一种茶叶异物在线检测装置及其方法

1.本发明专利属于茶叶无损检测技术领域，具体涉及一种茶叶异物在线检测装置及其方法。


背景技术：

2.茶是一种深受人们喜爱的健康饮品，但传统茶叶加工工艺流程比较复杂。茶叶的鲜叶要经过萎凋、揉捻、发酵、烘培、复培等一系列工序制作为成品茶。茶叶在采摘和生产过程中极易混入各种低密度有机异物，例如：昆虫、塑料、茶梗、木屑、铁屑等，这些已成为茶叶的主要污染源，也是消费者投诉的主要食品异物。当前，世界各国都在强化进口茶叶的卫生标准，我国又是出口茶叶的大国。因此利用无损检测技术排查出茶叶中夹杂的有机物异物是非常有意义的，并具有重要的理论价值和应用前景，有助于我国出口茶叶的卫生达标。


技术实现要素：

3.发明专利的目的在于提供一种茶叶异物在线检测装置，实现高精度茶叶异物无损检测。
4.为实现上述目的，本发明专利提供如下技术方案：一种茶叶异物在线检测装置，其特征在于，包括：步进电机9，检测装置10，计算机16以及振动给料机；振动给料机包括料仓1，手轮2，闸板3，溜槽4，出料口6和振动电机5；检测装置10，包括托盘7，轨道板8，步进电机9，红外光源11，紫外光源12，多光谱相机13，近红外光谱分析仪14，近红外透射光源15。
5.进一步地，所述振动给料机包括料仓1，手轮2，闸板3，溜槽4，出料口6和振动电机5。
6.进一步地，所述料仓1下端出口位于溜槽4一端上方，溜槽4底端安装于振动电机5上，出料口6与检测装置10相对应。
7.轨道板8将带有样品的托盘7输送到红外光源11、紫外光源12和近红外透射光源15照射环境下，由多光谱相机13采集样品图像，近红外光谱分析仪14采集样品光谱信息，最后图像与光谱信息保存于计算机16。
8.进一步地，所述近红外光谱分析仪14内嵌近红外光源；红外光源11、紫外光源12和近红外透射光源15为卤素灯。
9.进一步地，所述步进电机9输送样品托盘7，有连续和步进两种模式。
10.本发明还提供了一种茶叶异物在线检测方法，使用所述的一种茶叶异物在线检测装置，其特征在于，包括以下步骤：s1：采集有异物和无异物茶叶样品的光谱数据和图像数据；s2：建立茶叶有无异物的光谱检测数学模型和图像检测数学模型；s3：采集新的有无异物的茶叶样品的光谱数据和图像数据作为预测集；s4：利用建立的光谱检测数学模型和图像检测数学模型判断新采集的茶叶样品是否混入异物。
11.进一步地，所述步骤s1的具体步骤如下：s101：获取光谱数据：首先，采集参比光谱；控制移动平台和空白样品槽平移，连续
记录100条参比光谱。其次，采集样品光谱；将面包虫和茶梗与绿茶混合均匀后，缓慢倒入轻型振动给料机上，由轻型振动给料机振动上料，平台同步移动，同样记录100条光谱，由软件自动转换成吸光度光谱。重复上述实验，共收集绿茶、面包虫和茶梗光谱各200条。s102：获取图像数据：系统预热30 min，开启紫外光源12，手动调节相机镜头至图像清晰为止，相机曝光时间设为62.5 ms，图幅设为1344
×
760 pixels2。轻型振动给料机振幅设为0.8 mm，移动平台的速度设为5 cm/s。将面包虫、茶梗和绿茶混合均匀，缓慢倒入轻型振动给料机上，经电磁振动分离异物和茶叶，落入样品槽内。相机采用连续触发模式，也由光电限位开关控制触发的启动和停止。
12.进一步地，所述步骤s2的具体步骤如下：s201：光谱检测数学模型：应用oplec方法校正近红外光谱采集过程中产生的光散射。首先，将光谱数据s（n
×
m，n为样本数，m为波长数）进行奇异值（svd）分解[u,s,v]=svd(s)；然后，设置主成分数值v（v代表光谱抽象的活性化学成分数），取前v个的uv，乘子效应矢量p通过下列约束最小化，最后，建立双模型。以光谱变量作为输入变量x，以食品和异物类别作为输出变量y{1，2，3}，应用偏最小二乘判别分析法（pls-da）建立茶叶异物的近红外光谱检测数学模型。s202：图像检测数学模型：首先对采集到的图像数据进行图像分割，取反运算，中值滤波，特征提取等处理（茶叶与昆虫异物b通道中值滤波后的图像如图9所示）。提取长轴长、短轴长、长短轴比、离心率共4个特征变量，作为输入变量x，输出变量y同上。因为输入变量x维数较低，故采用线性判别分析建立茶叶异物的荧光图像检测数学模型。
[0013]
