【技术实现步骤摘要】
本申请涉及农产品检测，尤其是涉及一种基于近红外光谱技术的水果成熟度综合评价和货架期预测方法。
技术介绍
1、无损检测技术是一种在不破坏或不损害被检测对象使用性能、内部结构或外观的前提下，利用材料内部结构异常或缺陷存在引起的物理量变化（如声、光、电和磁等）来检查或测试材料、零件、设备等的内部和表面缺陷，以及材料的某些物理性能、组织状态和化学成分的技术。
2、其中，常用于水果无损检测技术的有近红外光谱技术。近红外光谱指波长介于可见光和中红外光之间的电磁波，波长范围为780nm-2526nm。在近红外区域的吸收带内，通过测量分子内部含氢基团（-oh、-nh以及-ch官能团）的倍频、合频等吸收信息形成近红外光谱。红外吸收光谱中波长的位置和吸收带的强度反映了分子结构的特征，可以用来识别未知物质化学基团、结构组成、和纯度鉴定等定性和定量分析。
3、目前，已有的水果内在品质无损检测方法，大多是以单一理化指标进行评价为主，且仅选取水果采摘后某一时刻的静态测量。这种测试和建模方式在进行集合划分时，是从所有样品中一次性提取出预测样品集，无法满足产业发展所需的从水果采摘到消费者餐桌全时间段的内在品质无损检测需求；水果生长发育和成熟过程是由硬度、ph值、ssc（可溶性固形物）、dm（干物质含量）等多种指标综合表征的，现有技术检测准确性不够，并不能满足需求。
4、此外，采收过早的水果，其可溶性固形物（ssc）含量和干物质含量（dm）的积累不足，并且在果实完熟后风味不足、品质低。而采收过晚的水果，其果肉纤维老化、食用品质
技术实现思路
1、本申请提供一种基于近红外光谱技术的水果成熟度综合评价和货架期预测方法，其目的是为了提高水果适时采收的精准度，实现水果最佳采收期的判别及水果的田间分级分选，以及采后货架期的预测。
2、本申请提供一种基于近红外光谱技术的水果成熟度综合评价和货架期预测方法，采用如下的技术方案：
3、一种基于近红外光谱技术的水果成熟度综合评价方法，包括以下步骤：
4、s1：在室温条件下，将近红外光谱仪预热稳定后设置采集参数，近红外光谱仪采集波长范围为600～1100nm，扫描次数为50次；
5、s2：选取水果若干并分别进行扫描，将每个点扫描50次的50个光谱数值的平均值作为该点的光谱数值输出；
6、s3：采集水果从采摘到完熟过程中果实的测定位点的吸光度值，从中选取采摘后不同时长的水果所测得的原始吸光度值，分别计算出水果在不同波长下的平均吸光度，建立坐标系，绘制水果采摘后不同时间的平均吸光度变化图；
7、s4：对测定获得的水果光谱数据进行异常值测试，剔除奇异点后使用样本算法将水果的硬度、ph值、ssc、dm品质实测数据划分为校正集和预测集，利用校正集数据对模型进行训练，利用预测集数据对模型进行性能测试，通过综合集展示样本集数据的分布特征；
8、s5：采用预处理算法对光谱分别进行预处理去除光谱中噪声；
9、s6：分析品种不同的水果果实的指标的主成分特征值分布及贡献率，并计算成分的得分系数矩阵，得到主成分表达式，构建品种不同水果的成熟度综合评价指标f：
10、f=a*zx1+b*zx2+c*zx3+d*zx4；
11、式中，zx1、zx2、zx3、zx4分别为经标准化处理后的硬度值、ph值、ssc值、dm值，a、b、c、d分别代表不同的水果品种；
12、s7：利用构建的水果成熟度综合评价指标公式计算每个品种的f值，并采用箱式图对不同成熟度样品的f值进行水果成熟度综合评价。
13、优选的，所述预处理算法包括多元散射校正，多元散射校正包括以下计算公式：
14、。
15、式中：x表示建模集样品光谱数据矩阵，xi为第i个样品的光谱数据，ai和 bi是第i个光谱xi与平均光谱x的线性回归的斜率和截距。
16、优选的，所述预处理算法包括标准正态变换，标准正态变换包括以下计算公式：
17、
18、式中：x表示建模集样品光谱数据矩阵，xi为第i个样品的光谱数据，x为平均光谱。
19、优选的，所述预处理算法包括sg卷积导数，sg卷积导数包括以下计算公式：
20、
21、式中：dm/dxm表示m阶导数的操作符；y(x)表示为原始的光谱信号（或数据点）在位置处的值；∑表示求和，用于对窗口内的数据进行加权求和；k表示窗口内的索引；n表示为窗口大小，即滤波器的长度；m表示求导的阶数；ck(m)表示卷积系数，表示多项式拟合后计算出的加权系数，这些系数根据窗口大小n和导数阶数m来确定；y(xk)表示原始信号在点xk处的值，xk是以当前点x为中心的邻域点。
22、优选的，所述预处理算法包括卷积平滑，卷积平滑包括以下计算公式：
23、
24、式中：卷积权重ωk在窗口宽度确定后查表获得相应的ωk。
25、优选的，所述预处理算法包括归一化，归一化包括以下计算公式：
26、
27、式中：，n为波长点数，k=1，2，...，m。
28、优选的，所述预处理算法包括最大-最小归一化，最大-最小归一化包括以下计算公式：
29、
30、式中：x为原始数据值，表示需要归一化的单个数据点；xnorm为归一化后的数据值，即经过最大-最小归一化处理后的值；xmin为数据集中的最小值，即原始数据中的最小值；xmax为数据集中的最大值，即原始数据中的最大值。
31、优选的，所述归一化包括偏最小二乘法（pls），采用偏最小二乘法建立回归模型，将自变量和因变量数据矩阵进行分解，把因变量信息引入到自变量数据的分解过程中，使得自变量主成分直接与样品被测组分含量相关联，偏最小二乘法的步骤包括：
