專利名稱：一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法
技術(shù)領(lǐng)域：
本發(fā)明涉及近紅外譜區(qū)對天然產(chǎn)物品質(zhì)分級的建模方法，具體涉及一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法。
背景技術(shù)：
近紅外光譜技術(shù)憑借其獨(dú)有的快速無損的檢測優(yōu)勢已廣泛的應(yīng)用與食品、工業(yè)、 農(nóng)業(yè)等諸多領(lǐng)域，紅棗的外觀品質(zhì)如果重、尺寸、色澤等同時也是內(nèi)在品質(zhì)的一種反映。由于隨機(jī)選擇棗樣品近紅外光譜差異較大，引起光譜差異的因素很多，甚至無法得出其變化規(guī)律，如何分離出影響光譜變化的主要因素作為條件因子，對樣品光譜掃描條件予以限制， 提高光譜重復(fù)性和質(zhì)量，通過一種有效的方法建立這些外觀品質(zhì)和近紅外光譜之間對應(yīng)的關(guān)系，進(jìn)而找出利用近紅外光譜技術(shù)對紅棗品質(zhì)進(jìn)行快速、無損、客觀分級的評價方法，是一個迫切需要解決的問題。TP方法是一種基于拓?fù)鋵W(xué)(模式識別)基礎(chǔ)上的非回歸方法，拓?fù)浞☉?yīng)用于近紅外光譜分析是基于“光譜相同，則樣品相同；樣品相同，則性質(zhì)相同”的原理，關(guān)鍵之處在于， 從每一個樣品的近紅外光譜提取特征信息變量，據(jù)此確定樣品的編碼。實際操作中，對于大量的拓?fù)鋷鞓悠罚绻鹨槐容^所有波長處的吸光度，一方面增加了計算量，另一方面光譜中無用的信息影響了最后的比較結(jié)果。所以要對光譜進(jìn)行適當(dāng)處理，有效提取其反映各個樣品組成的信息。常用的分級標(biāo)準(zhǔn)是利用果重和大小在較為寬泛的一個區(qū)間評判方法，這時棗樣品近紅外光譜差異較大，而引起光譜差異的因素很多，如何分離出影響光譜變化的主要因素作為條件因子，對樣品再次光譜掃描，提高光譜重復(fù)性，減少這方面的誤差，通過查閱大量相關(guān)的參考文獻(xiàn)和對大量不同品質(zhì)紅棗光譜掃描后分析和整理，發(fā)現(xiàn)通過對紅棗品質(zhì)不同指標(biāo)細(xì)分可以有效對部分紅棗的品質(zhì)進(jìn)行分級和評價。

發(fā)明內(nèi)容
本發(fā)明為解決現(xiàn)有采用隨機(jī)選擇棗樣品近紅外光譜差異較大，且無法分離影響光譜變化的主要光譜特征因子，進(jìn)而導(dǎo)致分級建模質(zhì)量差的問題，提供一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法?！N近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，該方法由以下步驟實現(xiàn)步驟一、挑選外觀特征及主要成分接近的紅棗作為同批次紅棗樣品，獲得紅棗樣品的品質(zhì)特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進(jìn)行近紅外光譜掃描，獲得單個紅棗樣品的光譜圖，對所述單個紅棗樣品的光譜圖進(jìn)行分析，獲得同批次紅棗樣品的近紅外光平均譜圖；步驟三、對步驟二獲得紅棗樣品的近紅外光譜圖進(jìn)行篩選，判斷單個紅棗樣品的光譜圖與所述同批次紅棗樣品的近紅外平均譜圖的差異是否大于閾值，如果是，則執(zhí)行步CN 102183467 A
說明書
2/5頁
驟四；如果否，則執(zhí)行步驟五；步驟四、采用拓?fù)浞▽⒓t棗樣品按光譜特征因子進(jìn)行分離編碼，然后返回執(zhí)行步
