專利名稱：一種近紅外譜區(qū)新疆紅棗品質分級建模方法
技術領域：
本發(fā)明涉及近紅外譜區(qū)對天然產物品質分級的建模方法，具體涉及一種近紅外譜區(qū)新疆紅棗品質分級建模方法。
背景技術：
近紅外光譜技術憑借其獨有的快速無損的檢測優(yōu)勢已廣泛的應用與食品、工業(yè)、 農業(yè)等諸多領域，紅棗的外觀品質如果重、尺寸、色澤等同時也是內在品質的一種反映。由于隨機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， 提高光譜重復性和質量，通過一種有效的方法建立這些外觀品質和近紅外光譜之間對應的關系，進而找出利用近紅外光譜技術對紅棗品質進行快速、無損、客觀分級的評價方法，是一個迫切需要解決的問題。TP方法是一種基于拓撲學(模式識別)基礎上的非回歸方法，拓撲法應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，則性質相同”的原理，關鍵之處在于， 從每一個樣品的近紅外光譜提取特征信息變量，據此確定樣品的編碼。實際操作中，對于大量的拓撲庫樣品，如果逐一比較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果。所以要對光譜進行適當處理，有效提取其反映各個樣品組成的信息。常用的分級標準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，提高光譜重復性，減少這方面的誤差，通過查閱大量相關的參考文獻和對大量不同品質紅棗光譜掃描后分析和整理，發(fā)現通過對紅棗品質不同指標細分可以有效對部分紅棗的品質進行分級和評價。

發(fā)明內容
本發(fā)明為解決現有采用隨機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，進而導致分級建模質量差的問題，提供一種近紅外譜區(qū)新疆紅棗品質分級建模方法?！N近紅外譜區(qū)新疆紅棗品質分級建模方法，該方法由以下步驟實現步驟一、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特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進行近紅外光譜掃描，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、采用拓撲法將紅棗樣品按光譜特征因子進行分離編碼，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，大小等物理品質基本一致的紅棗，然后進行近紅外光譜掃描，通過光譜圖進行篩選，挑出差異較大的樣品光譜，對比樣品進行進一步品質細分，將品質細分的同批次樣品進行光譜掃描，反復調整，逐步細分，直到樣品的光譜差異在所需的精度范圍內，提取出特征因子建立子模型，實際應用中通過不同子模型特征因子之間按要求改變權重靈活歸類重組進行更新和擴展，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關系，得到所需模型以滿足不同實際生產要求。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合一些主要成分指標綜合評價紅棗的品質。通過紅棗品質通過色澤、紋理、成分等信息將相應的光譜信息數字化， 壓縮了數據量，使最終采集光譜的重復性和精度方面有較大提高，便于模型庫的擴充和更新；二、本發(fā)明方法有效地減少人為因素的影響，進行品質細分減小了光譜圖的差異，提高光譜重復性，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，在壓縮數據量和設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)新疆紅棗品質分級建模方法中紅棗品質編碼流程圖；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)新疆紅棗品質分級建模方法，該方法由以下步驟實現步驟一、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特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進行近紅外光譜掃描，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、采用拓撲法將紅棗樣品按光譜特征因子進行分離編碼，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。結合圖2，依據光譜差異設定品質細分閾值后進行分離編碼，隨著分離次數的增加，相應設定的閾值逐漸升高即相似度逐漸升高，最初的子模型品質最低，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分，反之，當相鄰特征因子單向組合編碼并入則相應的閾值降低，品質降低等級降低。通過初級分類和組合定量的辦法相結合，靈活重組可以滿足實際生產中多樣化的要求。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行分離編碼的方法為采用二進制編碼方式，采用定性和半定量結合的方法對紅棗樣品品質進行編碼分級，具體為 依據紅棗品質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，相應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，解析光譜圖中對應的品質因子，提取特征因子編碼，重構品質光譜圖。大大壓縮數據量，實現譜圖庫快速檢索。物理外觀品質變化相對單一，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制代碼00,01,10,11對應描述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，然后根據外觀品質設定閾值進行升級和降級的區(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，細淺的用1表示，根據物理特征成分組合設定閾值進行升級和降級的區(qū)分，然后根據生產要求組合調節(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如果重、尺寸、色澤等對紅棗初步挑選后，將各物理指標細分后的同批次樣品再經光譜掃描細分，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)，此數據較好的描述子模型提供了較為準確的譜區(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，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)以后光譜的相關達到0. 