一種基于近紅外光譜技術(shù)快速無損檢測小麥硬度的方法及應(yīng)用
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于近紅外光譜技術(shù)快速無損檢測小麥硬度的方法及應(yīng)用,屬于 谷物質(zhì)量檢測技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 小麥籽粒質(zhì)地的軟、硬是評價(jià)小麥加工品質(zhì)和食用品質(zhì)的一項(xiàng)重要指標(biāo),并與小 麥育種和貿(mào)易價(jià)格等多方面密切相關(guān),硬度是國內(nèi)外小麥?zhǔn)袌龇诸惡投▋r(jià)的重要依據(jù)之 一,也是各國的育種家重要的育種目標(biāo)之一。小麥硬度被定義為破碎籽粒時(shí)所受到的阻力, 即破碎籽粒時(shí)所需要的力。硬度是由胚乳細(xì)胞中蛋白質(zhì)基質(zhì)和淀粉之間的結(jié)合強(qiáng)度決定 的,這種結(jié)合強(qiáng)度受遺傳控制。小麥的制粉品質(zhì)與籽粒硬度密切相關(guān),小麥硬度的變化可使 小麥制粉流程中各系統(tǒng)在制品數(shù)量和質(zhì)量、各設(shè)備工作效率、加工動力消耗等產(chǎn)生很大變 化。預(yù)先的測定原料小麥的硬度,對于及時(shí)調(diào)整制粉工藝流程和相應(yīng)的技術(shù)參數(shù),確定配麥 方案、保持流程的物料平衡和生產(chǎn)穩(wěn)定、提高生產(chǎn)效率等,都具有重要的技術(shù)指導(dǎo)意義。按 照硬度的不同,國外將小麥分為三個(gè)明顯的硬度等級:軟麥、硬麥和硬粒小麥。
[0003] 利用傳統(tǒng)方法測定小麥的硬度,均費(fèi)工、費(fèi)時(shí)或手續(xù)繁雜,且不能在線檢測。近幾 年,隨著工業(yè)、農(nóng)業(yè)以及藥學(xué)等行業(yè)對更快速、低消費(fèi)以及無損檢測的追求,光譜技術(shù)成為 人們研究的重點(diǎn),受到越來越多的重視,它的很多應(yīng)用已經(jīng)被列入美國谷物化學(xué)家協(xié)會標(biāo) 準(zhǔn)方法(AACC)。近紅外(NIR)檢測因具有檢測速度快、可實(shí)現(xiàn)對多項(xiàng)目同時(shí)檢測、準(zhǔn)確度 高、樣品代表性好和成本低等特點(diǎn),使得近紅外技術(shù)成為一種應(yīng)用潛力巨大的綠色環(huán)保分 析技術(shù)。應(yīng)用NIR法測定小麥硬度國外已有報(bào)道,AACC推薦方法采用1680和2230nm兩個(gè) 波長點(diǎn),并給出三個(gè)回歸系數(shù),但是它對所用儀器和樣品粉碎物進(jìn)行標(biāo)準(zhǔn)化處理,否則測定 誤差較大。所以目前實(shí)際使用NIR法測定小麥硬度的報(bào)道并不多,人們?nèi)灾铝τ谘芯科渌?方法測定小麥硬度,然而應(yīng)用NIR法測定小麥其它品質(zhì)以及對小麥按一定標(biāo)準(zhǔn)進(jìn)行分類的 技術(shù)和方法已經(jīng)很成熟,并且已經(jīng)能達(dá)到較高的精度。
【發(fā)明內(nèi)容】
[0004] 為解決現(xiàn)有技術(shù)檢測周期長、檢測成本高效率低、操作繁瑣的問題,本發(fā)明提供了 一種基于近紅外光譜技術(shù)快速無損檢測小麥硬度的方法,所采取的技術(shù)方案如下:
[0005] 本發(fā)明的目的在于提供一種基于近紅外光譜技術(shù)快速無損檢測小麥硬度的方法。 該方法是通過建立小麥硬度的近紅外檢測模型,利用近紅外光譜儀掃描待檢小麥樣品,獲 取樣品近紅外光譜數(shù)據(jù),在對近紅外光譜數(shù)據(jù)進(jìn)行數(shù)據(jù)處理后,再根據(jù)所得數(shù)據(jù)利用檢測 模型確定待檢小麥樣品的硬度。
[0006] 所述方法的步驟如下:
[0007] 1)利用近紅外光譜儀掃描小麥樣品,獲得樣品的近紅外光譜數(shù)據(jù);
[0008] 2)利用硬度指數(shù)法測定步驟1)所述小麥樣品的硬度,并建立小麥硬度數(shù)據(jù)庫;
[0009] 3)利用優(yōu)化后的SPXY算法將步驟1)所得的近紅外光譜數(shù)據(jù)劃分為校正集和預(yù)測 集,對校正集和預(yù)測集光譜數(shù)據(jù)進(jìn)行預(yù)處理,獲得預(yù)處理數(shù)據(jù);