驟一；步驟五、將紅棗樣品的光譜特征因子進(jìn)行組合編碼，建立紅棗樣品的子模型。本發(fā)明的原理本發(fā)明所述的方法是一種食品品質(zhì)的建模方法，通過新疆紅棗樣品精選，果品色澤，紋理，含水量，果重，大小等物理品質(zhì)基本一致的紅棗，然后進(jìn)行近紅外光譜掃描，通過光譜圖進(jìn)行篩選，挑出差異較大的樣品光譜，對比樣品進(jìn)行進(jìn)一步品質(zhì)細(xì)分，將品質(zhì)細(xì)分的同批次樣品進(jìn)行光譜掃描，反復(fù)調(diào)整，逐步細(xì)分，直到樣品的光譜差異在所需的精度范圍內(nèi)，提取出特征因子建立子模型，實際應(yīng)用中通過不同子模型特征因子之間按要求改變權(quán)重靈活歸類重組進(jìn)行更新和擴(kuò)展，通過最低匹配值控制樣品精度范圍，建立近紅外光譜和子模型庫的對應(yīng)關(guān)系，得到所需模型以滿足不同實際生產(chǎn)要求。本發(fā)明的有益效果一、本發(fā)明方法主要通過外觀特征結(jié)合一些主要成分指標(biāo)綜合評價紅棗的品質(zhì)。通過紅棗品質(zhì)通過色澤、紋理、成分等信息將相應(yīng)的光譜信息數(shù)字化， 壓縮了數(shù)據(jù)量，使最終采集光譜的重復(fù)性和精度方面有較大提高，便于模型庫的擴(kuò)充和更新；二、本發(fā)明方法有效地減少人為因素的影響，進(jìn)行品質(zhì)細(xì)分減小了光譜圖的差異，提高光譜重復(fù)性，本方法適用于其他果品的無損檢測建模；三、本發(fā)明方法縮短了建模時間，節(jié)省了大量的人力物力，降低了成本，便于迅速開展工作，減少很多彎路。通過對特定譜區(qū)選擇來識別紅棗品質(zhì)，在壓縮數(shù)據(jù)量和設(shè)計選擇濾光片等方面有很好的參考價值。


圖1為本發(fā)明所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法的流程圖；圖2為本發(fā)明所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法中紅棗品質(zhì)編碼流程圖；圖3為本發(fā)明具體實施方式
二中近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法的流程框圖；圖4為具體實施方式
二對紅棗樣品中的干棗多次反復(fù)水平和垂直測量的干棗裂口光譜特征效果圖；圖5為具體實施方式
二中同一個干棗對準(zhǔn)裂口部位和正常區(qū)域效果圖；圖6為具體實施方式
二的紅棗樣品中鮮棗的顏色為紅色的光譜特征效果圖；圖7為具體實施方式
二的紅棗樣品中鮮棗的顏色為綠色的光譜特征效果圖。
具體實施例方式具體實施方式
一、結(jié)合圖1和圖2說明本實施方式，一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，該方法由以下步驟實現(xiàn)步驟一、挑選外觀特征及主要成分接近的紅棗作為同批次紅棗樣品，獲得紅棗樣品的品質(zhì)特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進(jìn)行近紅外光譜掃描，獲得單個紅棗樣品的光譜圖，對所述單個紅棗樣品的光譜圖進(jìn)行分析，獲得同批次紅棗樣品的近紅外光平均譜步驟三、對步驟二獲得紅棗樣品的近紅外光譜圖進(jìn)行篩選，判斷單個紅棗樣品的光譜圖與所述同批次紅棗樣品的近紅外平均譜圖的差異是否大于閾值，如果是，則執(zhí)行步驟四；如果否，則執(zhí)行步驟五；步驟四、采用拓?fù)浞▽⒓t棗樣品按光譜特征因子進(jìn)行分離編碼，然后返回執(zhí)行步
