一种新型苹果糖度无损测量方法

本发明涉及水果糖度检测，尤其涉及一种新型苹果糖度无损测量方法。

背景技术：

1、苹果广受消费者的喜爱，苹果的糖度是判断苹果品质的重要标准，近年来，近红外分析技术在分析化学领域得到迅猛的发展，引起了很多国内外分析专家的注目，它给检测分析领域带来了又一次分析技术的革新；近红外光谱主要反应的是c-h、o-h、n-h等h官能团的化学键信息，分析范围几乎可以覆盖所有有机化合物和混合物，近红外分析在水果糖度检测领域也得到广泛的应用，产生许多无损水果糖度检测技术，但是现有的光谱图像采集装置中的光谱仪存在体积很大、技术非常复杂不易连接、采集非相关信息量大干扰因素非常多、噪声较大和功耗大等问题，不利于无损水果糖度检测仪的市场推广和应用普及。

2、需要说明的是，在上述背景技术部分公开的信息只用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于克服现有技术的缺点，提供了一种新型苹果糖度无损测量方法，解决了现有苹果糖度检测存在的不足。

2、本发明的目的通过以下技术方案来实现：一种新型苹果糖度无损测量方法，所述测量方法包括：

3、数据采集步骤：采集苹果部分近红外光漫反射图像，使用数字图像处理算法计算每个图像的灰度值，并采集记录每个苹果图像灰度值和对应苹果的糖度值；

4、预测模型建立步骤：通过基于最小二乘的卷积拟合函数对灰度值和糖度值进行预处理，将预处理后的灰度值和糖度值通过偏最小二乘回归算法建立关系，计算出原始数据回归方程常数项和预测系数并建立预测模型；

5、检测步骤：将新采集的苹果近红外光漫反射图像灰度值代入建立的预测模型中得到待测苹果的糖度值。

6、所述通过偏最小二乘回归算法建立关系，计算出原始数据回归方程常数项和预测系数并建立预测模型具体包括以下内容：

7、a1、分别提取实际测量的糖度值与对应不同波长下灰度值之间的成分，并使之相关性达到最大；

8、a2、建立苹果图像自变量成分的回归及因变量的回归；

9、a3、使用残差矩阵e1和f1代替灰度值变量集的标准化观测数据矩阵e0和糖度值变量集的标准化观测数据矩阵f0重复a1和a2步骤；

10、a4、得到偏最小二乘的回归方程式；

11、a5、交叉有效性检验。

12、所述分别提取实际测量的糖度值与对应不同波长下灰度值之间的成分，并使之相关性达到最大具体包括以下内容：

13、考虑n个因变量y1，y2，y3…，yn组成因变量集与m个自变量x1，x2，x3…，xm组成自变量集，在自变量集中提出第一成分t1，同时在因变量集中提取第一成分u1，t1是自变量集x＝(x1，x2，x3…，xm)t的线性组合u1是因变量集y＝(y1,y2,y3,...,yn)t的线性组合并要求t1与u1相关程度达到最大，w1＝(w11,w12,w13,...,w1m)t，v1＝(v11,v12,v13,...,v1n)t分别为第一对成分的权数；

14、将测得的糖度值和不同波段图像灰度值数据分成两组预测集和校正集，由预测集和校正集的标准化观测数据阵e0和f0，计算自变量成分得分向量以及因变量成分得分向量其中，e0表示灰度集，w1表示拉格朗日乘数法所求灰度集和糖度集的最大特征值，f0表示标准化之后的糖度值矩阵，θ1表示的最大值，将求得w1带入即可求得v1，t表示矩阵的转置；

15、将与转换为条件极值问题通过拉格朗日乘数法，问题转化为求单位向量w1和v1，使趋近于最大；

16、通过计算m*m矩阵的特征值和特征向量，且m的最大特征值为则单位特征向量即为所求的解w1，而v1可由w1计算得到

17、所述建立苹果图像自变量成分的回归及因变量的回归具体包括以下内容：

18、根据计算m*m矩阵最大特征值对应的特征值w1，得到成分计算成分得分向量和残差矩阵其中

19、设置回归模型为其中α1＝(α11，α12，α13，...，α1m)t和β1＝(β11，β12，β13，...，β1n)t分别表示多对一的回归模型中的参数向量，e1和f1表示残差阵；

