System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及农产品品质无损检测,具体涉及一种基于特定波长光谱信息的苹果成熟度预测模型的构建以及在苹果成熟度无损检测中的应用。
技术介绍
1、成熟度是反映果实生理特性及商品性的重要指标之一,准确判断苹果成熟度对产业链中的采收、储藏、运输、货架期决策等均具有重要的指导意义。苹果成熟度的常用评价方法是果农根据色泽、盛花期天数、果实脱落难易程度等指标进行主观上的判断,但是果实成熟度会因为不同的季节气候、种植方式的不同而存在变化。使用淀粉指数、可溶性固形物含量(soluble solids content,ssc)、硬度等与成熟度变化相关的化学成分或物理特性可以较准确的反映苹果成熟状态,但这些指标的测量通常是具有破坏性的,而且测试方法耗时费力。随着我国农产品标准化生产的逐步推进,市场对果实成熟度快速无损检测的需求日益旺盛。
2、例如,专利文献cn 107609111a、cn 110472575a、cn111462044a公开基于计算机视觉与机器学习结合通过图像视频识别技术来辨别水果果实成熟度。专利文献cn 102818777a公开了一种基于光谱和颜色测量的水果成熟度评价方法,该方法综合颜色和光谱信息(波长范围为380~1700nm),以水果成熟度等级为标准参考,通过机器学习算法建立水果成熟度评价模型。上述方法大多数依赖于机器学习产生的复杂模型,光谱信息基于一段波长范围得出,较难满足市场对于果品成熟度检测低成本的需求。
3、可见/近红外光谱分析技术具有检测速度快、效率高、成本低,可以同时测量样本的多个属性而不需要破
4、然而在对苹果成熟度预测的实际应用过程中发现利用670nm和720nm两个波长点检测得出的预测结果并不十分理想,因此,有必要挖掘更适合苹果成熟度无损检测的有效波长,用于相关仪器的开发,满足市场对于苹果成熟度检测无损、快速、准确、低成本的需求。
技术实现思路
1、本专利技术的目的在于提供一种基于特定波长光谱信息构建的苹果成熟度预测模型,应用于苹果成熟度的无损检测,满足市场对于果品成熟度检测无损、快速、准确、低成本的需求。
2、为实现上述目的,本专利技术采用如下技术方案:
3、本专利技术提供了一种基于特定波长光谱信息构建苹果成熟度预测模型的方法,包括以下步骤:
4、(1)采集不同成熟期的苹果样品;
5、(2)在每个样品赤道上采集790nm-826nm波段范围内以808nm为中心的两个波长点的漫透射光谱数据,计算两个波长条件下吸光度的差值,记为x;
6、(3)测定每个样品的果肉硬度值和可溶性固形物含量值以及各成熟期样品的淀粉染色指数,计算该样品的streif指数;
7、(4)以步骤(2)得出的吸光度差值为自变量,以对应的streif指数为因变量,构建函数关系,以输出值streif指数表征苹果成熟度,即得所述苹果成熟度预测模型。
8、本专利技术采用大样本量的数据进行预测模型构建,以保证预测结果的准确性。优选的,步骤(1)中,自成熟初期前一周开始,每周采集至少50个大小适中、表面无明显缺陷的苹果样品,采集时间跨度为35天的6组不同成熟度的苹果样品。
9、步骤(2)中,在样品赤道上等间距的n个采集点处采集光谱数据,取n个采集点处的吸光度平均值作为该样品的吸光度,n≥2。
10、所述790nm-826nm波段范围内以808nm为中心的两个波长点是指波长为(808-a)nm和(808+a)nm,其中a为整数10~18,即两个波长点的波长差≥20nm。
11、具体的,采集(808-a)nm和(808+a)nm波长下的果实漫透射光谱信息,将(808-a)nm波长下的吸光度记为a1,将(808+a)nm波长下的吸光度记为a2,计算差值a2-a1。
12、本专利技术以吸光度差值作为自变量,以对应的streif指数作为因变量,构建苹果成熟度预测模型。所述streif指数综合了淀粉碘染色指数、可溶性固形物含量及硬度三项指标,被认为是能够综合地反映苹果成熟状态的指标。
13、步骤(3)中,测定苹果样品的硬度、可溶性固形物含量和淀粉染色指数,按照公式:strerif指数=硬度/(可溶性固形物含量×淀粉碘染色指数),计算每个样品的streif指数。
14、具体的,硬度值和可溶性固形物含量值的测量方法为:在与步骤(2)相同的n个采集点处分别进行果肉硬度和可溶性固形物含量的测定,分别取n个采集点的果肉硬度平均值和可溶性固形物含量平均值作为该样品的硬度值和可溶性固形物含量值。
15、淀粉碘染色指数的测量方法为:针对各成熟期的样品,从该成熟期的所有样品中随机抽取10个样品进行淀粉碘染色,并将淀粉碘染色图与标准染色图相对比,读取染色级数,然后通过以下公式计算得出各成熟期样品的淀粉碘染色指数:淀粉碘染色指数=(σ(染色级数×该级样品数))/样品总数。
16、步骤(4)中,本专利技术以吸光度差值为自变量,以对应的streif指数为因变量,建立一元函数。streif指数用于表征成熟度。本专利技术研究发现,相较于根据叶绿素吸收带预测成熟度,本专利技术在790nm-826nm波段范围内以808nm为中心的两个波长点吸光度差值为自变量构建的预测模型具有更加准确的预测效果。