驟一；步驟五、將紅棗樣品的光譜特征因子進(jìn)行組合編碼，建立紅棗樣品的子模型。本實施方式中步驟一所述的紅棗樣品的外觀特征具體指紅棗的顏色、紋理和重量；步驟一所述的主要成分接近的紅棗具體指同批次紅棗樣品的含水量或糖度的差異小于 20%。本實施方式中步驟三所述的判斷紅棗樣品的光譜差異是否大于閾值，其閾值為每個紅棗樣品的光譜相似度是否大于0.6。結(jié)合圖2，依據(jù)光譜差異設(shè)定品質(zhì)細(xì)分閾值后進(jìn)行分離編碼，隨著分離次數(shù)的增加，相應(yīng)設(shè)定的閾值逐漸升高即相似度逐漸升高，最初的子模型品質(zhì)最低，后面的依次升高，即子模型由左向右一致性好等次逐漸升高，逐步由定性粗分到光譜定量細(xì)分，反之，當(dāng)相鄰特征因子單向組合編碼并入則相應(yīng)的閾值降低，品質(zhì)降低等級降低。通過初級分類和組合定量的辦法相結(jié)合，靈活重組可以滿足實際生產(chǎn)中多樣化的要求。本實施方式中步驟四和步驟五所述的光譜特征因子包括紅棗樣品為鮮棗、干棗、 顏色、紋理或者成分。本實施方式中步驟四所述的紅棗樣品按光譜特征因子進(jìn)行分離編碼的方法為采用二進(jìn)制編碼方式，采用定性和半定量結(jié)合的方法對紅棗樣品品質(zhì)進(jìn)行編碼分級，具體為 依據(jù)紅棗品質(zhì)分級方法以及對光譜影響大小程度分三個層次，一層合格，不合格，二層次是干、鮮，三層外觀品質(zhì)，相應(yīng)對光譜的影響也按這三個層次不同類型分離出來然后按對比光譜圖位置和形狀，解析光譜圖中對應(yīng)的品質(zhì)因子，提取特征因子編碼，重構(gòu)品質(zhì)光譜圖。大大壓縮數(shù)據(jù)量，實現(xiàn)譜圖庫快速檢索。物理外觀品質(zhì)變化相對單一，可以利用一位描述，通過定性和半定量的方法描述如顏色紋理可以按此方法繼續(xù)細(xì)分，如水分，糖度等定量梯度的用兩位描述，可以分別利用四個二進(jìn)制代碼00,01,10,11對應(yīng)描述0,25%,50%,75%,100%0個濃度。 ，1表示兩種狀態(tài)，合格紅棗樣品為0，不合格紅棗樣品為1 ；合格紅棗樣品中鮮棗用0表示，干棗用1 表示，不合格紅棗樣品中發(fā)生褐變的紅棗用0表示，其它用1表示；合格紅棗樣品中的鮮棗顏色為綠色用0表示，顏色為紅色用1表示，然后根據(jù)外觀品質(zhì)設(shè)定閾值進(jìn)行升級和降級的區(qū)分，合格紅棗樣品干棗中的成分用00表示，顏色用01表示，紋理用10表示；合格紅棗樣品干棗成分中的水分用00表示，糖度用01表示；合格紅棗樣品干棗顏色為淺黃用0表示， 深紅用1表示；合格紅棗樣品干棗紋理深的用0表示，細(xì)淺的用1表示，根據(jù)物理特征成分組合設(shè)定閾值進(jìn)行升級和降級的區(qū)分，然后根據(jù)生產(chǎn)要求組合調(diào)節(jié)閾值；所述升級用1表示，降級用0表示。
具體實施方式
二、結(jié)合圖3至圖7說明本實施方式，本實施方式為具體實施方式
一所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法的實施例以紅棗為例驗證一、在建模前對紅棗樣品的外觀品質(zhì)如果重、尺寸、色澤等對紅棗初步挑選后，將各物理指標(biāo)細(xì)分后的同批次樣品再經(jīng)光譜掃描細(xì)分，對分離出特征因子編碼建立近紅外光譜子模型；通過該方法建立鮮棗綠色和鮮棗紅色、干棗裂果三個初級子模型庫；二、建立了干棗裂口處尖峰約為10170(^^(983. 2nm)，此數(shù)據(jù)較好的描述子模型提供了較為準(zhǔn)確的譜區(qū)空間；所述新疆紅棗干棗裂果裂口處有尖銳的吸收峰在982nm-983nm 之間，且與裂口方向和大小無關(guān)，這無疑為解決干棗裂口處褐變識別提供了一個很好的參考資料。三、從鮮棗紅色和綠色以及波長區(qū)間的光譜圖中可見，鮮棗綠色的在 10166. 23cm_1 (983. 65nm), 14668. 97cm_1 (681. 71nm)處有較強(qiáng)烈的吸收峰，而在 14234. 27cm-1 (702. 53nm)附近幾乎沒有吸收；可能是綠色的紅棗果皮相對比較厚，穿透效
