一种利用光谱法测定农产品中植物蛋白的方法
【技术领域】
[0001]本发明属于物质检测领域，特别是涉及利用光谱检测化学成分的方法，具体是涉及一种利用光谱法测定农产品中植物蛋白的方法。
【背景技术】
[0002]植物蛋白是蛋白质的一种，来源于植物中，其营养与动物蛋白相仿，但是更易于消化。食物中以豆类、花生、肉类、乳类、蛋类、鱼虾类含蛋白质较高，而谷类含量较少，蔬菜水果中更少。日常生活中，植物蛋白尽管一般不如动物蛋白好，但仍是人类膳食蛋白质的重要来源。谷类一般含蛋白质6%_10%，不过其中必需氨基酸含量低。薯类含蛋白质2%-3%。某些坚果类如花生、核桃、杏仁和莲子等则含有较高的蛋白质(15%-30%)。豆科植物如某些干豆类的蛋白质含量可高达40%左右。特别是大豆在豆类中更为突出，它不仅蛋白质含量高，而且质量亦高，是人类食物蛋白质的良好来源。植物蛋白为素食者饮食中主要的蛋白质来源，可用以制成形、味、口感等与相应动物食品相似的仿肉制品。
[0003]生活中消费者对农产品中植物蛋白的含量越来越重视，尤其是对于素食主义者或养生者，因此，消费者在选择农产品时对其植物蛋白含量的要求也越来越关注，而目前对农产品植物蛋白含量的测定常以破坏性化学分析或者在实验室使用昂贵的实验仪器分析为主，这些方法都需要将农产品损坏，并且不能进行现场测试分析，测试过程繁琐、不利于消费者直接、快速知道农产品中植物蛋白含量的情况。同时，目前未有专利技术公开利用光谱法测定农产品中植物蛋白的方法，尤其是对农产品在无损状态下进行植物蛋白的方法。
【发明内容】
[0004]为了克服上述测定方法所存在的各种缺陷，本发明提供了一种利用光谱法测定农产品中植物蛋白的方法，该方法包括如下步骤:
[0005]A.利用化学检测方法测量同一农产品的η个样品中植物蛋白含量，得到相应植物蛋白化学检测数据，其中50;
[0006]B.在光谱范围为800-2500nm下，对同一农产品的η个样品进行非破坏性的光谱测量，得到相应植物蛋白光谱数据，其中n 2 50;
[0007]C.利用光谱数据和化学检测数据建立农产品植物蛋白检测的数据模型，数据模型嵌入数据运算服务器；
[0008]D.针对待检农产品在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种；
[0009]E.运算服务器根据所需要检测的产品品种匹配数据模型并进行运算，获得所检测农产品的植物蛋白含量。
[0010]所述步骤C数据模型建立的方法，包括如下步骤:
[0011 ]步骤I:用光源发射兼光谱收集的装置发射光斑照射待检测的农产品样品Al，并收集农产品样品Al反射回来的光谱，采用光谱分析设备确定所收集的光谱的波长及吸光度，形成农产品样品Al的光谱数据；
[0012]步骤I1:对农产品样品Al进行化学分析，分析植物蛋白含量，形成农产品样品的化学检测数据；
[0013]步骤II1:将农产品Al的光谱数据和化学检测数据录入同一数据库，形成数据映射XI；
[0014]步骤IV:重复上述步骤1、步骤II和步骤III，对农产品样品A2至Αη+1进行η次重复，形成η组光谱数据和对应的η组化学检测数据，将光谱数据和化学检测数据录入同一数据库，形成η组数据映射的数据映射集合；
[0015]步骤V:将上述数据库中数据映射集合中的光谱数据选取2-100个波长的吸光度数值与化学检测数据进行对应，确定2-100个波长吸光度变化与化学检测数据变化的定量关系;
[0016]步骤V1:将上述步骤的定量关系嵌入运算服务器，采集农产品新样品AX的光谱数据，将其录入数据库的同时，选取步骤V确定的2-100个波长录入运算服务器，计算出未进行实际检测的农产品新样品化学数据，同时将该化学数据输出到显示端和数据库，并在数据库中与农产品新样品AX的光谱数据形成测量数据映射；
[0017]步骤VI1:根据步骤I至步骤VI所形成的数据库和运算服务器上的定量关系，将数据库和运算服务器相连，同时设置数据库的数据输入端和数据输出端、设置运算服务器的数据输入端和数据输出端，形成农产品的光谱数据模型。
[0018]上述步骤IV中建立数据映射集合的方法具体是:
[0019]I)光谱数据输入光谱数据库中，按照纳米级建立数据条，每个纳米级波长定义为一个数据条，将每个纳米级波长数据和波长强度数据录入数据库中，形成光谱数据库中的光谱数据条，光谱范围中的纳米波长数量k对应形成相应数量的光谱数据条k;例如波长范围为1000-1500纳米，则有501条光谱数据条，k为501，每个光谱数据条包括波长和强度；
[0020]2)化学检测数据输入化学数据库中，将化学检测数据按所检测成分的数量建立数据条，照成分建立数据条，每个成分定义为一条数据条，将每个成分名称及成分含量录入数据库中，形成化学数据库中的成分数据条，成分的数量对应形成相应数量的成分数据条;例如某物体的化学检测数据中有5中成分，则有5条数据条，分别为Y1、Y2……Υ5，每个数据条包括成分名称和成分含量;或者将化学检测数据进行排列组合，然后将所有排列组合作为数据条数据数据库，排列组合；
