本發(fā)明涉及一種利用高光譜技術(shù)檢測(cè)蘋(píng)果澀味的回味的方法。

背景技術(shù)：

在購(gòu)買(mǎi)水果時(shí)，消費(fèi)者不僅重視其外形，而且對(duì)于其內(nèi)部品質(zhì)也越來(lái)越在乎，內(nèi)部品質(zhì)主要指標(biāo)包括糖度、酸度、水分、可溶性固體物、脆度、硬度以及水果口感等。在檢測(cè)水果內(nèi)部品質(zhì)時(shí)，主要方法有：

1、光譜法，可對(duì)物體內(nèi)部物理結(jié)構(gòu)及化學(xué)成分進(jìn)行分析。

2、介電特性檢測(cè)技術(shù)，用測(cè)試儀測(cè)定待測(cè)水果的實(shí)際介電參數(shù)，由介電參數(shù)來(lái)檢測(cè)水果的內(nèi)外部品質(zhì)。

3、聲學(xué)特性檢測(cè)技術(shù)，水果在聲波中對(duì)聲波進(jìn)行反射(也包括透射和散射)時(shí)，它的一些特征參數(shù)與它原本的頻率有很大的關(guān)系，不同水果的內(nèi)部組織會(huì)呈現(xiàn)出不同的聲學(xué)特性，通過(guò)這些聲學(xué)特性尋找出與水果品質(zhì)如糖度、堅(jiān)實(shí)度、肉質(zhì)顏色、紋理、成熟度之間的關(guān)系，從而進(jìn)行檢測(cè)與分級(jí)。

4、力學(xué)特性檢測(cè)技術(shù)，可實(shí)現(xiàn)無(wú)損檢測(cè)，檢測(cè)參數(shù)是水果的軟硬、口感是否甜脆等。

蘋(píng)果澀味的回味是消費(fèi)者最重要的口感指標(biāo)之一，目前尚未有合適的方法能夠檢測(cè)蘋(píng)果澀味的回味，因此，亟需發(fā)展一種快速、無(wú)損、高效的檢測(cè)方法來(lái)檢測(cè)蘋(píng)果澀味的回味品質(zhì)。

技術(shù)實(shí)現(xiàn)要素：

為解決上述問(wèn)題，本發(fā)明提供了一種利用高光譜技術(shù)檢測(cè)蘋(píng)果澀味的回味的方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案為：

一種利用高光譜技術(shù)檢測(cè)蘋(píng)果澀味的回味的方法，包括如下步驟：

S1、通過(guò)高光譜分選儀獲取12個(gè)蘋(píng)果樣本的高光譜數(shù)據(jù)，對(duì)每一個(gè)蘋(píng)果分別選取上、下、左、右、中5個(gè)感興趣區(qū)域，然后求5個(gè)感興趣區(qū)域的平均光譜作為該樣本的光譜數(shù)據(jù)；并通過(guò)電子舌獲取所述蘋(píng)果樣本的相應(yīng)的味覺(jué)數(shù)據(jù)；

S2、選擇中間的480個(gè)波段作為原始光譜數(shù)據(jù)，并對(duì)所得的原始光譜依次進(jìn)行多元散射校正(MSC)、Savitzky-Golay(S-G)卷積平滑和MSC+S-G的光譜預(yù)處理；

S3、對(duì)預(yù)處理后的光譜進(jìn)行偏最小二乘回歸(PLSR)建模分析，得出校正集和預(yù)測(cè)集相關(guān)系數(shù)R和均方根誤差RMSE；

S4、選取16個(gè)局部相關(guān)系數(shù)極小值和極大值所對(duì)應(yīng)的波段值作為特征波段，依次為403nm、452nm、478nm、527nm、587nm、662nm、680nm、695nm、723nm、753nm、795nm、842nm、881nm、940nm、944nm和996nm建立蘋(píng)果澀味的回味預(yù)測(cè)模型。

其中，所述步驟S2采用The Unscrambler Startup9.7軟件建立特征波段偏最小二乘回歸(PLSR)模型。

其中，所述步驟S1中味覺(jué)數(shù)據(jù)具體通過(guò)以下步驟獲?。?/p>

將所述蘋(píng)果樣本進(jìn)行研磨榨汁，分別稱(chēng)取30ml果汁，倒入60ml蒸餾水，一分鐘后，充分混合，放入離心機(jī)3000rpm離心10分鐘，取上層清液，得到2個(gè)樣本溶液待檢；每份待檢測(cè)樣品用電子舌測(cè)量6次，每次測(cè)量結(jié)束后電子舌自動(dòng)清洗，直到2個(gè)待測(cè)樣品全部測(cè)量完畢，每一個(gè)樣本獲得6個(gè)數(shù)據(jù)，共12個(gè)數(shù)據(jù)，測(cè)完一組蘋(píng)果樣本后，進(jìn)行下一次測(cè)量；重復(fù)上述步驟，完成其余6組蘋(píng)果的檢測(cè)，共得72組蘋(píng)果澀味的回味數(shù)據(jù)，與高光譜數(shù)據(jù)相對(duì)應(yīng)。

