系数高，标准偏差低，可W用来 测定花生中蛋白质含量。
[0110] 虽然，上文中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在 本发明基础上，可W对之作一些修改或改进，运对本领域技术人员而言是显而易见的。因 此，在不偏离本发明精神的基础上所做的运些修改或改进，均属于本发明要求保护的范围。
【主权项】
1. 一种基于高光谱成像技术建立花生中蛋白质含量分布定量模型的方法，该方法包括 以下步骤： 1.1收集具有代表性的花生样品，用高光谱仪扫描获得花生样品中每个像素点在各波 长下的图像信息，得到花生样品的原始高光谱三维图像； 1. 2对所述花生样品的原始高光谱三维图像进行校正和背景删除后，提取花生样品图 像平均光谱； 1. 3对所述花生样品图像平均光谱进行二阶导数预处理； 1. 4采用常规方法检测所述花生样品的蛋白质含量，得到花生样品的蛋白质含量； 1. 5将所述花生样品随机分为校正集和验证集，以所述校正集花生样品的所述预处理 后的花生样品图像平均光谱为自变量，以所述校正集的花生样品的蛋白质含量为因变量， 通过偏最小二乘法建立所述自变量和因变量的偏最小二乘法回归模型；利用所述验证集对 所述偏最小二乘法回归模型进行验证； 1. 6根据所述偏最小二乘法回归模型的回归系数，选择对所述回归模型贡献率绝对值 最大的波长为特征波长；并通过偏最小二乘法建立花生中蛋白质含量分布定量模型；利用 所述验证集对所述花生中蛋白质含量分布定量模型进行验证。2. 根据权利要求1所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 步骤 1. 6 中所述特征波长分别为：931nm、934nm、941nm、944nm、1020nm、1120nm、1137nm、 1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm;所建立的花生中蛋白质含量分布 定量模型如下： Ypro - 1〇X(34. 78R931nm-31. 72R934nm-25. 63R941nm+108. 46R944nm+195. 93R1020nm-107R1120nm+8 3. 44R1137nm-13. 72R12〇7nni+182. 89R1273nni+41. 09R1370nm-79. 21R1380nm+16. 585R1594nni-93. 84R1654nni-71. 93R1678nm) +26. 625 其中，Ypro为花生样品的蛋白质含量，R 931nm、^934nm、^941nm、^944nm、Rl020nm、Rll20nm、Rll37nm、Rl207nm、 ^1273nm'* ^1370nm'* ^1380nm'* ^1594nm'* ^1654nm'* -^1678nm分别为花生样品在特征波长931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm处 经过预处理后的光谱反射值。3. 根据权利要求1或2所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 所述高光谱仪扫描的波长范围为900-1700nm，扫描方式为线扫描。4. 根据权利要求1或2所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 所述校正是对所述花生样品的原始高光谱三维图像1_进行黑白校正；具体方法为对反射 率为99%的标准校正板进行采集，得到全白的标定图像Iwhlte，然后关闭镜头采集，得到全黑 标定图像Idart，根据下述公式计算校正后图像In_:5. 根据权利要求1或2所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 所述背景删除具体步骤为：采用主成分分析，确定背景与花生的边界，删除背景，得到花生 样品图像。6. 根据权利要求1或2所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 步骤1.4中所述检测花生样品的蛋白质含量方法为根据GB/T5009. 5-2010进行；优选为根 据GB/T5009. 5-2010中第一法凯氏定氮法进行。7. 根据权利要求1或2所述建立花生中蛋白质含量分布定量模型的方法，其特征在于， 所述校正集与验证集花生样品的比例为1:3-1:2。8. 权利要求1-7任一项所述方法建立的花生中蛋白质含量分布定量模型在检测花生 中蛋白质含量分布中的应用。9. 一种基于高光谱成像技术检测花生中蛋白质含量分布的方法，所述方法包括： 1) 采集待测花生样品在下列特征波长处的光谱图像：931nm、934nm、941nm、944nm、 1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm; 2) 将所述特征波长处经过预处理后的光谱反射值输入花生中蛋白质含量分布定量模 型，得到待测花生样品蛋白质含量分布；所述花生中蛋白质含量分布定量模型如下： Ypro - 1〇X(34. 78R931nm-31. 72R934nm-25. 63R941nm+108. 46R944nm+195. 93R1020nm-107R1120nm+8 3. 44R1137nm-13. 72R12〇7nni+182. 89R1273nni+41. 09R1370nm-79. 21R1380nm+16. 585R1594nni-93. 84R1654nni-71. 93R1678nm) +26. 625 其中，Ypro为花生样品的蛋白质含量，R 931nm、^934nm、^941nm、^944nm、Rl020nm、Rll20nm、Rll37nm、Rl207nm、 ^1273nm'* ^1370nm'* ^1380nm'* ^1594nm'* ^1654nm'* -^1678nm分别为花生样品在特征波长931nm、934nm、941nm、 944nm、1020nm、1120nm、1137nm、1207nm、1273nm、1370nm、1380nm、1594nm、1654nm、1678nm处 经过预处理后的光谱反射值。10. 根据权利要求9所述基于高光谱成像技术检测花生中蛋白质含量分布的方法，其 特征在于，所述步骤1)采集待测花生样品特征波长处的光谱图像的方法包括以下步骤： 1. 1用高光谱仪扫描获得待测花生样品中每个像素点在各波长下的图像信息，得到待 测花生样品的原始高光谱三维图像；所述高光谱仪扫描的波长范围为900-1700nm，扫描方 式为线扫描； 1. 2对所述待测花生样品的原始高光谱三维图像进行校正和背景删除后，提取待测花 生样品图像平均光谱；所述校正是指对所述花生样品的原始高光谱三维图像进行黑白 校正；具体方法为对反射率为99 %的标准校正板进行采集，得到全白的标定图像Iwhlte，然 后关闭镜头采集，得到全黑标定图像Idart，根据下述公式计算校正后图像In_:所述背景删除具体步骤为：采用主成分分析，确定背景与花生的边界，删除背景，得到 花生样品图像； 1. 3对所述待测花生样品图像平均光谱进行二阶导数预处理。
【专利摘要】本发明提供了基于高光谱成像技术检测花生中蛋白质含量分布的方法，包括：采集花生样品在特征波长处的光谱图像，将特征波长处经过预处理后的光谱反射值，输入花生蛋白质含量分布定量模型，得到花生样品蛋白质含量分布。本发明还提供建立花生中蛋白质含量定量模型的方法，包括采集花生高光谱图像，并利用常规方法测定其蛋白质含量；高光谱图像经过图像校正与背景删除，提取平均光谱；以预处理后平均光谱为自变量，以蛋白质含量为因变量，建立全波段蛋白质含量的数学模型，在此基础上利用回归系数，确定特征波长，建立并验证所述定量模型。本发明快速简便，效率高，不破坏样品，不使用任何化学试剂，测定结果准确，实现了花生蛋白质含量的可视化。
【IPC分类】G01N21/25
【公开号】CN105115910
【申请号】CN201510543180
【发明人】王强, 刘红芝, 于宏威, 石爱民, 刘丽, 胡晖, 林伟静, 杨颖 , 瑞哈曼米兹比瑞
【申请人】中国农业科学院农产品加工研究所
【公开日】2015年12月2日
【申请日】2015年8月28日