[发明专利]一种近红外谱区新疆红枣品质分级建模方法

说明书

技术领域

本发明涉及近红外谱区对天然产物品质分级的建模方法，具体涉及一种近红外谱区新疆红枣品质分级建模方法。

背景技术

近红外光谱技术凭借其独有的快速无损的检测优势已广泛的应用与食品、工业、农业等诸多领域，红枣的外观品质如果重、尺寸、色泽等同时也是内在品质的一种反映。由于随机选择枣样品近红外光谱差异较大，引起光谱差异的因素很多，甚至无法得出其变化规律，如何分离出影响光谱变化的主要因素作为条件因子，对样品光谱扫描条件予以限制，提高光谱重复性和质量，通过一种有效的方法建立这些外观品质和近红外光谱之间对应的关系，进而找出利用近红外光谱技术对红枣品质进行快速、无损、客观分级的评价方法，是一个迫切需要解决的问题。

TP方法是一种基于拓扑学(模式识别)基础上的非回归方法，拓扑法应用于近红外光谱分析是基于“光谱相同，则样品相同；样品相同，则性质相同”的原理，关键之处在于，从每一个样品的近红外光谱提取特征信息变量，据此确定样品的编码。

实际操作中，对于大量的拓扑库样品，如果逐一比较所有波长处的吸光度，一方面增加了计算量，另一方面光谱中无用的信息影响了最后的比较结果。所以要对光谱进行适当处理，有效提取其反映各个样品组成的信息。

常用的分级标准是利用果重和大小在较为宽泛的一个区间评判方法，这时枣样品近红外光谱差异较大，而引起光谱差异的因素很多，如何分离出影响光谱变化的主要因素作为条件因子，对样品再次光谱扫描，提高光谱重复性，减少这方面的误差，通过查阅大量相关的参考文献和对大量不同品质红枣光谱扫描后分析和整理，发现通过对红枣品质不同指标细分可以有效对部分红枣的品质进行分级和评价。

发明内容

本发明为解决现有采用随机选择枣样品近红外光谱差异较大，且无法分离影响光谱变化的主要光谱特征因子，进而导致分级建模质量差的问题，提供一种近红外谱区新疆红枣品质分级建模方法。

一种近红外谱区新疆红枣品质分级建模方法，该方法由以下步骤实现：

步骤一、挑选外观特征及主要成分接近的红枣作为同批次红枣样品，获得红枣样品的品质特征；

步骤二、对步骤一所述的同批次的红枣样品逐个进行近红外光谱扫描，获得单个红枣样品的光谱图，对所述单个红枣样品的光谱图进行分析，获得同批次红枣样品的近红外光平均谱图；

步骤三、对步骤二获得红枣样品的近红外光谱图进行筛选，判断单个红枣样品的光谱图与所述同批次红枣样品的近红外平均谱图的差异是否大于阈值，如果是，则执行步骤四；如果否，则执行步骤五；

步骤四、采用拓扑法将红枣样品按光谱特征因子进行分离编码，然后返回执行步骤一；

步骤五、将红枣样品的光谱特征因子进行组合编码，建立红枣样品的子模型。

本发明的原理：本发明所述的方法是一种食品品质的建模方法，通过新疆红枣样品精选，果品色泽，纹理，含水量，果重，大小等物理品质基本一致的红枣，然后进行近红外光谱扫描，通过光谱图进行筛选，挑出差异较大的样品光谱，对比样品进行进一步品质细分，将品质细分的同批次样品进行光谱扫描，反复调整，逐步细分，直到样品的光谱差异在所需的精度范围内，提取出特征因子建立子模型，实际应用中通过不同子模型特征因子之间按要求改变权重灵活归类重组进行更新和扩展，通过最低匹配值控制样品精度范围，建立近红外光谱和子模型库的对应关系，得到所需模型以满足不同实际生产要求。

本发明的有益效果：一、本发明方法主要通过外观特征结合一些主要成分指标综合评价红枣的品质。通过红枣品质通过色泽、纹理、成分等信息将相应的光谱信息数字化，压缩了数据量，使最终采集光谱的重复性和精度方面有较大提高，便于模型库的扩充和更新；二、本发明方法有效地减少人为因素的影响，进行品质细分减小了光谱图的差异，提高光谱重复性，本方法适用于其他果品的无损检测建模；三、本发明方法缩短了建模时间，节省了大量的人力物力，降低了成本，便于迅速开展工作，减少很多弯路。通过对特定谱区选择来识别红枣品质，在压缩数据量和设计选择滤光片等方面有很好的参考价值。

附图说明

图1为本发明所述的一种近红外谱区新疆红枣品质分级建模方法的流程图；

图2为本发明所述的一种近红外谱区新疆红枣品质分级建模方法中红枣品质编码流程图；

图3为本发明具体实施方式二中近红外谱区新疆红枣品质分级建模方法的流程框图；

图4为具体实施方式二对红枣样品中的干枣多次反复水平和垂直测量的干枣裂口光谱特征效果图；

图5为具体实施方式二中同一个干枣对准裂口部位和正常区域效果图；