系數(shù)高，標(biāo)準(zhǔn)偏差低，可W用來(lái) 測(cè)定花生中蛋白質(zhì)含量。
[0110] 雖然，上文中已經(jīng)用一般性說(shuō)明及具體實(shí)施方案對(duì)本發(fā)明作了詳盡的描述，但在 本發(fā)明基礎(chǔ)上，可W對(duì)之作一些修改或改進(jìn)，運(yùn)對(duì)本領(lǐng)域技術(shù)人員而言是顯而易見(jiàn)的。因 此，在不偏離本發(fā)明精神的基礎(chǔ)上所做的運(yùn)些修改或改進(jìn)，均屬于本發(fā)明要求保護(hù)的范圍。
【主權(quán)項(xiàng)】
1. 一種基于高光譜成像技術(shù)建立花生中蛋白質(zhì)含量分布定量模型的方法，該方法包括 以下步驟： 1.1收集具有代表性的花生樣品，用高光譜儀掃描獲得花生樣品中每個(gè)像素點(diǎn)在各波 長(zhǎng)下的圖像信息，得到花生樣品的原始高光譜三維圖像； 1. 2對(duì)所述花生樣品的原始高光譜三維圖像進(jìn)行校正和背景刪除后，提取花生樣品圖 像平均光譜； 1. 3對(duì)所述花生樣品圖像平均光譜進(jìn)行二階導(dǎo)數(shù)預(yù)處理； 1. 4采用常規(guī)方法檢測(cè)所述花生樣品的蛋白質(zhì)含量，得到花生樣品的蛋白質(zhì)含量； 1. 5將所述花生樣品隨機(jī)分為校正集和驗(yàn)證集，以所述校正集花生樣品的所述預(yù)處理 后的花生樣品圖像平均光譜為自變量，以所述校正集的花生樣品的蛋白質(zhì)含量為因變量， 通過(guò)偏最小二乘法建立所述自變量和因變量的偏最小二乘法回歸模型；利用所述驗(yàn)證集對(duì) 所述偏最小二乘法回歸模型進(jìn)行驗(yàn)證； 1. 6根據(jù)所述偏最小二乘法回歸模型的回歸系數(shù)，選擇對(duì)所述回歸模型貢獻(xiàn)率絕對(duì)值 最大的波長(zhǎng)為特征波長(zhǎng)；并通過(guò)偏最小二乘法建立花生中蛋白質(zhì)含量分布定量模型；利用 所述驗(yàn)證集對(duì)所述花生中蛋白質(zhì)含量分布定量模型進(jìn)行驗(yàn)證。2. 根據(jù)權(quán)利要求1所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 步驟 1. 6 中所述特征波長(zhǎng)分別為：931nm、934nm、941nm、944nm、1020nm、1120nm、1137nm、 1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm;所建立的花生中蛋白質(zhì)含量分布 定量模型如下： Ypro - 1〇X(34. 78R931nm-31. 72R934nm-25. 63R941nm+108. 46R944nm+195. 93R1020nm-107R1120nm+8 3. 44R1137nm-13. 72R12〇7nni+182. 89R1273nni+41. 09R1370nm-79. 21R1380nm+16. 585R1594nni-93. 84R1654nni-71. 93R1678nm) +26. 625 其中，Ypro為花生樣品的蛋白質(zhì)含量，R 931nm、^934nm、^941nm、^944nm、Rl020nm、Rll20nm、Rll37nm、Rl207nm、 ^1273nm'* ^1370nm'* ^1380nm'* ^1594nm'* ^1654nm'* -^1678nm分別為花生樣品在特征波長(zhǎng)931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm處 經(jīng)過(guò)預(yù)處理后的光譜反射值。3. 根據(jù)權(quán)利要求1或2所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 所述高光譜儀掃描的波長(zhǎng)范圍為900-1700nm，掃描方式為線掃描。4. 根據(jù)權(quán)利要求1或2所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 所述校正是對(duì)所述花生樣品的原始高光譜三維圖像1_進(jìn)行黑白校正；具體方法為對(duì)反射 率為99%的標(biāo)準(zhǔn)校正板進(jìn)行采集，得到全白的標(biāo)定圖像Iwhlte，然后關(guān)閉鏡頭采集，得到全黑 標(biāo)定圖像Idart，根據(jù)下述公式計(jì)算校正后圖像In_:5. 根據(jù)權(quán)利要求1或2所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 所述背景刪除具體步驟為：采用主成分分析，確定背景與花生的邊界，刪除背景，得到花生 樣品圖像。6. 根據(jù)權(quán)利要求1或2所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 步驟1.4中所述檢測(cè)花生樣品的蛋白質(zhì)含量方法為根據(jù)GB/T5009. 