CN100458410C - 数字化光电油脂积分测色***及其检测方法 - Google Patents

Abstract

本发明涉及一种光电积分测色***，特别是涉及色泽分析过程中光源的不稳定性补偿和数据库的定标问题，属于光电检测技术领域。本发明的技术方案是：包括光源、神经网络处理器等；其特点在于：光源的光经漫反射板反射后在基片通道上产生均匀的照明光场、照明光场的光束射向反射镜，再依次进入电荷耦合探测器、数据采集卡、神经网络处理器。数字化光电油脂积分测色***的检测方法，要经过下述步骤：一、建立罗维朋比色片数据库，二、建立油脂样品数据库，三、神经网络训练阶段，四、测试阶段。本发明的有益效果：能够较快的在数据库中检索到油脂的罗维朋表示，实现油样评定的自动化，降低了成本，提高了测定的准确度和速度，减少了人为的误差。

Description

数字化光电油脂积分测色***及其检测方法

技术领域

本发明涉及一种光电积分测色***，特别是涉及色泽分析过程中光源的不稳定性补偿和数据库的定标问题，属于光电检测技术领域。

背景技术

色泽是油脂重要的质量指标之一，同时也是油脂定级、定价和消费者从货架上选购时的外观依据，因而成为油脂质量检验的常规项目。影响油脂色泽的因素有多个方面，最主要的是加工工艺和条件，因此，测定油脂色泽对改善油脂加工工艺和条件，制得优质的油脂以及评定油脂的品质具有重要意义。

常用的油脂色泽的测定方法有目视法，重铬酸钾法和罗维朋比色法。目视法是靠人眼直接观察油脂色泽，重铬酸钾法是将油样与配制好的重铬酸钾硫酸标准溶液进行比色。罗维朋比色法是用罗维朋标准比色片的合成颜色与油样颜色进行比较。罗维朋比色法存在以下问题：对于相同样品，会因不同操作者的视觉差异得到不同结果，即存在不可避免的人为偏差；只能进行间断操作，不能实现连续化和自动化，劳动强度大；同时，罗维朋比色片的颜色会随着使用时间的延长而“失准”。

实现油脂色泽分析的自动比色方法主要有三种：(1)基于分光光度方法的自动比色***，由于成本较高，该类比色计没有真正实现产品化；(2)基于多滤光片的自动比色方法，主要利用多滤光片抽取颜色对应的光谱的主要特征点，基于该方法的自动比色计已经产品化，缺点是对滤光片的光学特性要求较高，仪器的成本也较高；(3)彩色CCD与扫描仪联合使用的方法，严格说来，此方法并不是自动比色***。美国McCloskey科学仪器公司发明的一种全自动食用油色度计，它的测定范围是欧洲色度标准黄40/红22和美国AOCS色度标准黄40/红22，由于它测量范围有限，因此没被广泛应用。英国Tintometer公司于1984年推出了AF960自动比色计，该仪器既能测定欧洲色度标准黄20/红4又能测定美国AOCS色度标准黄70/红20，但研究发现AF960和目视罗维朋比色计AF710不能形成很好的相关性，因此没有被广泛应用。1996年，美国、加拿大等12个国家共同研究采用增强联机比色计PFX990测定油脂色泽的红值和黄值。结果表明，红值和罗维朋有较好的相关性。

发明内容

本发明提供了一种数字化光电油脂积分测色***及其检测方法的技术方案，以解决现有技术中存在的技术问题：***方面，利用光电转换器件代替人眼来接收罗维朋比色片形成的颜色，并将颜色用RGB颜色空间表示；理论方面，针对光源亮度的不稳定性引起的误差，提出一种光路参照法进行校正。利用标准罗维朋比色片的各种组合颜色建立罗维朋比色片标准数据库。测得油样颜色后，用神经网络非线性拟合方法对数据进行拟合，然后在标准数据库中进行检索。