17、优选的,所述以808nm为中心的两个波长点采用798nm和818nm、796nm和820nm、794nm和822nm、792nm和824nm、或者790nm和826nm。
18、优选的,步骤(2)中,还包括在相同的采集点采集在670nm和720nm波长条件下的果实漫透射光谱数据,计算两个波长条件下吸光度的差值,记为y;步骤(4)中,以x、y为自变量,构建二元一次方程。本专利技术在以(808±a)nm波长下的光谱数据作为自变量的基础上,增加了反映叶绿素含量的光谱数据作为自变量,构建二元函数,以提高预测模型的预测准确度。
19、本专利技术提供了一种由上述方法构建的苹果成熟度预测模型。
20、本专利技术还提供了一种基于特定波长光谱信息的苹果成熟度无损检测方法,所述方法包括:针对苹果待测样品测定赤道位置的漫透射光谱数据,将特定波长点的吸光度差值输入所述的苹果成熟度预测模型,获得待测样品的streif指数;其中待测样品吸光度差本文档来自技高网...
【技术保护点】
1.一种基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,所述两个波长点的波长差≥20nm。
3.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,所述以808nm为中心的两个波长点采用798nm和818nm、796nm和820nm、794nm和822nm、792nm和824nm、或者790nm和826nm。
4.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,在样品赤道上等间距的n个采集点处采集漫透射光谱数据,取n个采集点处的吸光度平均值作为该样品的吸光度,n≥2。
5.如权利要求4所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(3)中,在与步骤(2)相同的n个采集点处分别进行果肉硬度和可溶性固形物含量的测定,分别取n个采集点的果肉硬度平均值和可溶性固形物含量平均值作为该样品的硬度值和可溶性固
6.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(3)中,针对各成熟期的样品,从该成熟期的所有样品中随机抽取10个样品进行淀粉碘染色,并将淀粉碘染色图与标准染色图相对比,读取染色级数,然后通过以下公式计算得出各成熟期样品的淀粉碘染色指数:淀粉碘染色指数=(Σ(染色级数×该级样品数))/样品总数。
7.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,还包括在相同的采集点采集在670nm和720nm波长条件下的漫透射光谱数据,计算两个波长条件下吸光度的差值,记为Y;步骤(4)中,以X、Y为自变量,构建二元一次方程。
8.一种由权利要求1-7任一项所述方法构建的苹果成熟度预测模型。
9.一种基于特定波长光谱信息的苹果成熟度无损检测方法,其特征在于,所述方法包括:针对苹果待测样品测定赤道位置的漫透射光谱数据,将特定波长点的吸光度差值输入权利要求8所述的苹果成熟度预测模型,获得待测样品的Streif指数;其中待测样品吸光度差值测定方法与构建预测模型的步骤(2)相同。
10.一种基于特定波长光谱信息的苹果成熟度无损检测装置,所述装置包括光源、用于检测苹果漫透射光谱信息的检测装置、用于处理从检测装置接收的信号的数据处理模块,所述检测装置含(808-a)nm和(808+a)nm的滤光片及光电二极管,其中a为整数10~18,所述数据处理模块内置有如权利要求8所述的苹果成熟度预测模型。
...【技术特征摘要】
1.一种基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,所述两个波长点的波长差≥20nm。
3.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,所述以808nm为中心的两个波长点采用798nm和818nm、796nm和820nm、794nm和822nm、792nm和824nm、或者790nm和826nm。
4.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(2)中,在样品赤道上等间距的n个采集点处采集漫透射光谱数据,取n个采集点处的吸光度平均值作为该样品的吸光度,n≥2。
5.如权利要求4所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(3)中,在与步骤(2)相同的n个采集点处分别进行果肉硬度和可溶性固形物含量的测定,分别取n个采集点的果肉硬度平均值和可溶性固形物含量平均值作为该样品的硬度值和可溶性固形物含量值。
6.如权利要求1所述的基于特定波长光谱信息构建苹果成熟度预测模型的方法,其特征在于,步骤(3)中,针对各成熟期的样品,从该成熟期的所有样品中随机抽取1...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。