一种苹果可溶性固形物近红外检测部位补偿方法及系统的制作方法
【技术领域】
[0001] 本发明涉及苹果质量检测领域，尤其涉及一种苹果可溶性固形物近红外检测部位 补偿方法及系统。
【背景技术】
[0002] 可溶性固形物是指液体或流体食品中所有溶解于水的化合物的总称，包括糖、酸、 维生素、矿物质等。苹果的可溶性固形物含量是衡量苹果内部品质的重要指标，也是影响消 费者购买意愿的决定因素。
[0003] 目前，近红外光谱技术以其快速无损的优势在苹果可溶性固形物检测方面得到了 广泛应用。然而，模型的稳定性往往受苹果的温度变化，产地、品种、季节性差异等因素的影 响。另外，苹果表面的可溶性固形物含量分布不均匀，其分布趋势沿果梗到花萼方向逐渐升 高，因此，可能导致不同部位的光谱之间存在差异。
[0004] 现有技术中，关于苹果可溶性固形物近红外光谱检测的研究多是针对赤道部位， 通过采集苹果赤道部位的光谱信息，建立苹果可溶性固形物近红外光谱检测模型。因此，当 用该模型去预测苹果其他部位如果梗的可溶性固形物含量时，其预测精度就会受到影响。
【发明内容】
[0005] 针对现有技术中的缺陷，本发明提供一种苹果可溶性固形物近红外检测部位补偿 方法及系统，通过融合苹果多个部位的光谱信息，结合特征波长筛选算法，建立苹果可溶性 固形物近红外光谱检测模型，克服了光谱检测部位的变化对苹果可溶性固形物近红外光谱 检测模型的影响，提高了模型的稳定性。
[0006] 第一方面，本发明提供一种苹果可溶性固形物近红外检测部位补偿方法，所述方 法包括：
[0007] 获取苹果的预设部位的吸光度光谱；
[0008] 获取所述苹果的预设部位的可溶性固形物含量；
[0009] 根据所述吸光度光谱和所述可溶性固形物含量，结合特征波长筛选算法，建立苹 果可溶性固形物近红外光谱检测模型；
[0010]其中，所述苹果预设部位包括苹果的果梗、赤道和花萼。
[0011]优选地，所述获取苹果的预设部位的吸收光谱度，包括：
[0012] 通过积分球漫反射方法，获取预设波段区间内的所述苹果的预设部位的吸光度光 谱。
[0013] 优选地，所述获取苹果的预设部位的吸光度光谱，包括：
[0014] 采集多个苹果的预设部位的吸光度光谱；
[0015] 对所述多个苹果的预设部位的吸光度光谱进行二阶导数处理，获取多个处理后的 吸光度光谱。
[0016] 优选地，所述根据所述吸光度光谱和所述可溶性固形物含量，结合特征波长筛选 算法，建立苹果可溶性固形物近红外光谱检测模型，包括：
[0017] 结合特征波长筛选算法，从所述预设部位的全波段吸光度光谱中挑选与苹果可溶 性固形物相关的特征波长；
[0018] 根据所述预设个数苹果预设部位的特征波长下的吸光度光谱及其对应的可溶性 固形物含量，采用偏最小二乘算法建立苹果可溶性固形物近红外光谱检测模型。
[0019] 优选地，所述苹果可溶性固形物近红外光谱检测模型，具体为：
[0020] Y= IAkAk+B；
[0021] 其中，Y为苹果可溶性固形物含量的估计值，k为挑选的特征波长，波长下的 吸光度光谱，Ak为Ak的回归系数，B为常数。
[0022] 优选地，其特征在于，所述方法还包括：
[0023] 对所述苹果可溶性固形物近红外光谱检测模型进行检验。
[0024] 优选地，所述对所述苹果可溶性固形物近红外光谱检测模型进行检验，包括：
[0025] 获取检验苹果的吸收度光谱和可溶性固形物含量的实测值；
[0026] 根据所述检验苹果的特征波长下的吸收度光谱，利用所述苹果可溶性固形物近红 外光谱检测模型，获取可溶性固形物含量的估计值；
[0027] 将所述可溶性固形物含量的实测值和所述可溶性固形物含量的估计值进行比较， 获取检测评价指标，所述检测评价指标用于判断所述苹果可溶性固形物近红外光谱检测模 型的预测性能。
[0028] 第二方面，本发明提供一种苹果可溶性固形物近红外检测部位补偿系统，所述系 统包括：
[0029]第一获取单元，用于获取苹果的预设部位的吸光度光谱；
[0030]第二获取单元，用于获取所述苹果的预设部位的可溶性固形物含量；
