一種蘋果可溶性固形物近紅外檢測部位補償方法及系統的制作方法
【技術領域】
[0001] 本發明涉及蘋果質量檢測領域，尤其涉及一種蘋果可溶性固形物近紅外檢測部位 補償方法及系統。
【背景技術】
[0002] 可溶性固形物是指液體或流體食品中所有溶解于水的化合物的總稱，包括糖、酸、 維生素、礦物質等。蘋果的可溶性固形物含量是衡量蘋果內部品質的重要指標，也是影響消 費者購買意愿的決定因素。
[0003] 目前，近紅外光譜技術以其快速無損的優勢在蘋果可溶性固形物檢測方面得到了 廣泛應用。然而，模型的穩定性往往受蘋果的溫度變化，產地、品種、季節性差異等因素的影 響。另外，蘋果表面的可溶性固形物含量分布不均勻，其分布趨勢沿果梗到花萼方向逐漸升 高，因此，可能導致不同部位的光譜之間存在差異。
[0004] 現有技術中，關于蘋果可溶性固形物近紅外光譜檢測的研究多是針對赤道部位， 通過采集蘋果赤道部位的光譜信息，建立蘋果可溶性固形物近紅外光譜檢測模型。因此，當 用該模型去預測蘋果其他部位如果梗的可溶性固形物含量時，其預測精度就會受到影響。
【發明內容】
[0005] 針對現有技術中的缺陷，本發明提供一種蘋果可溶性固形物近紅外檢測部位補償 方法及系統，通過融合蘋果多個部位的光譜信息，結合特征波長篩選算法，建立蘋果可溶性 固形物近紅外光譜檢測模型，克服了光譜檢測部位的變化對蘋果可溶性固形物近紅外光譜 檢測模型的影響，提高了模型的穩定性。
[0006] 第一方面，本發明提供一種蘋果可溶性固形物近紅外檢測部位補償方法，所述方 法包括：
[0007] 獲取蘋果的預設部位的吸光度光譜；
[0008] 獲取所述蘋果的預設部位的可溶性固形物含量；
[0009] 根據所述吸光度光譜和所述可溶性固形物含量，結合特征波長篩選算法，建立蘋 果可溶性固形物近紅外光譜檢測模型；
[0010]其中，所述蘋果預設部位包括蘋果的果梗、赤道和花萼。
[0011]優選地，所述獲取蘋果的預設部位的吸收光譜度，包括：
[0012] 通過積分球漫反射方法，獲取預設波段區間內的所述蘋果的預設部位的吸光度光 譜。
[0013] 優選地，所述獲取蘋果的預設部位的吸光度光譜，包括：
[0014] 采集多個蘋果的預設部位的吸光度光譜；
[0015] 對所述多個蘋果的預設部位的吸光度光譜進行二階導數處理，獲取多個處理后的 吸光度光譜。
[0016] 優選地，所述根據所述吸光度光譜和所述可溶性固形物含量，結合特征波長篩選 算法，建立蘋果可溶性固形物近紅外光譜檢測模型，包括：
[0017] 結合特征波長篩選算法，從所述預設部位的全波段吸光度光譜中挑選與蘋果可溶 性固形物相關的特征波長；
[0018] 根據所述預設個數蘋果預設部位的特征波長下的吸光度光譜及其對應的可溶性 固形物含量，采用偏最小二乘算法建立蘋果可溶性固形物近紅外光譜檢測模型。
[0019] 優選地，所述蘋果可溶性固形物近紅外光譜檢測模型，具體為：
[0020] Y= IAkAk+B；
[0021] 其中，Y為蘋果可溶性固形物含量的估計值，k為挑選的特征波長，波長下的 吸光度光譜，Ak為Ak的回歸系數，B為常數。
[0022] 優選地，其特征在于，所述方法還包括：
[0023] 對所述蘋果可溶性固形物近紅外光譜檢測模型進行檢驗。
[0024] 優選地，所述對所述蘋果可溶性固形物近紅外光譜檢測模型進行檢驗，包括：
[0025] 獲取檢驗蘋果的吸收度光譜和可溶性固形物含量的實測值；
[0026] 根據所述檢驗蘋果的特征波長下的吸收度光譜，利用所述蘋果可溶性固形物近紅 外光譜檢測模型，獲取可溶性固形物含量的估計值；
[0027] 將所述可溶性固形物含量的實測值和所述可溶性固形物含量的估計值進行比較， 獲取檢測評價指標，所述檢測評價指標用于判斷所述蘋果可溶性固形物近紅外光譜檢測模 型的預測性能。
[0028] 第二方面，本發明提供一種蘋果可溶性固形物近紅外檢測部位補償系統，所述系 統包括：
[0029]第一獲取單元，用于獲取蘋果的預設部位的吸光度光譜；
[0030]第二獲取單元，用于獲取所述蘋果的預設部位的可溶性固形物含量；