果較差。四、通過對不同種類紅棗光譜的譜圖分析，無論干棗和鮮棗在 10166. 23cm"1 (983. 65nm)以后光譜的相關(guān)達(dá)到0. 9左右，在12570cm"1 (795. 54nm)附近干棗和鮮棗的相關(guān)性降到0. 2左右，在14234. 27cm"1 (702. 53nm)附近干棗和鮮棗的相關(guān)性降到 0. 1左右，對全譜質(zhì)量評價相關(guān)性在0. 2左右；顯然較多信息如顏色、表面紋理等物理品質(zhì)信息集中在983. 65nm(10166. 23cm—1)以前的部分，可以通過對特定譜區(qū)選擇來識別紅棗品質(zhì)，以后的部分沒有太多的信息，在壓縮數(shù)據(jù)量和設(shè)計選擇濾光片等方面有很好的參考價值。本發(fā)明在實際應(yīng)用中通過不同子模型特征因子之間按要求改變權(quán)重靈活歸類重組進(jìn)行更新和擴(kuò)展，通過最低匹配值控制樣品精度范圍，建立近紅外光譜和子模型庫的對應(yīng)關(guān)系，得到所需模型以滿足不同實際生產(chǎn)要求。本發(fā)明建模方法的特征1、本發(fā)明將近紅外光譜的拓?fù)浞椒ㄓ糜谛陆t棗的建模，在常規(guī)按大小和果重分級方法的基礎(chǔ)上，通過物理細(xì)分和光譜細(xì)分相結(jié)合的辦法，分離出紅棗品質(zhì)的光譜特征因子。然后對紅棗光譜圖中對應(yīng)的品質(zhì)特征進(jìn)行解析，通過分離編碼和組合編碼相結(jié)合再現(xiàn)譜圖的方式，對采集的光譜信息進(jìn)行有效提取。2、新疆紅棗近紅外光譜中分離出來的部分品質(zhì)特征；如深紅的自然色澤，綠色、干棗裂口褐變等，分別編碼建立子模型。通過定性細(xì)分和半定量描述的方式進(jìn)行紅棗品質(zhì)建模。3、參照新疆紅棗的品質(zhì)分級方法提取特征因子并采用相應(yīng)的編碼方式進(jìn)行數(shù)字化描述，依據(jù)需要可以按不同要求自由編碼靈活組合重構(gòu)，產(chǎn)生的數(shù)據(jù)庫小，檢索速度快。4、品種選取主要品種的特征因子按鮮棗和干棗兩大類編碼分別為0，1，物理品質(zhì)如色澤和紋理細(xì)分。如色澤按深紅、桔黃、綠色三種編碼，根據(jù)需要可以對三種組合編碼表示，如果需要細(xì)分可以利用色差儀進(jìn)行深入細(xì)分；表面紋理可以借助于按表面光滑0，紋理細(xì)淺1，如果需要細(xì)分可以利用粗糙度儀描述紋理特征，也可以依據(jù)主要成分如含水量、 糖度等細(xì)分。5、提高光譜圖質(zhì)量的方法拓?fù)浞椒▽t棗光譜特征因子編碼，建立適當(dāng)?shù)木幋a因子，方便檢索和重構(gòu)，極大地縮減了光譜數(shù)據(jù)庫，壓縮了數(shù)據(jù)量，對光譜的采集精度和質(zhì)量提出了更嚴(yán)格的要求。6、將特征因子按編碼方式對譜圖檢索，提高了檢索速度，很方便對現(xiàn)有品質(zhì)特性進(jìn)行擴(kuò)充為在線生產(chǎn)創(chuàng)造了條件。 7、預(yù)測未知樣品時，首先根據(jù)建立的編碼原則，由近紅外光譜提取特征變量進(jìn)行編碼，然后通過一定的檢索方法在拓?fù)鋽?shù)據(jù)庫中尋找最為接近的庫樣品，直接給出樣品的性質(zhì)，并按編碼填入相應(yīng)的庫單元內(nèi)進(jìn)行擴(kuò)庫工作，該方法可以避免重復(fù)建庫。
權(quán)利要求
1.一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征是，該方法由以下步驟實現(xiàn)步驟一、挑選外觀特征及主要成分接近的紅棗作為同批次紅棗樣品，獲得紅棗樣品的品質(zhì)特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進(jìn)行近紅外光譜掃描，獲得單個紅棗樣品的光譜圖，對所述單個紅棗樣品的光譜圖進(jìn)行分析，獲得同批次紅棗樣品的近紅外光平均譜圖；步驟三、對步驟二獲得的紅棗樣品的近紅外光譜圖進(jìn)行篩選，判斷單個紅棗樣品的光譜圖與所述同批次紅棗樣品的近紅外平均譜圖的差異是否大于閾值，如果是，則執(zhí)行步驟四；如果否，則執(zhí)行步驟五；步驟四、采用拓?fù)浞▽⒓t棗樣品按光譜特征因子進(jìn)行分離編碼，然后返回執(zhí)行步驟 步驟五、將紅棗樣品的光譜特征因子進(jìn)行組合編碼，建立紅棗樣品的子模型。