5-2010進(jìn)行；優(yōu)選為根 據(jù)GB/T5009. 5-2010中第一法凱氏定氮法進(jìn)行。7. 根據(jù)權(quán)利要求1或2所述建立花生中蛋白質(zhì)含量分布定量模型的方法，其特征在于， 所述校正集與驗(yàn)證集花生樣品的比例為1:3-1:2。8. 權(quán)利要求1-7任一項(xiàng)所述方法建立的花生中蛋白質(zhì)含量分布定量模型在檢測(cè)花生 中蛋白質(zhì)含量分布中的應(yīng)用。9. 一種基于高光譜成像技術(shù)檢測(cè)花生中蛋白質(zhì)含量分布的方法，所述方法包括： 1) 采集待測(cè)花生樣品在下列特征波長(zhǎng)處的光譜圖像：931nm、934nm、941nm、944nm、 1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm; 2) 將所述特征波長(zhǎng)處經(jīng)過(guò)預(yù)處理后的光譜反射值輸入花生中蛋白質(zhì)含量分布定量模 型，得到待測(cè)花生樣品蛋白質(zhì)含量分布；所述花生中蛋白質(zhì)含量分布定量模型如下： Ypro - 1〇X(34. 78R931nm-31. 72R934nm-25. 63R941nm+108. 46R944nm+195. 93R1020nm-107R1120nm+8 3. 44R1137nm-13. 72R12〇7nni+182. 89R1273nni+41. 09R1370nm-79. 21R1380nm+16. 585R1594nni-93. 84R1654nni-71. 93R1678nm) +26. 625 其中，Ypro為花生樣品的蛋白質(zhì)含量，R 931nm、^934nm、^941nm、^944nm、Rl020nm、Rll20nm、Rll37nm、Rl207nm、 ^1273nm'* ^1370nm'* ^1380nm'* ^1594nm'* ^1654nm'* -^1678nm分別為花生樣品在特征波長(zhǎng)931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm處 經(jīng)過(guò)預(yù)處理后的光譜反射值。10. 根據(jù)權(quán)利要求9所述基于高光譜成像技術(shù)檢測(cè)花生中蛋白質(zhì)含量分布的方法，其 特征在于，所述步驟1)采集待測(cè)花生樣品特征波長(zhǎng)處的光譜圖像的方法包括以下步驟： 1. 1用高光譜儀掃描獲得待測(cè)花生樣品中每個(gè)像素點(diǎn)在各波長(zhǎng)下的圖像信息，得到待 測(cè)花生樣品的原始高光譜三維圖像；所述高光譜儀掃描的波長(zhǎng)范圍為900-1700nm，掃描方 式為線掃描； 1. 2對(duì)所述待測(cè)花生樣品的原始高光譜三維圖像進(jìn)行校正和背景刪除后，提取待測(cè)花 生樣品圖像平均光譜；所述校正是指對(duì)所述花生樣品的原始高光譜三維圖像進(jìn)行黑白 校正；具體方法為對(duì)反射率為99 %的標(biāo)準(zhǔn)校正板進(jìn)行采集，得到全白的標(biāo)定圖像Iwhlte，然 后關(guān)閉鏡頭采集，得到全黑標(biāo)定圖像Idart，根據(jù)下述公式計(jì)算校正后圖像In_:所述背景刪除具體步驟為：采用主成分分析，確定背景與花生的邊界，刪除背景，得到 花生樣品圖像； 1. 3對(duì)所述待測(cè)花生樣品圖像平均光譜進(jìn)行二階導(dǎo)數(shù)預(yù)處理。
【專利摘要】本發(fā)明提供了基于高光譜成像技術(shù)檢測(cè)花生中蛋白質(zhì)含量分布的方法，包括：采集花生樣品在特征波長(zhǎng)處的光譜圖像，將特征波長(zhǎng)處經(jīng)過(guò)預(yù)處理后的光譜反射值，輸入花生蛋白質(zhì)含量分布定量模型，得到花生樣品蛋白質(zhì)含量分布。本發(fā)明還提供建立花生中蛋白質(zhì)含量定量模型的方法，包括采集花生高光譜圖像，并利用常規(guī)方法測(cè)定其蛋白質(zhì)含量；高光譜圖像經(jīng)過(guò)圖像校正與背景刪除，提取平均光譜；以預(yù)處理后平均光譜為自變量，以蛋白質(zhì)含量為因變量，建立全波段蛋白質(zhì)含量的數(shù)學(xué)模型，在此基礎(chǔ)上利用回歸系數(shù)，確定特征波長(zhǎng)，建立并驗(yàn)證所述定量模型。本發(fā)明快速簡(jiǎn)便，效率高，不破壞樣品，不使用任何化學(xué)試劑，測(cè)定結(jié)果準(zhǔn)確，實(shí)現(xiàn)了花生蛋白質(zhì)含量的可視化。
【IPC分類】G01N21/25
【公開(kāi)號(hào)】CN105115910
【申請(qǐng)?zhí)枴緾N201510543180
【發(fā)明人】王強(qiáng), 劉紅芝, 于宏威, 石愛(ài)民, 劉麗, 胡暉, 林偉靜, 楊穎 , 瑞哈曼米茲比瑞
【申請(qǐng)人】中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工研究所
【公開(kāi)日】2015年12月2日
【申請(qǐng)日】2015年8月28日