光谱，得到此时强度光谱曲线。
[0025] (2.2)储存参考光谱：扣除暗光谱后将反射参考板放入平台内升降台光谱采集区 域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考 板位移变化的情况，在光纤探头与参考板距离为24~42mm时的强度光谱作为参考光谱，调节 相关参数，包括积分时间100ms，平均次数2,平滑度6,去除暗噪声开启，非线性校正开启，杂 散光校正开启，待光谱强度W及反射率曲线适宜，得到样品原始光谱曲线。
[0026] (2.3)测量点区域的选择:在选取过程中要尽量保持有代表样本表面特征的区域 作为标记点，如颜色、斑点、凹凸的差异，如果样本表面差异较小，则取相邻90°的四个点作 为标记点，分别保存光谱信息，最后将4个标记点光谱数据的平均值作为被测样品最终的光 谱信息。
[0027] (2.4)光谱数据的获得:将反射参考板移出光谱采集区，移入待测样品，调节升降 台使得反射参考板与光纤探头距离与步骤(2)相同、保持其他参数不变，照射颜色面按果品 阴阳面比例进行采集，照射缔度控制在40°N~40° S低缔度范围内，得到样品的相关数据，包 括光谱反射率、透射率、吸光度曲线W及.txt格式的光谱数据，如表1。
[00巧](3)数据的整理及模型的建立 (3.1) 光谱数据的整理:将得到的光谱文本数据统一整理至WPS表格中，打开化学计量 软件化scrambler9.7，将整理后的光谱数据导入至该软件，通过对光谱信息的预处理找到 模型综合判定系数最高的建模方法。
[0029] 表1 60个寒富苹果样品可见近红外光谱数据表
(3.2) 光谱数据的预处理:苹果糖度的最佳光谱数据预处理方法为多元散射校正结合 二阶微分(MSC+SD)，苹果脆度的最佳光谱数据预处理方法为一阶导数结合多元散射校正 (FD+MSC)，苹果酸度的最佳光谱数据预处理方法为多矢量归一化结合一阶微分(N+FD)，数 据处理过程如表2所示。
[0030] (3.3)回归模型的建立:通过对比分析各种预处理数据建立的模型的PC数、决定系 数R2、校正均方根误差RMSEC、BIAS判定参数，选取最优预测模型，再利用软件中偏最小二乘 回归的算法工具，对于模型进行最后的修正。
[0031] (4)预测值的分析与显示:先将预测模型导入至化scrambler9.7中，此时会要求选 择主成分数，填入的主成分数为利用偏最小二乘回归的算法工具对预测模型修正后的最佳 主成分数(寒富的糖度模型为6、脆度模型为8、酸度模型为13,各模型参数的决定系数如表3 所示）。而对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在 完成数据输入、模型载入后可完成待测样品品质的预测W及预测数值的读取。实例中试验 W建模集40个样本为研究对象，分别建立样本的糖度、脆度、酸度的可见近红外光谱预测模 型，再利用此模型对检验集20个样本进行预测，得到建模集、检验集样本品质测量值与预测 值结果对比图。
[0032] 表2样本糖度数据预处理方法统计表
表3不同光谱下样本各项品质光谱最佳预处理方法统计表
寒富苹果样本糖度品质预测模型，决定系数R2=O. 9852,预测均方根误差RESEP (0.0958K校正均方根误差RE沈C(0.1172)，偏差值Bias=-0.0133。
[0033] 表4检验集样本糖度真实值与预测值统计表
表4为检验集20个苹果样本在建模集此预测模型下各苹果样本的预测值与真实值统计 表，并计算得到各样本的绝对偏差和该检验集的绝对偏差平均值。20个预测样本的糖度绝 对偏差平均值为0.106，绝大多数样本的绝对偏差值均相对较小，根据表中的统计结果建立 残差分布图。
[0034] 绝大多数样本的绝对偏差值均在0.15 W内，其对应的相对误差为0.93%，而在农产 品分炼中对于相对误差小于3%的均符合实际生产要求，所W此模型满足实际生产要求，可 应用于寒富苹果糖度的分级指导。综合前述对检验集决定系数、均方根误差、残差分布、相 对误差等多项检验指标对模型的验证，表明检验集样本预测值与真实值相关性较高，数值 较为接近，模型预测精度较高，预测可靠，满足苹果品质检测要求。