[0031] 建模單元，根據所述第一獲取單元獲取的吸光度光譜和所述第二獲取單元獲取的 可溶性固形物含量，結合特征波長篩選算法，建立蘋果可溶性固形物近紅外光譜檢測模型；
[0032] 其中，所述蘋果預設部位包括蘋果的果梗、赤道和花萼。
[0033] 優選地，所述第一獲取單元，具體用于，
[0034]采集多個蘋果的預設部位的吸光度光譜；
[0035]對所述多個蘋果的預設部位的吸光度光譜進行二階導數處理，獲取多個處理后的 吸光度光譜。
[0036]優選地，所述建模單元，具體用于，
[0037]結合特征波長篩選算法，從所述預設部位的全波段吸光度光譜中挑選與蘋果可溶 性固形物相關的特征波長；
[0038]根據所述預設個數蘋果預設部位的特征波長下的吸光度光譜及其對應的可溶性 固形物含量，采用偏最小二乘算法建立蘋果可溶性固形物近紅外光譜檢測模型。
[0039]由上述技術方案可知，本發明提供一種蘋果可溶性固形物近紅外檢測部位補償方 法及系統，通過融合蘋果多個部位如果梗、赤道和花萼的光譜信息，結合特征波長篩選算 法，建立蘋果可溶性固形物近紅外光譜檢測模型，克服了光譜檢測部位的變化對蘋果可溶 性固形物近紅外光譜檢測模型的影響，提高了模型的穩定性，為實際生產中蘋果可溶性固 形物含量的便攜檢測和在線檢測奠定了理論基礎。
【附圖說明】
[0040] 為了更清楚地說明本公開實施例或現有技術中的技術方案，下面將對實施例或現 有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 公開的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以 根據這些圖獲得其他的附圖。
[0041] 圖1為本發明一實施例提供的一種蘋果可溶性固形物近紅外檢測部位補償方法的 流程示意圖；
[0042] 圖2為本發明另一實施例提供的一種蘋果可溶性固形物近紅外檢測部位補償方法 的流程示意圖；
[0043] 圖3為本發明一實施例提供的一種蘋果可溶性固形物近紅外檢測部位補償方法的 結構意圖；
[0044] 圖4為本發明一實施例提供的蘋果光譜采集部位示意圖；
[0045]圖5為本發明一實施例提供的預測集樣本預測結果的散點分布圖。
【具體實施方式】
[0046] 下面結合附圖和實施例，對本發明的【具體實施方式】作進一步詳細描述。以下實施 例用于說明本發明，但不用來限制本發明的范圍。
[0047] 圖1示出了本發明一實施例提供的一種蘋果可溶性固形物近紅外檢測部位補償方 法的流程示意圖，如圖1所示，本實施例的一種蘋果可溶性固形物近紅外檢測部位補償方 法，所述方法包括：
[0048] S11、獲取蘋果的預設部位的吸光度光譜。
[0049] 可以理解的是，所述蘋果預設部位包括蘋果的果梗、赤道和花萼。
[0050] 具體來說，通過Antaris II傅立葉變換近紅外光譜儀，采用InGaAs檢測器，獲取蘋 果的果梗、赤道和花萼的吸光度光譜。
[0051] S12、獲取所述蘋果的預設部位的可溶性固形物含量。
[0052] 可以理解的是，蘋果可溶性固形物含量的測定參考采用Arias 500型半自動阿貝 折光儀(Reichert Inc.，USA)〇
[0053] 具體來說，光譜采集完成后，緊接著利用傳統的破壞性實驗依次從蘋果的果梗、赤 道及花萼采部分切下帶有果皮的表層果肉，放在紗布中過濾，擠出汁液1~2滴，測定蘋果的 可溶性固形物含量。
[0054] S13、根據所述吸光度光譜和所述可溶性固形物含量，結合特征波長篩選算法，建 立蘋果可溶性固形物近紅外光譜檢測模型。
[0055] 本實施例通過融合蘋果多個部位的光譜信息，結合特征波長篩選算法，建立蘋果 可溶性固形物近紅外光譜檢測模型，克服了光譜檢測部位的變化對蘋果可溶性固形物近紅 外光譜檢測模型的影響，提高了模型的穩定性，為實際生產中蘋果可溶性固形物含量的便 攜檢測和在線檢測奠定了理論基礎。
[0056] 圖2示出了本發明另一實施例提供的一種蘋果可溶性固形物近紅外檢測部位補償 方法的流程示意圖，如圖2所示，本實施例的一種蘋果可溶性固形物近紅外檢測部位補償方 法，所述