本發(fā)明具有以下有益效果：

利用高光譜技術(shù)檢測(cè)蘋(píng)果澀味的回味的研究方法，將高光譜數(shù)據(jù)和電子舌測(cè)量的數(shù)據(jù)運(yùn)用The Unscrambler Startup9.7軟件建立特征波段偏最小二乘回歸(PLSR)模型，為后續(xù)的檢測(cè)提供模板，具有方法科學(xué)合理，便于操作，味覺(jué)準(zhǔn)確率高等優(yōu)點(diǎn)。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例中蘋(píng)果澀味的回味與光譜反射值的回歸曲線圖。

圖2為本發(fā)明實(shí)施例中澀味的回味PLSR訓(xùn)練結(jié)果示意圖。

圖3為本發(fā)明實(shí)施例中樣本澀味的回味模型預(yù)測(cè)結(jié)果示意圖。

具體實(shí)施方式

為了使本發(fā)明的目的及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合實(shí)施例對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

以下實(shí)施例中，所使用的高光譜(380-1038nm)分選儀選用是北京卓立漢光儀器有限公司提供的GaiaSorter“蓋亞”型號(hào)；所使用的電子舌選用是日本Insent公司提供的SA402B型號(hào)，所使用的數(shù)據(jù)預(yù)處理和建模軟件選用是The Unscrambler Startup9.7型號(hào)。

實(shí)施例

對(duì)12個(gè)蘋(píng)果樣本通過(guò)高光譜分選儀獲得其高光譜數(shù)據(jù)，對(duì)一個(gè)蘋(píng)果分別選取上、下、左、右、中5個(gè)感興趣區(qū)域(每個(gè)感興趣區(qū)域大小大約為100像素點(diǎn))，然后求5個(gè)感興趣區(qū)域的平均光譜作為該樣本的光譜數(shù)據(jù)，對(duì)一個(gè)蘋(píng)果樣本反復(fù)進(jìn)行6次，獲得6個(gè)光譜數(shù)據(jù)，共72組數(shù)據(jù)。

對(duì)于72個(gè)樣本數(shù)據(jù)，根據(jù)校正集和預(yù)測(cè)集樣本數(shù)3∶1的原則，54個(gè)作為校正集，18個(gè)作為預(yù)測(cè)集。為了確保試驗(yàn)校正集和預(yù)測(cè)集更加具有代表性，本文采用每隔3個(gè)樣本就選擇1個(gè)樣本為預(yù)測(cè)集的方法，并確保最大與最小值都在校正集中。選擇中間的480個(gè)波段作為原始光譜數(shù)據(jù)，同樣對(duì)原始光譜數(shù)據(jù)做了MSC、S-G卷積平滑和MSC+S-G處理。對(duì)三種預(yù)處理后的光譜進(jìn)行偏最小二乘回歸(PLSR)建模分析，得出校正集和預(yù)測(cè)集相關(guān)系數(shù)R和均方根誤差RMSE。其結(jié)果統(tǒng)計(jì)如表1。

表1澀味的回味光譜預(yù)處理PLSR模型結(jié)果

由表1可知，對(duì)澀味的回味進(jìn)行PLSR建模效果最好的是MSC預(yù)處理方法，其預(yù)測(cè)集相關(guān)系數(shù)達(dá)到0.9700，均方根誤差為0.8587。

對(duì)蘋(píng)果澀味的回味與預(yù)處理后得到的光譜反射值進(jìn)行對(duì)比和回歸分析，選取局部相關(guān)系數(shù)波峰和波谷所對(duì)應(yīng)的波段值作為特征波段。蘋(píng)果澀味的回味與預(yù)處理后得到的光譜反射值的回歸曲線如圖1所示。

選取16個(gè)局部相關(guān)系數(shù)極小值和極大值所對(duì)應(yīng)的波段值作為特征波段，依次為403nm、452nm、478nm、527nm、587nm、662nm、680nm、695nm、723nm、753nm、795nm、842nm、881nm、940nm、944nm和996nm建立蘋(píng)果澀味的回味預(yù)測(cè)模型澀味的回味模型中校正集的相關(guān)系數(shù)為0.9412，校正均方根誤差為0.0770。結(jié)果如圖2所示。

特征波段下建立偏最小二乘模型，預(yù)測(cè)集的相關(guān)系數(shù)達(dá)到0.9115，預(yù)測(cè)均方根誤差為0.0843，說(shuō)明該模型效果比較好，預(yù)測(cè)集中真實(shí)值與預(yù)測(cè)值的統(tǒng)計(jì)數(shù)據(jù)見(jiàn)表2，計(jì)算出相對(duì)誤差絕對(duì)值的平均值為0.146391。

表2真實(shí)值與預(yù)測(cè)值統(tǒng)計(jì)表(澀味的回味)

通過(guò)特征波段下的光譜反射率可以評(píng)價(jià)出蘋(píng)果的澀味回味，116個(gè)個(gè)樣本的預(yù)測(cè)模型結(jié)果如圖3。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以作出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。