本***的结构示意图如图一所示，共包括三个主要部分：为光路部分，光电采集部分，神经网络控制部分。

(一)光路

通常设计一个光学***，首先要考虑***的光源。物体的颜色随照明光源的不同而不同，不同光源照明同一颜色的物体，人们会观察到不同的颜色，测得不同的RGB。通常要求光源的光谱功率分布近似推荐的CIE标准光源，同时要求光媒体在可见光范围内的光谱透过率应近似于恒定。根据以上原则本测色***的光路如图一所示。光源发出的光经位置2的漫反射板漫反射后通过位置3的光束通道到达位置4的反射镜，然后成像在位置5的CCD感光面上。在建立数据库时，位置3中的位置8是比色片，位置9不放任何东西，把通过位置9的这一路参照光作为光源的参考修正量。在测量油脂色泽时，位置8不放任何东西，位置9为油脂样本，把通过位置8的这一路参照光作为光源的参考修正量。本***使用溴钨灯，可满足一般测量的要求。

(二)彩色线阵CCD

CCD即光电耦合器件，彩色线阵CCD的敏感面是由光电二极管构成象敏元阵列，它的象元三个为一组，每一组包含RGB三色象敏单元。RGB三色象敏单元具有三条光谱响应曲线，分别对光束中的R、G、B成分进行感光，得到一个象素点的RGB表示。

(三)参照光路法

在本发明中，采用参照光路法对由光源不稳定引起的偏差进行修正。参照光路法能消除光源发光强度缓慢变化引起的影响。进行整机调试时，在***稳定后，采集参照光路的R、G、B作为光源波动的基准。当光源强度减弱时，用1减去参照光路中波动的幅值百分比再除另一路所测得的R、G、B，即为消除光源波动的R、G、B。当光源强度增强时，以参照光路的波动幅值百分比加1再除另一路所测得的R、G、B，即为消除光源波动的R、G、B。

(四)神经非线性拟合

由于具有相同色泽的油样和罗维朋比色片经光电转换后的R、G、B不相同，在本发明中我们用神经网络方法，将油样的R、G、B值拟合为数据库中具有相同色泽的罗维朋比色片的R、G、B。本发明中采用BP神经网络进行非线性拟合。用实验室现有的20种油样的R、G、B作为训练样本，经学习后将该神经网络拟合算法应用于数据库中的其它数据。数据库校正之后，当测得一种油样的R、G、B后，先送入神经网络进行拟合得到R1、G1、B1，然后在数据库中进行检索。检索时根据模糊理论中的最大隶属度原则，在数据库中寻找一组与颜色R1、G1、B1最接近的颜色R2、G2、B2，即(R1-R2)²+(G1-G2)²+(B1-B2)²的值最小时，R2、G2、B2即为该种油样的罗维朋表示。

本发明的技术方案是：数字化光电油脂积分测色***，包括光源、漫反射板、基片通道、反射镜、电荷耦合探测器CCD、数据采集卡、神经网络处理器；其特点在于：采用对称布局的光源，为***提供均匀照明，由于毛玻璃的作用产生漫射光，均匀照明漫反射板，光经漫反射板反射后在基片通道上产生均匀的照明光场，照明光场的光束射向反射镜，再依次进入电荷耦合探测器、数据采集卡、神经网络处理器。

