亚星游戏官网-www.yaxin868.com

一种基于近红外光谱技术的猕猴桃膨大果无损检测方法
【专利摘要】本发明公开了一种基于近红外漫反射光谱技术的猕猴桃膨大果（施用膨大剂的猕猴桃果实）的无损检测方法，该方法以近红外漫反射光谱仪为检测工具，通过扫描一批猕猴桃膨大果和非膨大果样品的近红外漫反射光谱获取样本的光谱数据；对光谱预处理以降低光谱中的噪声；将膨大果和非膨大果分别划分进校正集与预测集；对光谱数据降维，并从光谱中提取特征变量或特征波长；建立猕猴桃膨大果的线性或非线性识别模型，并对模型进行检验。本方法对猕猴桃膨大果的正确识别率大于96％。本发明基于采集的猕猴桃样本的近红外漫反射光谱检测猕猴桃果实是否施用膨大剂，具有无损、效率高、准确率高、便捷、结果稳定的优点。
【专利说明】比外，膨大剂(属于生长激素)对人健康的潜虽然各省已经发出了在猕猴桃生产中禁用。如果不能从生产源头杜绝膨大剂的使用，勺关键问题。
去测定猕猴桃中膨大剂含量的方法，但该方。经检索，授权的实用新型专利“一种氯吡了一种快速检测氯吡脲含量的方法，但是该无损识别猕猴桃膨大果的文章和专利。
品的内、外部物理特征和化学成分，已成为於则技术。虽然在利用近红外光谱技术检测\硬度和含水率等方面已经进行了比较广识别方面。为此，有必要开发一种基于近红I障消费者的权益，同时促使猕猴桃产业的匕捷、简便、准确的猕猴桃膨大果识别技术。 (4)划分猕猴桃样本，得到校正集与预测集，其中校正集中含有猕猴桃膨大果和非膨大果，预测集中也含有猕猴桃膨大果和非膨大果，且校正集中猕猴桃膨大果和非膨大果的数分别大于预测集中膨大果和非膨大果的数量；
(5)采用主成分分析法、蒙特卡洛法、连续投影算法等光谱降维方法对猕猴桃的近红外漫反射光谱进行降维，从光谱中提取能区分猕猴桃膨大果和非膨大果的特征波长或特征变量;
(6)以步骤（5)提取的特征波长或特征变量为输入参数，以猕猴桃膨大果代码和非膨大果代码为输出参数，采用偏最小二乘、间隔偏最小二乘、支持向量机等方法建立识别猕猴桃膨大果和非膨大果的线性或非线性定性识别模型，检验所建模型对校正集和预测集中的猕猴桃膨大果和非膨大果样本的正确识别率。结果说明，本方法对猕猴桃膨大果的正确识别率大于96%。
[0007]本发明中所述的猕猴桃膨大果是指在猕猴桃果实生长发育期间，施用过(涂抹、蘸用、浸溃）膨大剂的猕猴桃果实；所述的非膨大果是指在猕猴桃果实生长发育期间，未施用过(涂抹、蘸用、浸溃）膨大剂的猕猴桃果实。
[0008]本发明具有如下优点：本发明通过获取猕猴桃的近红外光谱得到其光谱信息，采用不同的数据降维技术分别建立线性或非线性识别模型，并优选出最佳的膨大果识别模型，为猕猴桃膨大果的识别提供一种无损、快捷、简便、准确的方法。
【专利附图】

【附图说明】
[0009]图I :应用连续投影算法优选特征波长过程中均方根误差（RMSE)随模型中包含的波长数的变化曲线。
【具体实施方式】
[0010]本发明方法对不同品种猕猴桃膨大果的无损识别具有很好的通用性。由于猕猴桃品种很多，因此，本发明只以陕西省的一个主要品种一“西选二号”称猴桃为实施实例，其他品种猕猴桃膨大果的识别可参照该实施例的方法进行。具体根据所测猕猴桃品种，建立一个适用于该品种的猕猴桃膨大果识别模型，就可以对该品种猕猴桃的膨大果进行检测。