9左右，在12570cm"1 (795. 54nm)附近干棗和鮮棗的相關性降到0. 2左右，在14234. 27cm"1 (702. 53nm)附近干棗和鮮棗的相關性降到 0. 1左右，對全譜質量評價相關性在0. 2左右；顯然較多信息如顏色、表面紋理等物理品質信息集中在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，以后的部分沒有太多的信息，在壓縮數據量和設計選擇濾光片等方面有很好的參考價值。本發(fā)明在實際應用中通過不同子模型特征因子之間按要求改變權重靈活歸類重組進行更新和擴展，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關系，得到所需模型以滿足不同實際生產要求。本發(fā)明建模方法的特征1、本發(fā)明將近紅外光譜的拓撲方法用于新疆紅棗的建模，在常規(guī)按大小和果重分級方法的基礎上，通過物理細分和光譜細分相結合的辦法，分離出紅棗品質的光譜特征因子。然后對紅棗光譜圖中對應的品質特征進行解析，通過分離編碼和組合編碼相結合再現譜圖的方式，對采集的光譜信息進行有效提取。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。通過定性細分和半定量描述的方式進行紅棗品質建模。3、參照新疆紅棗的品質分級方法提取特征因子并采用相應的編碼方式進行數字化描述，依據需要可以按不同要求自由編碼靈活組合重構，產生的數據庫小，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，物理品質如色澤和紋理細分。如色澤按深紅、桔黃、綠色三種編碼，根據需要可以對三種組合編碼表示，如果需要細分可以利用色差儀進行深入細分；表面紋理可以借助于按表面光滑0，紋理細淺1，如果需要細分可以利用粗糙度儀描述紋理特征，也可以依據主要成分如含水量、 糖度等細分。5、提高光譜圖質量的方法拓撲方法對紅棗光譜特征因子編碼，建立適當的編碼因子，方便檢索和重構，極大地縮減了光譜數據庫，壓縮了數據量，對光譜的采集精度和質量提出了更嚴格的要求。6、將特征因子按編碼方式對譜圖檢索，提高了檢索速度，很方便對現有品質特性進行擴充為在線生產創(chuàng)造了條件。 7、預測未知樣品時，首先根據建立的編碼原則，由近紅外光譜提取特征變量進行編碼，然后通過一定的檢索方法在拓撲數據庫中尋找最為接近的庫樣品，直接給出樣品的性質，并按編碼填入相應的庫單元內進行擴庫工作，該方法可以避免重復建庫。
權利要求
1.一種近紅外譜區(qū)新疆紅棗品質分級建模方法，其特征是，該方法由以下步驟實現步驟一、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特征；步驟二、對步驟一所述的同批次的紅棗樣品逐個進行近紅外光譜掃描，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、采用拓撲法將紅棗樣品按光譜特征因子進行分離編碼，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行組合編碼，建立紅棗樣品的子模型。
2.根據權利要求1所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，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.根據權利要求1所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，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.根據權利要求1所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，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.根據權利要求1所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，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.根據權利要求1所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，其特征在于， 步驟四所述的紅棗樣品按其特征因子進行分離編碼的方法為采用二進制編碼方式，0，1 表示兩種狀態(tài)，采用定性和半定量結合的方法對紅棗樣品品質進行編碼分級。
7.根據權利要求6所述的一種近紅外譜區(qū)新疆紅棗品質分級建模方法，其特征在于， 對紅棗樣品品質進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，細淺的用1表示。
全文摘要
一種近紅外譜區(qū)新疆紅棗品質分級建模方法，涉及近紅外譜區(qū)對天然產物品質分級的建模方法，它解決現有采用隨機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，進而導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；經過適當的光譜預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，對剩余的再進行光譜掃描，反復調整和逐步細分，直到該批次樣品的光譜差異在所需的精度范圍內，將分離出的特征因子編碼建立子模型，運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)先權日2011年1月24日
發(fā)明者盧啟鵬, 羅華平 申請人:中國科學院長春光學精密機械與物理研究所