数字化光电油脂积分测色***的检测方法，要经过下述步骤：

一.建立罗维朋比色片数据库：

1)、在参考通道放置罗维朋比色片，样品通道不放置任何基片；

2)、光源发出的光经毛玻璃后成为漫射光，经漫反射板后均匀照明样品通道和参考通道；

3)、经过参考通道的光束进入CCD，经采集卡转换后得到罗维朋比色片的R、G、B三基色的值；

4)、采集样品通道的光信号，以其光源波动为基准，将罗维朋比色片的RGB值归结到同一光强下的测量值；

5)、更换罗维朋比色片，重复以上步骤。

二.建立油脂样品数据库：

与建立罗维朋比色片数据库类似，不同之处在于：

1)参考通道中不放置基片，该通道的光信号作为光源不稳定性补偿基准；

2)油脂样品放置在样品通道中，CCD采集该通道中的光信息。

三.神经网络训练阶段：

1)确定具有相同色泽的油脂和比色片，建立神经网络的训练样本数据库；

2)将油脂的RGB值作为神经网络的输入信号，比色片的RGB值作为神经网络的期望输出，按照BP学习方法训练神经网络，直到网络收敛，确定网络结构。

四.测试阶段：

1)将待测油脂样品放置在样品通道中，参考通道中不放置基片；

2)利用CCD采集样品通道中的光信息，经数据采集卡转换后得到该样品的R、G、B三基色的值；

3)采集参考通道的光信号，以其光源波动为基准，将样品的RGB值归结到同一光强下的测量值；

4)将补偿后的样品的RGB值作为神经网络的输入，经神经网络非线性映射后得到输出R1、G1、B1；

5)根据模糊理论中的最大隶属度原则，在罗维朋比色片数据库中寻找一组与颜色R1、G1、B1最接近的颜色R2、G2、B2，即(R1-R2)²+(G1-G2)²+(B1-B2)²的值最小时，R2、G2、B2即为该种油样的罗维朋表示。

本发明的有益效果：本发明能够较快的在数据库中检索到油脂的罗维朋表示，实现油样评定的自动化，降低了比色计的成本，提高了油脂色泽测定的准确度和速度，减少了人为误差。

附图说明

图1：比色计光路结构示意图

图2：基片的平面结构；

图3：神经网络处理器

图中：1.光源(带毛玻璃片)；2.漫反射板；3.基片通道；4.反射镜；5.电荷耦合探测器CCD；6.数据采集卡；7.神经网络处理器；8.参考通道；9.样品通道。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步说明：

数字化光电油脂积分测色***，包括光源、漫反射板、基片通道、反射镜、电荷耦合探测器CCD、数据采集卡、神经网络处理器；其特征在于：采用对称布局的光源1，为***提供均匀光源，由于毛玻璃的作用产生漫射光，均匀照明漫反射板2，光经漫反射板反射后在基片通道3上产生均匀的照明光场，照明光场的光束射向反射镜4，再依次进入电荷耦合探测器5、数据采集卡6、神经网络处理器7。

基片通道3分为参考通道8和样品通道9两部分，参考通道8，放置罗维朋比色片，样品通道9，放置待测油脂样品；罗维朋比色片为目视法采用的标准玻璃片组，共12组，其中包括三组红色片，三组黄色片、三组蓝色片，其余三组为中性片。

反射镜4，主要作用是减小样机体积，使得通过样品或罗维朋比色片的光束进入CCD；

电荷耦合探测器CCD 5，为一线阵彩色CCD，像素个数为5340×3，每路动态范围为12比特。

数据采集卡6，为ADA11GH采集卡，其最高采样频率为3MHz，采样精度为12Bit，板载512Kbyte缓存。

神经网络处理器NN(7)是一个集成电路，前馈型神经网络，输入节点为3，输入量分别为样品的R、G、B三基色的值，隐藏层有7个神经元，输出层为三个神经元，输出分别为经拟合的R、G、B三基色的值。

数字化光电油脂积分测色***的检测方法，要经过下述步骤：

一.建立罗维朋比色片数据库：

1)建立罗维朋比色片数据库时，在参考通道放置罗维朋比色片，样品通道不放置任何基片；

2)光源发出的光经毛玻璃后成为漫射光，经漫反射板后均匀照明样品通道和参考通道；

3)经过参考通道的光束进入CCD，经采集卡转换后得到罗维朋比色片的R、G、B三基色的值；

4)采集样品通道的光信号，以其光源波动为基准，将罗维朋比色片的RGB值归结到同一光强下的测量值；

5)更换罗维朋比色片，重复以上步骤

二.建立油脂样品数据库：

与建立罗维朋比色片数据库类似，不同之处在于：

1)参考通道中不放置基片，该通道的光信号作为光源不稳定性补偿基准；

2)油脂样品放置在样品通道中，CCD采集该通道中的光信息。

三.神经网络训练阶段：

1)确定具有相同色泽的油脂和比色片，建立神经网络的训练样本数据库；

2)将油脂的RGB值作为神经网络的输入信号，比色片的RGB值作为神经网络的期望输出，按照BP学习方法训练神经网络，直到网络收敛，确定网络结构。

四.测试阶段：

1)将待测油脂样本放置在样本通道中，参考通道中不放置基片；

2)利用CCD采集样本通道中的光信息，经采集卡转换后得到该样本的R、G、B三基色的值；

3)采集参考通道的光信号，以其光源波动为基准，将样品的RGB值归结到同一光强下的测量值；

4)将补偿后的样品的RGB值作为神经网络的输入，经神经网络非线性映射后得到输出R1、G1、B1：

5)根据模糊理论中的最大隶属度原则，在罗维朋比色片数据库中寻找一组与颜色R1、G1、B1最接近的颜色R2、G2、B2，即(R1-R2)²+(G1-G2)²+(B1-B2)²的值最小时，R2、G2、B2即为该种油样的罗维朋表示。