[0010] 4)以步驟3)所得預(yù)處理后的校正集光譜數(shù)據(jù)矩陣作為模型的輸入,以校正集對 應(yīng)的小麥硬度數(shù)據(jù)作為模型的期望輸出,建立初步徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型,再利用步驟 3)所得預(yù)處理后預(yù)測集的數(shù)據(jù)對初步徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證和校正,最后獲得 檢測模型;
[0011] 5)利用近紅外光譜儀掃描待檢小麥樣品,獲取樣品近紅外光譜數(shù)據(jù),對所得近紅 外光譜數(shù)據(jù)進(jìn)行預(yù)處理后,利用步驟4)所得的檢測模型測定待測小麥樣品的硬度。
[0012] 優(yōu)選地,步驟1)所述利用近紅外光譜儀掃描小麥樣品,掃描范圍為400-2498nm, 分辨率為8nm,掃描次數(shù)為2次。
[0013] 優(yōu)選地,步驟2)所述硬度指數(shù)法,是取24. 99-25. Olg樣品,利用硬度測定儀粉碎 并測定樣品硬度,粉碎時(shí)間為50s,最后通過自動稱量系統(tǒng)稱量并計(jì)算最終結(jié)果或手工稱量 并根據(jù)以下公式計(jì)算結(jié)果:
[0015] 式中,HI (%)表示校正至水分12%,環(huán)境溫度25°C時(shí)的硬度指數(shù),Hi1 (g)表示粉 碎后通過篩網(wǎng)的樣品質(zhì)量,w(% )表示樣品的水分含量A1表示水分校正系數(shù),1^2表示溫度 校正系數(shù)。
[0016] 優(yōu)選地,步驟3)所述近紅外光譜數(shù)據(jù)的預(yù)處理,是利用馬氏距離法剔除光譜數(shù)據(jù) 中的異常值,再利用優(yōu)化后的SPXY算法對光譜數(shù)據(jù)進(jìn)行劃分。
[0017] 優(yōu)選地,步驟3)所述優(yōu)化后的SPXY算法,是先將歐式距離最遠(yuǎn)的兩點(diǎn)數(shù)據(jù)選進(jìn)校 正集,再利用SPXY方法從剩余樣品中選取其余校正集數(shù)據(jù)。
[0018] 優(yōu)選地,步驟3)所述的預(yù)處理,為標(biāo)準(zhǔn)正態(tài)變量變換、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)和連續(xù) 投影算法處理光譜中的一種或幾種。
[0019] 優(yōu)選地,步驟4)所述檢測模型為采用newrbe函數(shù)創(chuàng)建的一個(gè)精密徑向基函數(shù)神 經(jīng)網(wǎng)絡(luò)(RBF)模型。RBF網(wǎng)絡(luò)包括輸入層、隱層和輸出層,預(yù)處理后的校正集光譜數(shù)據(jù)矩陣 作為模型的輸入,以校正集對應(yīng)的小麥硬度數(shù)據(jù)作為模型的期望輸出,均方誤差默認(rèn)為〇, SPREAD值取1200,隱層基函數(shù)采用高斯函數(shù)。徑向基網(wǎng)絡(luò)是一種局部逼近網(wǎng)絡(luò),且其一個(gè) 最大優(yōu)點(diǎn)是通過線性最小二乘法得到權(quán)值W,因此具有較快的處理速度。
[0020] 所述方法的具體步驟如下:
[0021] 1)利用近紅外光譜儀掃描小麥樣品,掃描范圍為400-2498nm,分辨率為8nm,掃描 次數(shù)為2次,獲得樣品的近紅外光譜曲線;
[0022] 2)取24. 99-25. Olg步驟1)所述小麥樣品,利用硬度測定儀粉碎并測定樣品硬度, 粉碎時(shí)間為50s,最后通過自動稱量系統(tǒng)稱量并計(jì)算最終硬度,并建立小麥硬度數(shù)據(jù)庫;
[0023] 3)利用馬氏距離法剔除光譜曲線中的異常值,再利用優(yōu)化后的SPXY算法將所得 的近紅外光譜數(shù)據(jù)劃分為校正集和預(yù)測集,利用標(biāo)準(zhǔn)正態(tài)變量變換優(yōu)化校正集和預(yù)測集光 譜數(shù)據(jù),同時(shí)利用連續(xù)投影算法對校正集和預(yù)測集光譜數(shù)據(jù)進(jìn)行壓縮處理,獲得預(yù)處理數(shù) 據(jù);所述優(yōu)化后的SPXY算法,是先將歐式距離最遠(yuǎn)的兩點(diǎn)數(shù)據(jù)選進(jìn)校正集,在從剩余樣品 中選取其余校正集數(shù)據(jù);