[0011]下面结合附图和实施例对本发明作进一步说明。
[0012]依据本发明实施例的方法包括以下步骤：
步骤一，选取猕猴桃膨大果和非膨大果样品。选取一批已知是膨大果和非膨大果的完好无损样品。为保证模型的可靠性，样品总数尽可能大于100，且膨大果和正常果的总数相差不大。本实施例中在承包的猕猴桃果园中，选取“西选二号”猕猴桃膨大果和非膨大果各120 个。
[0013]步骤二，采集猕猴桃样品的近红外光谱曲线。本实施例采用德国BRUKER公司的MPA型傅里叶变换近红外漫反射光谱仪采集猕猴桃样品的近红外漫反射光谱。光谱采集的条件是：光谱扫描范围833?2500，采样间隔O. 804nm，扫描次数32次，探头视场角为90°，采集期间的环境为室温（23?25°C )，以仪器内置背景为参比，光谱数据由0PUS6. 5 (BrukerOptics,德国）软件进行采集和导出。采集时，光纤探头与猕猴桃样品直接接触，在果实赤道部位选取均匀分布且无缺陷的2点进行测定，并取2点平均光谱作为样品光谱。I据的绝大部分信息，而且各主成分之间互1、的干扰。此方法选取了前11个主成分作
吋，首先选择一个初始特征波长，在剩余的另一个特征波长，然后依次进行迭代，直到代，找出冗余信息最少的特征波长数。选定[32)值确定。随着特征波长数的增加，校正6个波长作为特征波长，该6个特征波长分
多大果识别模型，同时利用校正集和预测集丨以步骤五中主成分分析法提取出的主成分膨大果代码和非膨大果代码为输出参数分莫型。所建立的四个模型中，基于主成分分羨高，其对校正集中膨大果的正确识别率达
红外漫反射光谱技术识别猕猴桃膨大果不
【权利要求】
1.一种基于近红外光谱技术的猕猴桃膨大果无损检测方法，其特征在于，具体包括以下步骤： (1)选取完好无损，已知为猕猴桃膨大果和非膨大果的一批样品作为样本； (2)采用近红外漫反射光谱仪在每个猕猴桃果实的赤道部位附近采集样品的近红外漫反射光谱；光谱的采集条件是：光谱采集范围为833?2500nm，采集间隔O. 804nm，扫描次数32次，探头视场角为90° ; (3)采用多元散射校正，一阶导数、二阶导数等方法对猕猴桃膨大果和非膨大果的近红外漫反射光谱进行预处理，以校正由于光的散射而引起的光谱误差； (4)划分猕猴桃样本，得到校正集与预测集，其中校正集中含有猕猴桃膨大果和非膨大果，预测集中也含有猕猴桃膨大果和非膨大果，且校正集中猕猴桃膨大果和非膨大果的数量分别大于预测集中膨大果和非膨大果的数量； (5)采用主成分分析法、蒙特卡洛法、连续投影算法等光谱降维方法对猕猴桃的近红外漫反射光谱进行降维，从光谱中提取能区分猕猴桃膨大果和非膨大果的特征波长或特征变量; (6)以步骤（5)中提取的特征波长或特征变量为输入参数，以猕猴桃膨大果代码和非膨大果代码为输出参数，采用偏最小二乘、间隔偏最小二乘、支持向量机等方法建立识别猕猴桃膨大果和非膨大果的线性或非线性定性识别模型，检验所建模型对校正集和预测集中的猕猴桃膨大果和非膨大果样本的正确识别率。
【文档编号】G01N21/359GK103837492SQ201410061939
【公开日】2014年6月4日 申请日期:2014年2月24日 优先权日:2014年2月24日
【发明者】郭文川, 朱新华, 刘大洋, 王转为, 迟茜 申请人:西北农林科技大学