一种谷物中黄曲霉毒素B1含量检测方法及装置制造方法及图纸

本发明专利技术提供一种谷物中黄曲霉毒素B1含量检测方法及装置，包括：获取目标谷物的目标特征波长组；将所述目标特征波长组输入至含量检测模型，获取所述含量检测模型输出的所述目标谷物中黄曲霉毒素B1的含量等级；所述含量检测模型是通过对个样本特征波长组，以及所述样本特征波长组对应的含量等级标签进行训练后得到的。本发明专利技术提供的谷物中黄曲霉毒素B1含量检测方法及装置，通过含量检测模型对待测谷物的特征波长组进行识别和检测，能够在不破坏谷物的前提下检测出待测谷物中黄曲霉毒素B1的含量，有效扩大了检测方法的适用范围。有效扩大了检测方法的适用范围。有效扩大了检测方法的适用范围。

A method and device for detecting the content of aflatoxin B1 in cereals

【技术实现步骤摘要】
一种谷物中黄曲霉毒素B1含量检测方法及装置


[0001]本专利技术涉及分析检测
，尤其涉及一种谷物中黄曲霉毒素B1含量检测方法及装置。

技术介绍

[0002]黄曲霉毒素B1(Aflatoxin B1，AFB1)是一种剧毒的真菌毒素，对人体具有潜在的致癌和致畸作用。玉米籽粒因其营养丰富，极易感染真菌(如黄曲霉感染)而产生二次代谢产物AFB1。
[0003]传统的对玉米籽粒中AFB1的检测主要采用的是生化方法，如质谱法、气相色谱法、薄层色谱法、高效液相色谱法等。
[0004]以上方法均对待检测样本具有破坏性。

