对所述步骤1)所得校正集样本光谱进行预处理;3)将所述步骤2)预处理后的校正集样本光谱中的信息数据进行主成分分析,提取特征信息数据;4)以所述花生标准品的蛋白质组分含量的化学测定值为校正值,将所述步骤3)所得特征信息数据作为自变量,所述校正值作为因变量,用化学计量学多元校正算法建立所述自变量与所述因变量之间的校正模型;5) 将所述步骤1)所述已知蛋白质组分含量的花生标准品替换为待测花生样品,重复所述步骤 1)至步骤3),将所述步骤3)所得特征信息数据输入所述步骤4)的校正模型,得到所述待测花生样品中的蛋白质组分含量。
[0005]公开号为CN101907564A的专利公开了一种油菜籽品质的近红外光谱快速检测方法:先取不同水分和脂肪的油菜籽样品若干份,一部分作为校正集,另一部分作为预测集, 其余部分作为待测样品,采用国标法测定所有样品的含水量和脂肪含量作为实测值;再用本发明近红外检测仪采集校正集样品、预测集样品以及待测样品的漫反射光谱信息,用校正集的光谱数据与其含水量和脂肪含量实测值间的关系建立校正模型;将预测集的光谱数据带入到校正模型中进行预测,获取预测集的样品含水量和脂肪含量的预测结果并分析与其实测值的差异,选取预测精度达到要求的校正模型;最后将模型参数导入到微处理器中, 同时将待测样品的光谱信息调入选取的校正模型中,对待测样品含水量和脂肪含量进行计算,所获得的含水量和脂肪含量预测值即为待测样品含水量和脂肪含量的测定结果。
[0006]但是现有技术中对于能够实现快速检测的方法都没有解决不同检测仪器造成已有数据库难以利用的问题,无法实现利用新仪器对样品进行快速检测。
【发明内容】
[0007]为解决上述技术问题,本发明提供了一种快速校正近红外光谱检测设备并检测农产品中化学成分的方法,其特征在于该方法包括如下步骤:
[0008]步骤A:用标准近红外检测设备对n个农产品标准样品进行近红外数据采集,得到标准近红外光谱数据库;
[0009]步骤B:用化学方法检测步骤A中的n个农产品标准样品的化学成分数据,形成标准化学成分数据库;
[0010]步骤C:根据步骤A的标准近红外光谱数据库和步骤B的标准化学成分数据库建立标准映射t吴型;
[0011]步骤D:用检测农产品的实际近红外检测设备采集m个农产品校验样品的近红外光谱数据,形成校验近红外光谱数据库;
[0012]步骤E:用化学方法检测步骤D中的m个农产品校验样品的化学成分数据,形成校验化学成分数据库;
[0013]步骤F:将校验近红外光谱数据库和校验化学成分数据库与标准映射模型进行比对,获得实际近红外检测设备所采集的近红外光谱与化学成分关系的校验映射模型;
[0014]步骤G:用实际近红外检测设备采集农产品新样品的近红外光谱数据,通过校验映射模型计算得到农产品新样品的化学成分数据;
[0015]其中步骤A、步骤D和步骤G中的农产品属于植物学上同一种;
[0016]其中n和m为整数,且n>50>m>5。[〇〇17] 优选的,上述方法中,标准近红外检测设备为稳定的全谱段红外光谱仪器。
[0018]优选的,上述方法中,实际近红外检测设备为连续型便携式红外光谱仪、单点式手持光谱仪或者其他形式的光谱测量设备。
[0019]优选的,上述方法中,标准映射模型和校验映射模型可以应用数据构建模型的任意方法进行构建,构建过程中不断通过标准化学成分数据和校验化学成分数据进行验证, 最终实现标准映射模型和校验映射模型能够实现实际近红外检测设备和标准近红外检测设备之间在计算化学成分含量之间的相对准确的对应关系。
[0020]优选的,上述方法中,农产品为蔬菜、水果或粮食等,农产品也可以替换为食品在上述方法中被检测。
[0021]本发明还提供了一种快速校正近红外光谱检测设备并检测农产品中化学成分的系统,其特征在于该系统包括数据输入端、云服务器和数据输出端,其特征在于数据输入端具有标准农产品近红外光谱数据输入接口和标准农产品化学数据输入接口,同一数据输入端或另一数据数据库还具有校验近红外光谱数据输入结构和校验化学农产品数据输入结构,云服务器包括标准映射模型和校验映射模型,数据输出端具有农产品化学数据输出端口,数据输入端与云服务器双向连接,云服务器与数据输出端连接。[〇〇22] 有益效果:
[0023]1、建立特定农产品的标准映射模型,然后结合其他近红外检测仪器的近红外光谱数据和化学成分数据建立校验映射模型,能够实现对新的近红外检测设备的快速校正和快速检测化学成分。
[0024]2、通过校验映射模型,解决了空间上相隔较远的地方采用新的近红外检测设备快速检验然后快速检测农产品的化学成分数据。
[0025]3、标准近红外光谱检测设备和实际近红外光谱检测设备可以任意选择,尤其是实际近红外检测设备,当需要快速检测农产品化学成分的情况下,仅仅需要少量样品的化学检测就能够实现新设备的快速校验并投入使用。[〇〇26]4、标准映射模型内嵌在云端,校验光谱数据库和校验化学成分数据库传输到云端后,就能够实现建立新的校验映射模型,再将实际样品检测的近红外光谱数据传输到校验映射模型即可获得样品的化学成分数据。【附图说明】[〇〇27]图1为标准映射模型建立框图;[〇〇28]图2为校验映射模型建立框图;
