本发明属于水果无损检测
技术领域：
：，具体涉及一种柑桔最佳采收期预测方法。
背景技术：
：：成熟度是果实品质的评价重要指标，也是进行采收期预测的主要依据。采收适时对柑桔贮藏效果的影响很大，采收时间早了，果实尚未充分发育，个头较小，糖分积累也不足，口感不好；采收时间过晚，果实过分成熟，导致表面松软、硬度不够，不耐贮藏，口感也不佳。国标要求柑桔类的水果成熟度要达到可食用的适当程度即可。但这个适当程度难以把握，且不同的检验人员对水果口味的感知存在较大的个体差异。根据《gb/t12947-2008鲜柑橘》定义的成熟度，是指果实发育到可供食用的适当成熟程度。即果实达到适当成熟度采摘，成熟状况应与市场要求一致（采摘初期允许果实有绿色面积，甜橙类≤1/3、宽皮柑橘类≤1/2、早熟品种≤7/10)，必要时允许脱绿处理；合理采摘，果实完整新鲜；果面洁净；风味正常。表明标准中对成熟度也仅仅作了定性的规定。我国是柑桔类水果的生产大国，但销售渠道链不完善，柑桔不易储存，容易受到气候的影响，采收的时间往往依靠经验，市场上的柑桔类水果大部分是通过人工筛选同一个品种的果子的大小、色泽来判断果品的内部品质。造成柑桔类水果成熟度不一，严重影响了整体品质，降低了柑桔类水果的市场竞争力。随着经济和社会的高速发展和生活水平的提高，普通大众对水果的口感、形状、营养都越来越关注。因此，了解柑桔类水果的最佳采收时间、判断成熟程度、延长其储藏时间能较好地改善水果滞销的现象，在最佳的采收期进行采收，达到利润的最大化。技术实现要素：本发明的第一个目的在于提供一种柑桔最佳采收期预测方法，能够更加精确地预测柑桔的最佳采收期。本发明的技术方案是：包括以下步骤：（1）针对柑桔样品，进行积温数据采集，获取基于积温的最佳采收标准；具体方案是：分析果园不同地理位置的有效积温的差异性，优化温度传感器网络节点布局；分析有效积温与柑桔内在品质指标的相关关系，确定区域柑桔成熟所需的有效积温阈值；建立实时和历史温度数据驱动的有效积温预测模型，应用温度传感器信息预测最佳采收期。（2）采集柑桔样品的近红外光谱数据，并完成光谱数据处理和特征筛选；近红外光谱数据采用平滑、去噪、标准化、中心化、多元散射校正、标准正态变量光谱预处理方法处理，获得柑桔的特定近红外光谱波段的响应特性。通过理化分析方法，获得柑桔内部品质指标；（3）结合近红外光谱特征和柑桔内部品质指标，确立基于近红外光谱的最佳采收标准；融合基于积温的最佳采收标准和基于近红外光谱的最佳采收标准，通过人工智能算法建立柑桔最佳采收期预测模型；（4）测定待测柑桔样品的短波近红外光谱、温度及位置信息，并输入所述柑桔最佳采收期预测模型中，进行柑桔最佳采收期量化计算；（5）得到某地柑桔样品采收期预测结果。进一步地，采集柑桔样品的近红外光谱数据时，将吸光度计算公式修正为-log(s-a-d)/(r-d)，a代表环境光光谱，s代表柑桔样品漫反射光谱、r代表参比光谱，d代表暗电流光谱。进一步地，柑桔内部品质指标糖度、ssc、ta、表面色泽、vc和ssc/ta中的一种或几种。进一步地，人工智能算法包括但不限于神经网络、支持向量机中的一种或几种。与现有技术相比，本发明具备以下有益效果：（1）本发明能够综合利用柑桔的近红外光谱、位置信息和温度传感器的温度数据，从柑桔果实内在品质和发育积温两方面，进行信息互补，实现了柑桔的精准采收期预测。（2）本发明通过无损测试的方式，时效性强，效率高，结果一致性好、自动化程度强，可准确预测柑桔的采收期。附图说明图1为一种柑桔最佳采收期预测方法的流程图。名词解释：ssc：可溶性固形物,solublesolidcontent；ta：可滴定酸,titratableacidity；ssc/ta：即可溶性固形物与可滴定酸的比值，简称固酸比。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。如图1所示，一种柑桔最佳采收期预测方法，包括以下步骤：（1）针对柑桔样品，进行积温数据采集，获取基于积温的最佳采收标准；（2）采集柑桔样品的近红外光谱数据，并完成光谱数据处理和特征筛选；近红外光谱数据采用平滑、去噪、标准化、中心化、多元散射校正、标准正态变量光谱预处理方法处理，获得柑桔的特定近红外光谱波段的响应特性。通过理化分析方法，获得柑桔内部品质指标；（3）结合近红外光谱特征和柑桔内部品质指标，确立基于近红外光谱的最佳采收标准；融合基于积温的最佳采收标准和基于近红外光谱的最佳采收标准，通过人工智能算法建立柑桔最佳采收期预测模型；（4）测定待测柑桔样品的短波近红外光谱、温度及位置信息，并输入所述柑桔最佳采收期预测模型中，进行柑桔最佳采收期量化计算；（5）得到某地柑桔样品采收期预测结果。