[0024] 4)以所得預(yù)處理后的校正集光譜數(shù)據(jù)矩陣作為模型的輸入,以校正集對應(yīng)的小 麥硬度數(shù)據(jù)作為模型的期望輸出,均方誤差默認(rèn)為〇,建立初步徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型, 再利用步驟3)所得預(yù)處理后預(yù)測集的數(shù)據(jù)對初步徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證和校 正,最后獲得檢測模型;
[0025] 5)根據(jù)步驟1)所述方法利用近紅外光譜儀掃描待檢小麥樣品,獲取樣品近紅外 光譜數(shù)據(jù),再根據(jù)步驟3)所述方法對近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理后,利用步驟4)所得的檢 測模型測定待測小麥樣品的硬度。
[0026] 所述任一方法均可用于檢測小麥的硬度。
[0027] 本發(fā)明獲得的有益效果如下:
[0028] 1.本發(fā)明的方法具有成本低、無污染的特點(diǎn)。利用近紅外光譜技術(shù)不需要任何試 劑,不消耗樣品,無需排放污染物。與常規(guī)方法相比,既能降低成本,又可以保護(hù)環(huán)境,是一 種"綠色分析"技術(shù)。
[0029] 2.本發(fā)明的方法的檢測速度快,檢測小麥種類多,使用小,常規(guī)測量耗時(shí)耗力。常 規(guī)方法建模時(shí)樣本數(shù)據(jù)量過大,存在較多的干擾因素,影響模型的穩(wěn)定性,本發(fā)明通過對光 譜數(shù)據(jù)進(jìn)行預(yù)處理,壓縮光譜數(shù)據(jù)來進(jìn)一步的增強(qiáng)模型的穩(wěn)定性。模型建立后,測量樣品的 時(shí)間只需幾十秒鐘,大幅度提尚檢測效率。
[0030] 3.本發(fā)明的方法客觀性較高。傳統(tǒng)小麥硬度測量法如角質(zhì)率法等需要人為測量, 誤差較大,近紅外檢測方法基本上都是機(jī)器操作,基本上消除了人為誤差。
[0031] 4.可以實(shí)現(xiàn)在線分析。近紅外檢測方法不受地域限制,可以進(jìn)行實(shí)時(shí)檢測。
【附圖說明】
[0032] 圖1是本發(fā)明檢測的流程圖。
[0033] 圖2是小麥樣品近紅外光譜圖;
[0034] (其中橫坐標(biāo)代表光譜的波長,縱坐標(biāo)代表光譜的吸光度,每一條光譜對應(yīng)每個(gè)樣 品的硬度)。
[0035] 圖3是連續(xù)投影算法選擇的光譜點(diǎn);
[0036] (其中橫坐標(biāo)代表波點(diǎn),縱坐標(biāo)是吸光度值,圖中的方塊代表篩選得到的波點(diǎn)位 置)。
[0037] 圖4是RBF網(wǎng)絡(luò)結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0038] 下面結(jié)合具體實(shí)施例對本發(fā)明做進(jìn)一步說明,但本發(fā)明不受實(shí)施例的限制。
[0039] 以下實(shí)施例所用材料、試劑、方法和儀器,未經(jīng)特殊說明,均為本領(lǐng)域常規(guī)材料、試 劑、方法和儀器,本領(lǐng)域技術(shù)人員均可通過商業(yè)渠道獲得。
[0040] 實(shí)施例1
[0041] 1、本實(shí)施例所選用的樣本是由黑龍江省農(nóng)科院農(nóng)產(chǎn)品質(zhì)量安全研究所從全國各 地小麥主產(chǎn)區(qū)收集的2013年小麥樣品,共收集樣本111個(gè)。
[0042] 利用近紅外光譜分析儀獲得光譜數(shù)據(jù),具體過程為:掃描時(shí)溫度控制在室溫25°C 左右;裝樣時(shí)樣品裝入樣品杯后需將杯口刮平,盡量使樣品表面與樣品杯邊緣向平;
[0043] 將樣品放入一個(gè)直徑35mm,IOmm深的原型小槽中進(jìn)行掃描,掃描間隔是8nm,掃描 2次,產(chǎn)生262個(gè)光譜點(diǎn),如圖2為4個(gè)小麥的近紅外光譜圖。
[0044] 2、對經(jīng)近紅外光譜分析儀掃描后的小麥樣品進(jìn)行常規(guī)實(shí)驗(yàn),準(zhǔn)確稱取制備好的樣 品(25. 00±0. 01)g ;打開硬度測定儀端蓋,將粉碎系統(tǒng)轉(zhuǎn)子的一個(gè)型腔(兩刀之間的凹部) 向上對準(zhǔn)進(jìn)料口,關(guān)閉并鎖好端蓋;打開進(jìn)料斗蓋,將稱取好的樣品全部倒入進(jìn)料斗中,關(guān) 閉進(jìn)料斗蓋;開啟測定儀,樣品粉碎50s后,