[0031] 建模单元，根据所述第一获取单元获取的吸光度光谱和所述第二获取单元获取的 可溶性固形物含量，结合特征波长筛选算法，建立苹果可溶性固形物近红外光谱检测模型；
[0032] 其中，所述苹果预设部位包括苹果的果梗、赤道和花萼。
[0033] 优选地，所述第一获取单元，具体用于，
[0034]采集多个苹果的预设部位的吸光度光谱；
[0035]对所述多个苹果的预设部位的吸光度光谱进行二阶导数处理，获取多个处理后的 吸光度光谱。
[0036]优选地，所述建模单元，具体用于，
[0037]结合特征波长筛选算法，从所述预设部位的全波段吸光度光谱中挑选与苹果可溶 性固形物相关的特征波长；
[0038]根据所述预设个数苹果预设部位的特征波长下的吸光度光谱及其对应的可溶性 固形物含量，采用偏最小二乘算法建立苹果可溶性固形物近红外光谱检测模型。
[0039]由上述技术方案可知，本发明提供一种苹果可溶性固形物近红外检测部位补偿方 法及系统，通过融合苹果多个部位如果梗、赤道和花萼的光谱信息，结合特征波长筛选算 法，建立苹果可溶性固形物近红外光谱检测模型，克服了光谱检测部位的变化对苹果可溶 性固形物近红外光谱检测模型的影响，提高了模型的稳定性，为实际生产中苹果可溶性固 形物含量的便携检测和在线检测奠定了理论基础。
【附图说明】
[0040] 为了更清楚地说明本公开实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本 公开的一些实施例，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 根据这些图获得其他的附图。
[0041] 图1为本发明一实施例提供的一种苹果可溶性固形物近红外检测部位补偿方法的 流程示意图；
[0042] 图2为本发明另一实施例提供的一种苹果可溶性固形物近红外检测部位补偿方法 的流程示意图；
[0043] 图3为本发明一实施例提供的一种苹果可溶性固形物近红外检测部位补偿方法的 结构意图；
[0044] 图4为本发明一实施例提供的苹果光谱采集部位示意图；
[0045]图5为本发明一实施例提供的预测集样本预测结果的散点分布图。
【具体实施方式】
[0046] 下面结合附图和实施例，对本发明的【具体实施方式】作进一步详细描述。以下实施 例用于说明本发明，但不用来限制本发明的范围。
[0047] 图1示出了本发明一实施例提供的一种苹果可溶性固形物近红外检测部位补偿方 法的流程示意图，如图1所示，本实施例的一种苹果可溶性固形物近红外检测部位补偿方 法，所述方法包括：
[0048] S11、获取苹果的预设部位的吸光度光谱。
[0049] 可以理解的是，所述苹果预设部位包括苹果的果梗、赤道和花萼。
[0050] 具体来说，通过Antaris II傅立叶变换近红外光谱仪，采用InGaAs检测器，获取苹 果的果梗、赤道和花萼的吸光度光谱。
[0051] S12、获取所述苹果的预设部位的可溶性固形物含量。
[0052] 可以理解的是，苹果可溶性固形物含量的测定参考采用Arias 500型半自动阿贝 折光仪(Reichert Inc.，USA)〇
[0053] 具体来说，光谱采集完成后，紧接着利用传统的破坏性实验依次从苹果的果梗、赤 道及花萼采部分切下带有果皮的表层果肉，放在纱布中过滤，挤出汁液1~2滴，测定苹果的 可溶性固形物含量。
[0054] S13、根据所述吸光度光谱和所述可溶性固形物含量，结合特征波长筛选算法，建 立苹果可溶性固形物近红外光谱检测模型。
[0055] 本实施例通过融合苹果多个部位的光谱信息，结合特征波长筛选算法，建立苹果 可溶性固形物近红外光谱检测模型，克服了光谱检测部位的变化对苹果可溶性固形物近红 外光谱检测模型的影响，提高了模型的稳定性，为实际生产中苹果可溶性固形物含量的便 携检测和在线检测奠定了理论基础。
[0056] 图2示出了本发明另一实施例提供的一种苹果可溶性固形物近红外检测部位补偿 方法的流程示意图，如图2所示，本实施例的一种苹果可溶性固形物近红外检测部位补偿方 法，所述