[发明专利]基于光谱波长优选的水果糖度和酸度无损检测方法

说明书

本发明公开了一种基于光谱波长优选的水果糖度和酸度无损检测方法，包括：1采集水果样本光谱并测量糖度和酸度数据；2对采集的光谱进行预处理；3利用竞争自适应重加权采样算法CARS对预处理后光谱分别基于糖度和酸度数据选择波长；4基于波长优选法对糖度和酸度特征波长数据矩阵进行整合并筛选，得到优选波长数据矩阵；5根据优选波长数据矩阵与糖度、酸度数据，用校正集建立偏最小二乘PLS模型，并通过预测集对模型结果进行评估。本发明优选了对糖度和酸度预测同时有效的波长，基于优选波长建立的预测模型检测效率高、精度高、实用性强，为实现水果糖度和酸度两者的同时快速无损检测提供了重要参考。

技术领域

本发明实施例涉及水果内部品质快速无损检测技术领域，具体涉及一种基于光谱波长优选的水果糖度和酸度无损检测方法。

背景技术

水果的内部品质影响着消费者的购买意愿，而衡量内部品质最重要的指标为糖度和酸度。传统的对水果糖度、酸度的测量方法均为破坏式的，需耗费大量的人力、物力和财力。

近红外光谱技术以其快速无损的优势在水果内部品质检测方面得到了应用。水果样本的近红外光谱包含了其化学组成的分子结构信息，而其组成含量与性质参数也与其分子结构信息密切相关。通过近红外光谱检测设备接收到的水果样本的反射信号，包含了样本分子结构中碳氢键、碳氧键等对近红外光的漫反射信息，反映了样本的化学组成含量。对接收到的漫反射光谱信息进行反演，建立数学建模，可以实现对水果糖度和酸度的预测。

专利申请号201910206242公开了一种水果甜度无损检测方法，通过红外热像特征图预测水果甜度，属于图像领域的研究。专利申请号201910503479公开了一种水果成熟度检测装置及成熟度评价方法，通过单片机计算硅光电池的电压比值以建立线性回归方程，从而确定水果成熟度，侧重于机电领域的研究。专利申请号200610155208公开了一种水果成熟度预测方法，采用多元线性回归、主成分回归、最小二乘回归和人工神经网络分别对水果样品的坚实度、糖度、酸度三个指标建立单组分预测模型；专利申请号201710117277公开了一种近红外光谱检测水果内部品质方法及专用检测系统，在近红外光谱检测水果内部品质方面，建立了单组分偏最小二乘预测模型，且检测对象为苹果糖度，方法局限性较大；专利申请号201510697123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，分别建立了寒富苹果糖度、酸度、质地的单组分偏最小二乘预测模型。以上三个专利均涉及使用偏最小二乘法建立预测模型，但建立的是单组分预测模型，即PLS1模型。一次只能实现对一个组分的预测，这是PLS1方法最大的不足。专利申请号201710271814公开了一种用于桃的糖度和酸度实时无损检测方法，建立了BP神经网络同时对桃的糖度和酸度进行预测。该方法建立的模型对于酸度的平均绝对百分比误差为4.79％，预测精度较高，而对于糖度的平均绝对百分比误差为7.55％，预测精度较低。因此，该BP神经网络检测方法无法同时实现对桃的糖度和酸度的高精度预测。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出了一种基于光谱波长优选的水果糖度和酸度无损检测方法，以期通过优选对糖度和酸度预测同时有效的波长，建立预测模型，从而实现对水果糖度和酸度两者的同时快速无损检测，并提高模型检测效率与实用性，节约检测成本。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于光谱波长优选的水果糖度和酸度无损检测方法的特点在于，包括如下步骤：

步骤一、采集水果样本数据，并构成标注样本集合；所述标注样本集合由两部分组成，分别是水果样本原始近红外光谱数据、水果实际的糖度和酸度数据；

步骤二、对所述水果样本原始近红外光谱数据进行预处理，得到预处理后的光谱数据；

步骤三、利用竞争自适应重加权采样算法分别基于糖度和酸度数据对所述预处理后的光谱数据进行特征波长选择，得到糖度特征波长数据矩阵和酸度特征波长数据矩阵；