20、回归系数向量α1和β1的最小二乘估计为称α1，β1为模型效应负荷量。

21、所述使用残差矩阵e1和f1代替灰度值变量集的标准化观测数据矩阵e0和糖度值变量集的标准化观测数据矩阵f0重复a1和a2步骤具体包括以下内容：

22、设置则残差阵表示为如果残差矩阵f1中元素的绝对值为0，认为使用第一个成分建立的回归式精度已经满足需要，则停止抽取成分；

23、否则使用残差阵e1和f1代替e0和f0重复以上步骤得到w2＝(w21,w22,w23,...,w2m)t和v2＝(v21,v22,v23,...,v2n)t分别为第二对成分的权数，而为第二对成分的得分向量，分别为x，y的第二对成分的负荷量，则

24、所述得到偏最小二乘的回归方程式具体包括以下内容：

25、设置n*m数据矩阵e0的秩为r≤(n-1,m)min，则存在r个成分t1,t2,t3...tr使得

26、将tk＝wk1x1+wk2x2+wk3x3+…+wkmxm，k＝1,2,3,4...,r，带入y＝t1β1+t2β2+t3β3+…+trβr,即得n个因变量的偏最小二乘回归方程式yj＝aj1x1+aj2x2+aj3x3+…+ajmxm(j＝1,2,3,...,m)，将苹果图像数据代入到回归方程式得到在没有真是糖度值时预测出的苹果糖度值。

27、本发明具有以下优点：一种新型苹果糖度无损测量方法，通过低成本的图像采集装置采集到的苹果信息进行建模，使得预测出来的糖度值更加的快速和准确。

技术特征：

1.一种新型苹果糖度无损测量方法，其特征在于：所述测量方法包括：

2.根据权利要求1所述的一种新型苹果糖度无损测量方法，其特征在于：所述通过偏最小二乘回归算法建立关系，计算出原始数据回归方程常数项和预测系数并建立预测模型具体包括以下内容：

3.根据权利要求2所述的一种新型苹果糖度无损测量方法，其特征在于：所述分别提取实际测量的糖度值与对应不同波长下灰度值之间的成分，并使之相关性达到最大具体包括以下内容：

4.根据权利要求3所述的一种新型苹果糖度无损测量方法，其特征在于：所述建立苹果图像自变量成分的回归及因变量的回归具体包括以下内容：

5.根据权利要求4所述的一种新型苹果糖度无损测量方法，其特征在于：所述使用残差矩阵e1和f1代替灰度值变量集的标准化观测数据矩阵e0和糖度值变量集的标准化观测数据矩阵f0重复a1和a2步骤具体包括以下内容：

6.根据权利要求5所述的一种新型苹果糖度无损测量方法，其特征在于：所述得到偏最小二乘的回归方程式具体包括以下内容：

技术总结
本发明涉及一种新型苹果糖度无损测量方法，所述测量方法包括：数据采集步骤：采集苹果部分近红外光漫反射图像，使用数字图像处理算法计算每个图像的灰度值，并采集记录每个苹果图像灰度值和对应苹果的糖度值；预测模型建立步骤：通过基于最小二乘的卷积拟合函数对灰度值和糖度值进行预处理，将预处理后的灰度值和糖度值通过偏最小二乘回归算法建立关系，计算出原始数据回归方程常数项和预测系数并建立预测模型；检测步骤：将新采集的苹果近红外光漫反射图像灰度值代入建立的预测模型中得到待测苹果的糖度值。本发明通过低成本的图像采集装置采集到的苹果信息进行建模，使得预测出来的糖度值更加的快速和准确。

技术研发人员：冉双全,陈曦,陈国洪,龙宁,蔡方凯
受保护的技术使用者：成都工业学院
技术研发日：
技术公布日：2024/2/19