Claims (5)

1.一种数字化光电油脂积分测色***，包括照明***、光路部分、光电采集部分和神经网络控制部分；其特征在于：采用对称布局的带毛玻璃片的光源(1)，为***提供均匀照明，由于毛玻璃的作用产生漫射光，均匀照明漫反射板(2)，光经漫反射板反射后在基片通道(3)上产生均匀的照明光场，其中基片通道(3)分为参考通道(8)和样品通道(9)两部分，参考通道(8)，放置罗维朋比色片，样品通道(9)，放置待测油脂样品；罗维朋比色片为目视法采用的标准玻璃片组，共12组，其中包括三组红色片，三组黄色片、三组蓝色片，其余三组为中性片；经罗维朋比色片或油脂样品后的照明光场射向反射镜(4)，携带比色片或油脂样品颜色信息的光场进入电荷耦合探测器CCD(5)进行光电变换，再经数据采集卡(6)进行A/D变换，最后进入神经网络处理器(7)完成映射处理。

2.根据权利要求1所说的数字化光电油脂积分测色***，其特征在于：电荷耦合探测器CCD(5)，为一线阵彩色CCD，像素个数为5340×3，每路动态范围为12比特。

3.根据权利要求1所说的数字化光电油脂积分测色***，其特征在于：数据采集卡(6)，为ADA11GH采集卡，其最高采样频率为3MHz，采样精度为12Bit，板载512Kbyte缓存。

4.根据权利要求1所说的数字化光电油脂积分测色***，其特征在于：神经网络处理器(7)是一个由集成电路实现的前馈型神经网络，输入节点为3，输入量分别为样品的R、G、B三基色的值，隐藏层有7个神经元，输出层为三个神经元，输出分别为经拟合的R、G、B三基色的值。

5.根据权利要求1所说的数字化光电油脂积分测色***的检测方法，其特征在于它要经过下述步骤：

一.建立罗维朋比色片数据库：

1)在参考通道放置罗维朋比色片，样品通道不放置任何基片；

2)光源发出的光经毛玻璃后成为漫射光，经漫反射板后均匀照明样品通道和参考通道；

3)经过参考通道的光束进入CCD，经采集卡转换后得到罗维朋比色片的R、G、B三基色的值；

4)采集样品通道的光信号，以其光源波动为基准，将罗维朋比色片的RGB值归结到同一光强下的测量值；

5)更换罗维朋比色片，重复以上步骤。

二.建立油脂样品数据库：

与建立罗维朋比色片数据库类似，不同之处在于：

1)参考通道中不放置基片，该通道的光信号作为光源不稳定性补偿基准；

2)油脂样品放置在样品通道中，CCD采集该通道中的光信息。

三.神经网络训练阶段：

1)确定具有相同色泽的油脂和比色片，建立神经网络的训练样本数据库；

2)将油脂的RGB值作为神经网络的输入信号，比色片的RGB值作为神经网络的期望输出，按照BP学习方法训练神经网络，直到网络收敛，确定网络结构。

四.测试阶段：

1)将待测油脂样品放置在样品通道中，参考通道中不放置基片；

2)利用CCD采集样品通道中的光信息，经数据采集卡转换后得到该样品的R、G、B三基色的值；

3)采集参考通道的光信号，以其光源波动为基准，将样品的RGB值归结到同一光强下的测量值；

4)将补偿后的样品的RGB值作为神经网络的输入，经神经网络非线性映射后得到输出R1、G1、B1；

5)根据模糊理论中的最大隶属度原则，在罗维朋比色片数据库中寻找一组与颜色R1、G1、B1最接近的颜色R2、G2、B2，即(R1-R2)²+(G1-G2)²+(B1-B2)²的值最小时，R2、G2、B2即为该种油样的罗维朋表示。

Images