进一步地，所述步骤s3的具体步骤如下：使用新的茶叶、茶梗和昆虫重复s1步骤，得到近红外光谱数据和荧光图像数据各40组作为预测集。在预测模型中，将污染物的数据定义为真阳性（tp）类，将纯绿茶数据定义为真阴性（tn）类。因此，假阳性（fp）和假阴性（fn）分别表示识别为污染物（实际为纯绿茶）数据和识别为纯绿茶（实际为污染物）数据。
[0014]
与现有技术相比，本发明专利具备以下有益效果：（1）利用振动给料装置进行给料，解决了茶叶异物掩埋问题，提高了茶叶异物近红外光谱检测的效率。
[0015]
（2）配置了多组光源，光源之间的组合增加了更多异物检测的实验方案，使用起来更加灵活。如红外光源结合紫外光源进行实验；近红外反射光源结合紫外光源进行试验；近红外反射光源结合紫外光源进行实验等等。
[0016]
（3）使用了步进电机控制托盘将样品在光源下连续或步进的进行检测，并将得到的光谱数据保存在计算机中。
[0017]
（4）提供了茶叶中异物的检测方法，能够利用一种电磁振动辅助近红外光谱的茶叶异物在线检测装置及方法采集的光谱数据，建立数学模型，判断茶叶中异物的存在与否。
附图说明
[0018]
为了更清楚地说明本发明专利的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
[0019]
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明专利可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明专利所能产生的功效及所能达成的目的下，均应仍落在本发明专利所揭示的技术内容得涵盖的范围内。
[0020]
图1为一种茶叶异物在线检测装置结构示意图。
[0021]
图2为一种茶叶异物在线检测装置剖视图。
[0022]
图3为振动给料机立体图。
[0023]
图4一种茶叶异物在线检测方法流程图。
[0024]
图5为近红外光谱分析流程图。
[0025]
图6为智能光学校正系统示意图。
[0026]
图7为光谱检测主成分分析图。
[0027]
图8为纯茶叶和异物的近红外光谱。
[0028]
图9为茶叶与昆虫异物b通道的原始图像。
[0029]
图10为茶叶与昆虫异物b通道中值滤波后的图像。
[0030]
附图标记：1-料仓；2-手轮；3-闸板；4-溜槽；5-振动电机；6-出料口；7-托盘；8-轨道板；9-步进电机；10-检测装置；11-红外光源；12-紫外光源；13-多光谱相机；14-近红外光谱分析仪；15-近红外透射光源；16-计算机。
[0031]
名词解释：oplec：光程估计与校正方法，optical path-length estimation and correction，将光谱校正与回归相结合的算法，能较好地校正光散射；svd：奇异值分解，singular value decomposition，是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。
具体实施方式
[0032]
下面将结合本发明专利实施例中的附图，对本发明专利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专利一部分实施例，而不是全部的实施例。本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明专利保护的范围。
[0033]
请参阅图1、图2、图3，本发明专利提供如下技术方案：一种茶叶异物在线检测装置，其特征在于，包括：步进电机9，检测装置10，计算机16以及振动给料机；振动给料机包括料仓1，手轮2，闸板3，溜槽4，出料口6和振动电机5；检测装置10，包括托盘7，轨道板8，步进电机9，红外光源11，紫外光源12，多光谱相机13，近红外光谱分析仪14，近红外透射光源15。
[0034]
进一步地，所述振动给料机包括料仓1，手轮2，闸板3，溜槽4，出料口6和振动电机5。
[0035]
进一步地，所述料仓1下端出口位于溜槽4一端上方，溜槽4底端安装于振动电机5上，出料口6与检测装置10相对应，所述检测装置10配备智能光学校正系统，参阅图6。
[0036]
进一步地，所述轨道板8将带有样品的托盘7输送到红外光源11、紫外光源12和近红外透射光源15照射环境下，由多光谱相机13采集样品图像，近红外光谱分析仪14采集样品光谱信息，最后图像与光谱信息保存于计算机16。
[0037]
进一步地，所述近红外光谱分析仪14内嵌近红外光源；红外光源11、紫外光源12和近红外透射光源15为卤素灯。
[0038]