32、将n个样品的被测组分的含量矩阵y= (yi)n×1 和n个样品p个波长点处光谱反射率矩阵为x = (xij)n×p进行主成分分解：
33、
34、式中：u和q分别是被测组分含量矩阵y的得分矩阵和载荷矩阵；t和p分别是光谱矩阵x的得分矩阵和载荷矩阵；f和e分别是光谱矩阵和被测组分含量矩阵的测定误差，建立u和t之间的回归模型建立u和t之间的回归模型：
35、u= tb+e
36、b=ttu(ttt)-1
37、式中：e为随机误差矩阵，b为回归系数矩阵当进行预测时，由未知样品光谱矩阵可根据式ynew = tnew bqt求得未知样品被测组分含量；ynew是新的被测组分的含量矩阵，tnew是新的光谱矩阵，在建模过程中，确定主成分数，采用交互验证方法来确定主成分数，以最低预测均方根误差值确定最佳的主成分数。
38、优选的，偏最小二乘法的回归模型如式：
39、y = bx + 本文档来自技高网...
【技术保护点】
1.一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括多元散射校正，多元散射校正包括以下计算公式：
3.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括标准正态变换，标准正态变换包括以下计算公式：式中：X表示建模集样品光谱数据矩阵，Xi为第i个样品的光谱数据，X为平均光谱。
4.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括SG卷积导数，SG卷积导数包括以下计算公式：式中：dm/dxm表示m阶导数的操作符；y(x)表示为原始的光谱信号在位置处的值；∑表示求和，用于对窗口内的数据进行加权求和；k表示窗口内的索引；N表示为窗口大小，即滤波器的长度；m表示求导的阶数；Ck(m)表示卷积系数，表示多项式拟合后计算出的加权系数，这些系数根据窗口大小N和导数阶数m来确定；y(xk)表示原始信号在点xk处的值，xk是以当前点x为中心
5.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括卷积平滑，卷积平滑包括以下计算公式：式中：卷积权重ωk在窗口宽度确定后查表获得相应的ωk。
6.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括归一化，归一化包括以下计算公式：式中：，n为波长点数，k=1，2，...，m。
7.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括最大-最小归一化，最大-最小归一化包括以下计算公式：式中：X为原始数据值，表示需要归一化的单个数据点；Xnorm为归一化后的数据值，即经过最大-最小归一化处理后的值；Xmin为数据集中的最小值，即原始数据中的最小值；Xmax为数据集中的最大值，即原始数据中的最大值。
8.根据权利要求6所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述归一化包括偏最小二乘法（PLS），采用偏最小二乘法建立回归模型，将自变量和因变量数据矩阵进行分解，把因变量信息引入到自变量数据的分解过程中，使得自变量主成分直接与样品被测组分含量相关联，偏最小二乘法的步骤包括：
9.根据权利要求6所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：偏最小二乘法的回归模型如式：
10.一种基于近红外光谱技术的货架期预测方法，其特征在于：包括权利要求1至9任一所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其还包括：
...【技术特征摘要】
1.一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括多元散射校正，多元散射校正包括以下计算公式：
3.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括标准正态变换，标准正态变换包括以下计算公式：式中：x表示建模集样品光谱数据矩阵，xi为第i个样品的光谱数据，x为平均光谱。
4.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括sg卷积导数，sg卷积导数包括以下计算公式：式中：dm/dxm表示m阶导数的操作符；y(x)表示为原始的光谱信号在位置处的值；∑表示求和，用于对窗口内的数据进行加权求和；k表示窗口内的索引；n表示为窗口大小，即滤波器的长度；m表示求导的阶数；ck(m)表示卷积系数，表示多项式拟合后计算出的加权系数，这些系数根据窗口大小n和导数阶数m来确定；y(xk)表示原始信号在点xk处的值，xk是以当前点x为中心的邻域点。
5.根据权利要求1所述的一种基于近红外光谱技术的水果成熟度综合评价方法，其特征在于：所述预处理算法包括卷积平滑，卷积平滑包括以下计算公式：式中：卷积权重ωk在窗口宽度确定后查...
【专利技术属性】
技术研发人员：郝瑞龙，李进冬，陈君丽，虞国平，张建华，黄龙雨，石晓砚，潘浪浪，
申请(专利权)人：三亚中国农业科学院国家南繁研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。