[0021]3)将光谱表中的一条光谱数据条对应化学数据表中的所有成分数据条，形成映射数据组，对应原则是一条光谱数据条分别对应各成分数据条，形成单光谱和多成分对应的映射数据组;例如光谱数据条为乂1000，成分数据条为￥1、￥2、￥3、￥4、￥5，则针对1000纳米的单光谱和多成分对应的映射数据组为{Χ1000Υ1，Χ1000Υ2，Χ1000Υ3，Χ1000Υ4，Χ1000Υ5};
[0022]按照上述建立映射数据组的方法，将光谱表中的所有光谱数据条与化学数据表中所有成分数据条进行分别对应，形成所有映射数据组的集合，即为映射数据集合;例如光谱数据条为501条，成分数据条为5条，则一次检测所形成的光谱数据和化学检测数据的映射数据集合中包含501 X 5 = 2505条数据，该2505条数据即为物体该次检测的映射数据集合。
[0023]如果对该物体的不同样品进行η次检测，则形成η个映射数据集合，将η个映射数据集合统一输入一个单独的数据库中，则形成该物体映射数据库。
[0024]上述η大于等于50，更加优选的，η大于等于100。
[0025]优选的，所述光谱的波长范围为800-1800nm，或光谱的波长范围为1500-2500。
[0026]优选的，所述农产品为植物蛋白成分含量差异值在0-50%的同类农产品。所述植物蛋白成分含量差异值是指各农产品样品中植物蛋白含量的绝对值与各农产品样品中植物蛋白含量的平均值的比值的百分数。
[0027]优选的，所述光谱数据为波长为800-1800nm的1001个波长的波长和强度的数据集合，或者光谱数据为波长为1500-2500的1001个波长的波长和强度的数据集合。
[0028]优选的，所述农产品包括叶菜类、水果类、粮食类、块茎类、果菜类。进一步优选的，所述水果类为蜜桔、脐橙、苹果、梨、草莓、猕猴桃。所述果菜类为黄瓜、茄子、西红柿、芋头、土豆、萝卜、丝瓜。
[0029]优选的，所述步骤A中化学检测方法采用GBT5009.5-2010进行检测。
[0030]本发明的方法中，光谱数据为通过光谱收集装置收集的不同波长的光能量，通过光转化信号装置转化为光谱数据，光谱数据一般要求具有光谱强度，即使某波长光波强度为零，则在光谱数据也需要记载。
[0031]与现有技术相比，本发明具有如下有益效果:
[0032]1、本发明检测时，只需对农产品进行简单的清洗或切割，当农产品的皮厚大于1_以上时，才对农产品切开得到断面，对得到的断面进行光谱测量得到农产品中植物蛋白含量。该方法只在必要时对农产品进行切割，不需对农产品进行化学处理或更多的机械处理。检测方法更简单和便捷。
[0033]2、采用光谱技术分析测定，分析速度快，能随时检测，方便快捷；
[0034]3、本发明的光谱数据和化学检测数据的映射方法充分考虑不同农产品的组成特性，可以根据需要同时测定不同农产品中植物蛋白含量；
[0035]4、本发明提供的光谱数据和化学成分数据之间的建模方法可方便更新基础数据库，提供大而可靠的数据，提高检测精确度，减少人为误差。
[0036]5、本发明方法建立的数据模型所基于的光谱数据是针对农产品大于等于50个样品及样品的各个部位所反射回来的光谱数据，所搜集的光谱数据齐全，光谱数据模型无需校正即能对农产品中植物蛋白的含量进行准确的测量。同时，本发明中同一数据模型适用于农产品中植物蛋白成分含量差异值在0-50 %内，这样检测结果更准确。
【具体实施方式】
[0037]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明，但本发明要求保护的范围并不局限于实施例表达的范围。
[0038]实施例1
[0039]—种利用光谱法测定陕西洋县黑米中植物蛋白的方法，该方法具体如下:
[0040]黑米中植物蛋白小于10g/100g，因此利用GB T5009.5-2010中凯氏定氮法测量100粒陕西洋县黑米中植物蛋白含量，得到相应植物蛋白化学检测数据；在光谱范围为800-2500nm下，对相应的100粒陕西洋县黑米进行非破坏性的光谱测量，得到相应植物蛋白光谱数据;利用光谱数据和化学检测数据建立农产品植物蛋白检测的数据模型，数据模型嵌入数据运算服务器;其中，建立农产品植物蛋白检测的数据模型的光谱数据是选取了4个波长范围(分别为 1200-1600nm，1000-1100nm，2000-2300nm，900-950nm)的吸光度数值与相应的化学检测数据进行对应，来确定该4个波长吸光度变化与化学检测数据变化的定量关系。[0041 ]针对30粒待检陕西洋县黑米在800-2500nm下进行光谱数据收集，将所收集的光谱数据输入数据运算服务器，同时选择需要检测的农产品品种为陕西洋县黑米;运算服务器根据所需要检测的产品品种陕