进一步地，所述步进电机9输送样品托盘7，有连续和步进两种模式。
[0039]
在封闭机箱环境下利用内嵌近红外光源的近红外光谱分析仪14来采集反射光谱数据能较大程度上克服镜面反射的影响，同时近红外透射光源15在封闭机箱环境下可以减小光源反射信息对透射光谱数据的影响。
[0040]
一种茶叶异物在线检测装置工作原理是：将设备接通ac200v电源，确保电源配备良好接地，将仪器接地线连接好。依次打开“总电源开关”和“近红外光源开关”，设备进入待机状态。两个系统要同时开启。打开主控计算机。主控及光谱采集单元和图像采集单元：主要起到整套控制和近红外信号采集工作，点击快捷方式进入软件。通过软件控制光源11、12的开闭，接着利用步进电机9控制轨道板8的移动速度与振动给料机下料口6的下料速度相同，使茶叶与异物的混合物能足够分散的落在托盘7里，然后进入检测装置10进行光谱与图像的采集。利用近红外光源14、15和近红外光谱分析仪14对茶叶与异物的混合物进行反射光谱与透射光谱的采集，利用光源12和多光谱相机13对茶叶与异物的混合物进行反射图像与透射图像的采集。最后将采集到的近红外反射光谱和透射光谱与其表征的性质数据通过化学计量学方法建立定性、定量分析模型，从而对茶叶中是否混入的异物进行测定；同时，将采集到的紫外荧光图像放入既定的算法中进行学习并建立模型，从而利用该模型可以根据茶叶样品的图像快速无损的检测出茶叶中异物。
[0041]
请参阅图4，一种茶叶异物在线检测装置茶叶异物检测方法包括以下步骤：s1的具体步骤如下：s101：光谱数据：首先，采集参比光谱；控制移动平台和空白样品槽平移，连续记录100条参比光谱。接着，采集样品光谱；将面包虫和茶梗与绿茶混合均匀后，缓慢倒入轻型振动给料机上，由轻型振动给料机振动上料，平台同步移动，同样记录100条光谱，由软件自动转换成吸光度光谱。重复上述实验，共收集绿茶、面包虫和茶梗光谱各200条。样品吸光度光谱由图5流程图得到。采集到的纯茶叶与异物的近红外光谱如图8所示。
[0042]
s102：图像数据：系统预热30 min，开启紫外光源12，手动调节相机镜头至图像清晰为止，相机曝光时间设为62.5 ms，图幅设为1344
×
760 pixels2。轻型振动给料机振幅设为0.8 mm，移动平台的速度设为5 cm/s。将面包虫、茶梗和绿茶混合均匀，缓慢倒入轻型振动给料机上，经电磁振动分离异物和茶叶，落入样品槽内。相机采用连续触发模式，也由光电限位开关控制触发的启动和停止。采集昆虫和茶梗异物的r、g、b和850 nm通道图像（茶叶与昆虫异物b通道原始图像如图9所示）。
[0043]
s2的具体步骤如下：s201：光谱检测数学模型：应用oplec方法校正近红外光谱采集过程中产生的光散射。首先，将光谱数据s（n
×
m，n为样本数，m为波长数）进行奇异值（svd）分解[u,s,v]=svd(s)；然后，设置主成分数值v（v代表光谱抽象的活性化学成分数），取前v个的uv，乘子效应矢量p通过下列约束最小化，最后，建立双模型。以光谱变量作为输入变量x，以食品和异物类别作为输出变量y{1，2，3}，应用偏最小二乘判别分析法（pls-da）建立茶叶异物的近红外光谱检测数学模型。
[0044]
s202：图像检测数学模型：首先对采集到的图像数据进行图像分割，取反运算，中
值滤波，特征提取等处理（茶叶与昆虫异物b通道中值滤波后的图像如图10所示）。提取长轴长、短轴长、长短轴比、离心率共4个特征变量，作为输入变量x，输出变量y同上。因为输入变量x维数较低，故采用线性判别分析建立茶叶异物的荧光图像检测数学模型。
[0045]
s3的具体步骤如下：使用新的茶叶、茶梗和昆虫重复s1步骤，得到近红外光谱数据和荧光图像数据各40组作为预测集。在预测模型中，将污染物的数据定义为真阳性（tp）类，将纯绿茶数据定义为真阴性（tn）类。因此，假阳性（fp）和假阴性（fn）分别表示识别为污染物（实际为纯绿茶）数据和识别为纯绿茶（实际为污染物）数据。
[0046]
s4利用建立的光谱检测数学模型和图像检测数学模型判断新采集的茶叶样品是否混入异物（pls-da建立的光谱检测模型及预测结果如表1，lda建立的图像检测模型及模型预测结果如表2）。所有模型，均采用正确判别率、召回率、精确率和f得分综合评价模型的性能。
[0047]
表1表2显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明专利的保护范围之中。