[0029]图3为实际样品化学成分检测框图。【具体实施方式】
[0030]实施例1
[0031]步骤A:用稳定的全谱段红外光谱仪器(作为标准近红外检测设备)对150个黄瓜标准样品进行近红外数据采集,得到黄瓜标准近红外光谱数据库;
[0032]步骤B:用化学方法检测步骤A中的150个黄瓜标准样品的化学成分数据,形成黄瓜标准化学成分数据库;
[0033]步骤C:根据步骤A的黄瓜标准近红外光谱数据库和步骤B的黄瓜标准化学成分数据库建立黄瓜标准映射模型;
[0034]步骤D:用单点式手持光谱仪(作为检测农产品的实际近红外检测设备)采集20个黄瓜校验样品的近红外光谱数据,形成黄瓜校验近红外光谱数据库;
[0035]步骤E:用化学方法检测步骤D中的20个黄瓜校验样品的化学成分数据,形成黄瓜校验化学成分数据库;
[0036]步骤F:将黄瓜校验近红外光谱数据库和黄瓜校验化学成分数据库与黄瓜标准映射模型进行比对,获得校验映射模型;
[0037]步骤G:用单点式手持光谱仪采集黄瓜新样品的近红外光谱数据,通过校验映射模型计算得到黄瓜新样品的化学成分数据。
[0038]实施例2[〇〇39]步骤A:用稳定的全谱段红外光谱仪器(作为标准近红外检测设备)对120个西红柿标准样品进行近红外数据采集,得到西红柿标准近红外光谱数据库;
[0040]步骤B:用化学方法检测步骤A中的120个西红柿标准样品的化学成分数据,形成西红柿标准化学成分数据库;
[0041]步骤C:根据步骤A的西红柿标准近红外光谱数据库和步骤B的西红柿标准化学成分数据库建立西红柿标准映射模型;
[0042]步骤D:用连续型便携式红外光谱仪(作为检测农产品的实际近红外检测设备)采集10个西红柿校验样品的近红外光谱数据,形成西红柿校验近红外光谱数据库;
[0043]步骤E:用化学方法检测步骤D中的10个西红柿校验样品的化学成分数据,形成西红柿校验化学成分数据库;
[0044]步骤F:将西红柿校验近红外光谱数据库和西红柿校验化学成分数据库与西红柿标准映射模型进行比对,获得校验映射模型;
[0045]步骤G:用连续型便携式红外光谱仪采集西红柿新样品的近红外光谱数据,通过校验映射模型计算得到西红柿新样品的化学成分数据。
【主权项】
1.一种快速校正近红外光谱检测设备并检测农产品中化学成分的方法,其特征在于该 方法包括如下步骤:步骤A:用标准近红外检测设备对n个农产品标准样品进行近红外数据采集,得到标准 近红外光谱数据库;步骤B:用化学方法检测步骤A中的n个农产品标准样品的化学成分数据,形成标准化学 成分数据库;步骤C:根据步骤A的标准近红外光谱数据库和步骤B的标准化学成分数据库建立标准 映射模型;步骤D:用检测农产品的实际近红外检测设备采集m个农产品校验样品的近红外光谱数 据,形成校验近红外光谱数据库;步骤E:用化学方法检测步骤D中的m个农产品校验样品的化学成分数据,形成校验化学 成分数据库;步骤F:将校验近红外光谱数据库和校验化学成分数据库与标准映射模型进行比对,获 得实际近红外检测设备所采集的近红外光谱与化学成分关系的校验映射模型;步骤G:用实际近红外检测设备采集农产品新样品的近红外光谱数据,通过校验映射模 型计算得到农产品新样品的化学成分数据;其中步骤A、步骤D和步骤G中的农产品属于植物学上同一种;其中n和m为整数,且n>50>m>5。2.根据权利要求1所述的方法,其中标准近红外检测设备为稳定的全谱段红外光谱仪器。3.根据权利要求1所述的方法,其中实际近红外检测设备为连续型便携式红外光谱仪、 单点式手持光谱仪或者其他形式的光谱测量设备。4.根据权利要求1所述的方法,其中农产品为蔬菜、水果或粮食。5.—种快速校正近红外光谱检测设备并检测农产品中化学成分的系统,其特征在于该 系统包括数据输入端、云服务器和数据输出端,其特征在于数据输入端具有标准农产品近 红外光谱数据输入接口和标准农产品化学数据输入接口,同一数据输入端或另一数据数据 库还具有校验近红外光谱数据输入结构和校验化学农产品数据输入结构,云服务器包括标 准映射模型和校验映射模型,数据输出端具有农产品化学数据输出端口,数据输入端与云 服务器双向连接,云服务器与数据输出端连接。
【文档编号】G01N21/359GK106092960SQ201610604333
【公开日】2016年11月9日
【申请日】2016年7月28日 公开号201610604333.4, CN 106092960 A, CN 106092960A, CN 201610604333, CN-A-106092960, CN106092960 A, CN106092960A, CN201610604333, CN201610604333.4
【发明人】朱湘飞, 刘毅, 刘法安, 谭占鳌, 陈剑
【申请人】深圳市芭田生态工程股份有限公司