2.根據(jù)權(quán)利要求1所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 步驟一所述的紅棗樣品的外觀特征具體指紅棗的顏色、紋理、重量。
3.根據(jù)權(quán)利要求1所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 步驟一所述的主要成分接近的紅棗具體指同批次紅棗樣品的含水量或糖度的差異小于 20%。
4.根據(jù)權(quán)利要求1所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 步驟三所述的判斷單個紅棗樣品的光譜圖與該批次樣品平均譜圖的差異是否大于閾值，其閾值為每個紅棗樣品的光譜相似度是否大于0. 6。
5.根據(jù)權(quán)利要求1所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 步驟四和步驟五所述的光譜特征因子包括紅棗樣品為鮮棗、干棗、顏色、成分或者紋理。
6.根據(jù)權(quán)利要求1所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 步驟四所述的紅棗樣品按其特征因子進(jìn)行分離編碼的方法為采用二進(jìn)制編碼方式，0，1 表示兩種狀態(tài)，采用定性和半定量結(jié)合的方法對紅棗樣品品質(zhì)進(jìn)行編碼分級。
7.根據(jù)權(quán)利要求6所述的一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，其特征在于， 對紅棗樣品品質(zhì)進(jìn)行編碼分級具體為合格紅棗樣品為0，不合格紅棗樣品為1 ；合格紅棗樣品中鮮棗用0表示，干棗用1表示，不合格紅棗樣品中發(fā)生褐變的紅棗用0表示，其它用1表示；合格紅棗樣品中的鮮棗顏色為綠色用0表示，顏色為紅色用1表示；合格紅棗樣品干棗中的成分用00表示，顏色用01 表示，紋理用10表示；合格紅棗樣品干棗成分中的水分用00表示，糖度用01表示；合格紅棗樣品干棗顏色為淺黃用0表示，深紅用1表示；合格紅棗樣品干棗紋理深的用0表示，細(xì)淺的用1表示。
全文摘要
一種近紅外譜區(qū)新疆紅棗品質(zhì)分級建模方法，涉及近紅外譜區(qū)對天然產(chǎn)物品質(zhì)分級的建模方法，它解決現(xiàn)有采用隨機(jī)選擇棗樣品近紅外光譜差異較大，且無法分離影響光譜變化的主要光譜特征因子，進(jìn)而導(dǎo)致分級建模效果差的問題，通過對樣品外觀特征初步挑選后，對同批次紅棗樣品逐個掃描；經(jīng)過適當(dāng)?shù)墓庾V預(yù)處理后獲得該批次紅棗樣品的平均光譜，并與原樣品光譜圖按相似度篩選，挑出光譜差異較大的樣品，對剩余的再進(jìn)行光譜掃描，反復(fù)調(diào)整和逐步細(xì)分，直到該批次樣品的光譜差異在所需的精度范圍內(nèi)，將分離出的特征因子編碼建立子模型，運(yùn)用該方法成功分離出新疆紅棗的特征因子和建立了子模型，本發(fā)明適用于如紅棗、蘋果、梨子等果品品質(zhì)分級。
文檔編號G01N21/25GK102183467SQ201110025060
公開日2011年9月14日 申請日期2011年1月24日 優(yōu)先權(quán)日2011年1月24日
發(fā)明者盧啟鵬, 羅華平 申請人:中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所