【主权项】
1. 一种基于近红外光谱的寒富苹果品质无损检测方法，其特征在于:包括以下步骤： (1) 待测样品的预处理:所有待测样品在采摘后检测前需放入自然冷源保鲜库中保存； 从保鲜库中取出样品后实测前需对样品进行人工检查，确保样品表面没有变质情况，包括 明显缺陷、腐烂和霉变； (2) 样品的光谱信息采集： (2.1) 扣除环境暗光谱:将满足以上筛选要求的待测样品置于非光谱采集区域，将设备 连接，待光源温度稳定、发射出的近红外光波段的光平缓、稳定后，得到此时环境光谱曲线， 此时扣除环境暗光谱，得到校正后的暗箱环境光谱； (2.2) 储存参考光谱:扣除暗光谱后将反射参考板放入光谱采集区域中，进行参考光谱 的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考板位移变化的情况， 待光谱强度合适、光谱曲线清晰平稳、无明显跳动、无溢出、无失灵现象时，得到样品原始光 谱曲线； (2.3) 光谱信息的采集:将反射参考板移出光谱采集区，移入待测样品，使得反射参考 板与光纤探头距离与上步骤相同、保持其他参数不变，照射颜色面按果品阴阳面比例进行 采集，得到样品光谱曲线以及光谱数据； (3) 数据的整理及模型的建立:将得到的光谱文本数据统一整理输入1]]18(^31111316的.7 软件，通过对光谱信息的预处理找到模型综合判定系数最高的建模方法，建立预测模型后 再利用软件中偏最小二乘回归的算法工具，对于模型进行最后的修正，得到最终的预测模 型； (4) 品质的预测及预测值的显示：利用模型进行预测时，将步骤(3)中得到的修正后的 品质预测模型导入至UnSCrambl er9.7中，对待测样本的光谱数据预处理办法务必与建立该 模型时数据预处理方法相同，在完成数据输入、模型载入后可完成待测样品品质的预测以 及预测数值的读取。2. 根据权利要求1所述的一种基于近红外光谱的寒富苹果品质无损检测方法，其特征 在于:所述的步骤(1)中待测样品的保鲜处理方法为:将所有待测样品在采摘后检测前需放 入自然冷源保鲜库中保存，且保存前需在预冷库预冷30min，紫外线杀菌5s后贮藏，待测样 品放置于尺寸为35cm X 19cm X 23cm的瓦愣纸箱中，离地15cm，离墙5cm，箱与箱间隔2.5cm， 自然冷源保鲜库内的相对湿度为90%，贮藏保鲜温度为1°C，每天保鲜库内的紫外灯照射时 间范围（环境杀菌时间）为〇~30min。3. 根据权利要求1所述的一种基于近红外光谱的寒富苹果品质无损检测方法，其特征 在于:所述的步骤(3)中品质数据最佳预处理办法，苹果糖度的最佳光谱数据预处理方法为 多元散射校正结合二阶微分(MSC+SD)，苹果脆度的最佳光谱数据预处理方法为一阶导数结 合多元散射校正(FD+MSC)，苹果酸度的最佳光谱数据预处理方法为多矢量归一化结合一阶 微分(N+FD)。
【专利摘要】本发明公开了一种基于近红外光谱的寒富苹果品质无损检测方法，该方法在特征波段范围内对样品进行光谱采集，在光纤探头与参考板距离为24~42mm时的强度光谱作为参考光谱，照射颜色面按果品阴阳面比例、照射纬度在40°N~40°S范围内、具有表面特征特征的区域作为光谱采集点，得到的苹果反射率信息较完整且有代表性。利用光谱技术在检测平台上，可实现寒富苹果内部品质的无损检测，能够对寒富苹果中糖度、酸度、质地进行快速分析，并可对寒富苹果品质进行预测，且可直接显示品质预测值，预测精度满足实际生产要求，该试验平台操作方法简单、易于控制、检测精度高。本发明可用于水果品质的在线检测分级。
【IPC分类】G01N21/3563, G01N21/359
【公开号】CN105527244
【申请号】CN201510697123
【发明人】宫元娟, 裴军强, 宁晓峰, 周铁, 秦军伟
【申请人】沈阳农业大学
【公开日】2016年4月27日
【申请日】2015年10月26日