技术实现思路

[0005]本专利技术提供一种谷物中黄曲霉毒素B1含量检测，用以解决现有技术中会破坏待检测样本的缺陷，实现谷物中黄曲霉毒素B1含量检测。
[0006]本专利技术提供一种谷物中黄曲霉毒素B1含量检测，包括：
[0007]获取目标谷物的目标特征波长组；
[0008]将所述目标特征波长组输入至含量检测模型，获取所述含量检测模型输出的所述目标谷物中黄曲霉毒素B1的含量等级；所述含量检测模型是通过对个样本特征波长组，以及所述样本特征波长组对应的含量等级标签进行训练后得到的。
[0009]根据本专利技术提供的一种谷物中黄曲霉毒素B1含量检测，所述获取目标谷物的目标特征波长组，包括：
[0010]获取所述目标谷物的目标高光谱图像；
[0011]在所述目标高光谱图像中提取预设区域内的目标光谱数据；
[0012]在所述目标光谱数据中确定目标特征波长组。
[0013]根据本专利技术提供的一种谷物中黄曲霉毒素B1含量检测，所述在所述目标高光谱图像中提取预设区域内的目标光谱数据，包括：
[0014]对所述目标高光谱图像进行去干扰处理，获取预设区域内的初始光谱数据；
[0015]对所述初始光谱数据进行平滑滤波和一阶求导，获取目标光谱数据。
[0016]根据本专利技术提供的一种谷物中黄曲霉毒素B1含量检测，所述在所述目标光谱数据中确定目标特征波长组，包括：
[0017]在所述目标光谱数据中确定交叉验证的均方根误差值最小的初选特征波长组；
[0018]在所述初选特征波长组中，根据每个波长下的所述目标谷物的灰度信息，获取每个波长对应的归一化灰度分布；
[0019]根据每个归一化灰度分布，确定所述每个波长下的灰度差异特征值；
[0020]根据所述每个波长下的灰度差异特征值，在所述目标光谱数据中确定目标特征波
长组。
[0021]根据本专利技术提供的一种谷物中黄曲霉毒素B1含量检测，在所述将所述目标特征波长组输入至含量检测模型之前，还包括：
[0022]获取多个样本谷物的样本高光谱图像和黄曲霉毒素B1的含量等级标签；
[0023]在每个样本高光谱图像中提取预设区域内的样本光谱数据；
[0024]在每个样本光谱数据中确定样本特征波长组；
[0025]将每个样本玉米的样本特征组与所述含量等级标签的组合作为训练样本，获取多个训练样本；
[0026]利用所述训练样本对含量检测模型进行训练。
[0027]根据本专利技术提供的一种谷物中黄曲霉毒素B1含量检测，所述利用所述训练样本对含量检测模型进行训练，包括：
[0028]对于任意一个训练样本，将所述训练样本输入至所述含量检测模型，输出所述训练样本对应的预测含量等级；
[0029]利用预设损失函数根据所述训练样本对应的预测含量等级和所述训练样本中的含量等级标签计算损失值；
[0030]在所述损失值小于预设阈值的情况下，所述含量检测模型训练完成。
[0031]本专利技术还提供一种谷物中黄曲霉毒素B1含量检测装置，包括：
[0032]获取模块，用于获取目标谷物的目标特征波长组；
[0033]检测模块，用于将所述目标特征波长组输入至含量检测模型，获取所述含量检测模型输出的所述目标谷物中黄曲霉毒素B1的含量等级；所述含量检测模型是通过对个样本特征波长组，以及所述样本特征波长组对应的含量等级标签进行训练后得到的。
[0034]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述谷物中黄曲霉毒素B1含量检测方法。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述谷物中黄曲霉毒素B1含量检测方法。
[0036]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述谷物中黄曲霉毒素B1含量检测方法。
[0037]本专利技术提供的谷物中黄曲霉毒素B1含量检测方法及装置，通过含量检测模型对待测谷物的特征波长组进行识别和检测，能够在不破坏谷物的前提下检测出待测谷物中黄曲霉毒素B1的含量，有效扩大了检测方法的适用范围。
附图说明
[0038]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术提供的谷物中黄曲霉毒素B1含量检测方法的流程示意图；
[0040]图2是本专利技术提供的CARS算法中采样波长数与采样次数的关系的示意图；
[0041]图3是本专利技术提供的CARS算法中RMSECV值与采样次数的关系的示意图；
[0042]图4是本专利技术提供的CARS算法选择的特征波长的示意图；
[0043]图5是本专利技术提供的特征波长细选方法的流程示意图；
[0044]图6是本专利技术提供的GDI计算的特征值的示意图；
[0045]图7是本专利技术提供的GDI选择的特征波长的示意图；
[0046]图8是本专利技术提供的谷物中黄曲霉毒素B1含量检测装置的结构示意图；
[0047]图9是本专利技术提供的电子设备的实体结构示意图。
具体实施方式
[0048]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0049]下面结合图1至图9描述本专利技术的实施例所提供的谷物中黄曲霉毒素B1含量检测方法及装置。
[0050]图1是本专利技术提供的谷物中黄曲霉毒素B1含量检测方法的流程示意图，如图1所示，包括但不限于以下步骤：
[0051]首先，在步骤S1中，获取目标谷物的目标特征波长组。
[0052]其中，目标谷物可以是玉米籽粒、糙米、燕麦等作物，在本专利技术后续实施例中均以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种谷物中黄曲霉毒素B1含量检测方法，其特征在于，包括：获取目标谷物的目标特征波长组；将所述目标特征波长组输入至含量检测模型，获取所述含量检测模型输出的所述目标谷物中黄曲霉毒素B1的含量等级；所述含量检测模型是通过对个样本特征波长组，以及所述样本特征波长组对应的含量等级标签进行训练后得到的。2.根据权利要求1所述的谷物中黄曲霉毒素B1含量检测方法，其特征在于，所述获取目标谷物的目标特征波长组，包括：获取所述目标谷物的目标高光谱图像；在所述目标高光谱图像中提取预设区域内的目标光谱数据；在所述目标光谱数据中确定目标特征波长组。3.根据权利要求2所述的谷物中黄曲霉毒素B1含量检测方法，其特征在于，所述在所述目标高光谱图像中提取预设区域内的目标光谱数据，包括：对所述目标高光谱图像进行去干扰处理，获取预设区域内的初始光谱数据；对所述初始光谱数据进行平滑滤波和一阶求导，获取目标光谱数据。4.根据权利要求3所述的谷物中黄曲霉毒素B1含量检测方法，其特征在于，所述在所述目标光谱数据中确定目标特征波长组，包括：在所述目标光谱数据中确定交叉验证的均方根误差值最小的初选特征波长组；在所述初选特征波长组中，根据每个波长下的所述目标谷物的灰度信息，获取每个波长对应的归一化灰度分布；根据每个归一化灰度分布，确定所述每个波长下的灰度差异特征值；根据所述每个波长下的灰度差异特征值，在所述目标光谱数据中确定目标特征波长组。5.根据权利要求1至4任一项所述的谷物中黄曲霉毒素B1含量检测方法，其特征在于，在所述将所述目标特征波长组输入至含量检测模型之前，还包括：获取多个样本谷物的样本高光谱图像和黄曲霉毒素B1的含量等级标签；在每个样...

【专利技术属性】
技术研发人员：田喜，周全，黄文倩，李江波，樊书祥，龙园，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
类型：发明
国别省市：