优选地，采集柑桔样品的近红外光谱数据时，将吸光度计算公式修正为-log(s-a-d)/(r-d)，a代表环境光光谱，s代表柑桔样品漫反射光谱、r代表参比光谱，d代表暗电流光谱。优选地，柑桔内部品质指标糖度、ssc、ta、表面色泽、vc和ssc/ta中的一种或几种。优选地，人工智能算法包括但不限于神经网络、支持向量机中的一种或几种。柑桔是以水为主的生物体，水分含量在80%左右，环境温度变化会导致柑桔样品温度变化，例如早晨和午间同一样品温度不同、冠层内和冠层外的柑桔样品温度不同。温度升高会引起含h基团对应的近红外特征波长向短波方向漂移，所以，温度是影响树上柑桔近红外无损检测的一个重要因素。采用某一批次样品，从10-40℃间隔5℃采集多个温度下的近红外光谱。在采集光谱的同时，将探针式红外温度传感器，插入柑桔光谱扫描点附近，记录柑桔样品的温度，分析随近红外光谱随温度变化的规律。同一柑桔在两个不同温度下，可近似认为除温度外，其余理化性状均未改变，故同一柑桔的在不同温度下的差谱仅与温度有关。纯温度差谱矩阵见公式（1）（1）其中，i为柑桔样品序号，例如用于生产纯温度差谱矩阵样品为30个，则i=1…30；j为第i个柑桔样品的温度梯度，j=1,2,…,n，间隔5oc，在此方案中n=7；d为差谱矩阵，xij为第i个样品温度梯度j对应的光谱。（2）柑桔的光谱x可视为由被测目标组分（xp）、外界干扰（xq）和残差（r）组成，如公式（2）。其中，p和q分别光谱向目标组分（例如ssc）和干扰（例如温度）投影的载荷向量。换言之，x可以分成有用的部分x*=xp和干扰x+=xq；若能估算出干扰x+，则x*可求。本项目，设计上述方案构建纯温度光谱矩阵（d），采用epo、glsm、repeatabilityfile等化学计量学方法，计算纯目标矩阵x*，提高柑桔最佳采收期预测模型对变温度柑桔样品的预测能力。环境光是果园现场原位测量的另一主要干扰因素。日光因时间（由早到晚）和空间（冠层内外）变化，而且日光在短波近红外频段极易与仪器主动光源叠加作用至柑桔上，使测量结果偏高。通常近红外检测中，每个样品均测量柑桔样品漫反射（s）、参比（r）和暗电流（ｄ）光谱，计算吸光度光谱-log(s-d)/(r-d)。提出环境光干扰扣减方案，即柑桔样品近红外检测时，环境光光谱（a）也予以采集，将吸光度计算公式修正为-log(s-a-d)/(r-d)。果树因地势、土壤、光照、水分等立地条件，个体生在存在差异性，因此科学合理采样十分关键。在地块中，选择若干果树代表果树群体特征，其数量参考公式（1）确定。如果sd值偏大，则取样数量增加；如果sd值偏小，则取样数量减少。（3）其中，y为5%置信度的统计职，通常取1.96；sd为树间标准差；ε为采样精度，通常取0.5。有效积温是柑桔生长期内有效温度的总和，能表征柑桔生长所需要的热量。但我国多为丘陵山地果园，山顶、山底和腹部区域温度存在差异。采用实验方法进行有效积温测算研究，实时数据使用传感器监测数据；观测时间节点后的数据，尚未发生，无法从传感器获取，利用当地近十年农业气象平行观测数据平均值替代。在山顶、山底、和腹部区域布置无线传感器网络节点，实时监测从开花到采收期的温度，计算有效积温。通过分析果园不同地理位置的有效积温的差异性，为优化温度传感器网络节点布局提供数据支持。分析有效积温与柑桔糖度、ssc、ta、表面色泽、vc和ssc/ta等内部品质指标的相关关系，将适收柑桔所对应的有效积温阈值确定为阈值，供基于温度传感器信息的最佳采收期预测使用；基于温度传感器实时监测数据和历史温度数据建立有效积温估算模型，应用有效积温预测最佳采收期。从原理上，短波近红外技术，可以快速、无损、原位准确测量柑桔主要理化特性指标，但难以适用于全生长周期。而有效温度虽然易受异常气候影响，结果误差较大，但适用于全生长周期，恰好可作为辅助手段，与近红外形成良好的互补。同时，通过gps获取的位置信息与短波近红外预测结果一一匹配，生成以树为单位的采收决策处方图，可以达到精准采收的目的。尽管已经描述了本发明的实施例，对于本领域的普通技术人员而言，在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，均落入由所附权利要求及其等同物限定的范围。当前第1页12当前第1页12