[发明专利]一种苹果水心病的透射光谱无损定量评价方法

摘要

本发明公开一种苹果水心病的透射光谱无损定量评价方法，属于食品品质快速评价技术领域；本发明采用近红外透射光谱采集系统无损获取苹果内部整体的光信息，用相机采集苹果赤道面剖面的图像，以围剿算法分割图像并计算水心病面积和苹果剖面的面积，以横剖面水心病区的面积与整个剖面的面积比为定量预测指标，对获取的近红外透射光谱进行预处理后，采用多元校正方法建立苹果水心病的透射光谱定量评价模型，实现水心病苹果的无损定量预测；本发明利用透射光谱技术定量预测苹果的水心病程度，避免采用切片目视法破坏性抽检的弊端，解决水心病识别率低、界限模糊的技术难题。

主权项

1.一种苹果水心病的透射光谱无损定量评价方法，其特征在于，步骤如下：S1. 批量采集不同水心病程度的苹果样本；S2. 苹果的果梗花萼水平向放置，环苹果赤道位间隔120°采集苹果样本的近红外透射光谱，每个苹果透射光谱采集三次；S3. 环苹果赤道位剖开，用相机采集苹果剖面平放的彩色图像，对图像掩膜去背景，以围剿法和图像分割算法分别计算出苹果整个剖面和水心病区域的面积，并计算水心病区域和整个剖面的面积比，以面积比作为定量评价指标，即为标准测定值；S4. 对S2所述获取苹果的近红外透射光谱，去除透射光谱两端信噪比低的光谱区间，得到修正的苹果近红外透射光谱；S5. 对S4所述修正的苹果近红外透射光谱进行吸光度计算，以吸光度光谱建立与苹果水心病指标的相关关系，计算公式如下：T=(IO‑ID)/(IW‑ID)×100%；A=Log(1/T)；其中，IO为苹果样本的近红外透射光谱，ID为所述近红外光谱仪测试条件下的暗噪声光谱，IW为所述微型光谱仪内置的相对参考光谱，T为近红外透射光谱的相对透射率；A为吸光度；S6. 对S5得到的吸光度A选用S‑G平滑/一阶导数预处理、标准变量变换、多元散射校正、正交信号校正、净分析物预处理中的一种或其组合方式进行光谱预处理，消除随机噪声，增强特征信号，得到的预处理后的光谱；S7. 对S6中得到的预处理后的光谱，结合S3测定的苹果水心病区域和整个剖面的面积比为参考值，采用随机蛙跳算法、联合区间偏最小二乘法、向前间隔偏最小二乘法、向后间隔偏最小二乘法中的一种或组合方式选择特征波段，再对选择的特征波段采用连续投影算法、遗传算法、蚁群优化算法、粒子群优化算法中的一种或组合方式选择特征波长；S8. 利用S7中获取的的特征波长，采用逐步多元线性回归、主成分回归、偏最小二乘法、人工神经网络、支持向量机中的一种或组合方式建立苹果水心病定量评价模型，示例如下：D=a1X1+ a2X2+……anXn+L其中D为苹果水心病面积比的预测值，Xi为第i次的特征波长的光谱吸光度值，ai为对应特征波长Xi的系数，i为1~n之间的任一整数值，L为拟合常数；S9. 对未知待测的苹果样本，环苹果赤道位间隔120°采集近红外透射光谱三次，对采集的三次近红外透射光谱分别采用S8建立的苹果水心病定量评价模型预测其水心病值，取其中最大值作为最终预测结果；S10. 对已建立苹果水心病定量评价模型用于其他品种苹果时，直接采用S9中的方法进行检测，若测量结果与标准测定值相比超出偏差范围，对所述L值进行修正，若修正L值后仍不能满足实际检测的需要，选择批量样本，执行步骤S1‑S8，并替换原有定量评价模型。