CN104048927A - 检测苹果可溶性固体含量的方法 - Google Patents

检测苹果可溶性固体含量的方法 Download PDF

Info

Publication number
CN104048927A
CN104048927A CN201410301215.7A CN201410301215A CN104048927A CN 104048927 A CN104048927 A CN 104048927A CN 201410301215 A CN201410301215 A CN 201410301215A CN 104048927 A CN104048927 A CN 104048927A
Authority
CN
China
Prior art keywords
apple
spectral reflectivity
sample
solids content
soluble solids
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410301215.7A
Other languages
English (en)
Other versions
CN104048927B (zh
Inventor
李柏承
周瑶
侯宝路
李梦远
徐邦联
王�琦
张大伟
黄元甲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN201410301215.7A priority Critical patent/CN104048927B/zh
Publication of CN104048927A publication Critical patent/CN104048927A/zh
Application granted granted Critical
Publication of CN104048927B publication Critical patent/CN104048927B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种检测苹果可溶性固体含量的方法，其特征在于，包括以下步骤：准备苹果样品步骤；调节高光谱成像仪步骤；黑白版校正步骤；测量苹果样品的光谱反射率步骤；测量其他样品的光谱反射率步骤；用国标方法测定苹果样品可溶性固体含量步骤；建立数学回归模型步骤；以及苹果可溶性固体含量的测算程序化步骤。根据本发明所提供的检测苹果可溶性固体含量的方法，只需采用高光谱成像仪测得苹果的光谱反射率信息，带入线性回归模型中，即可计算得出该苹果的可溶性固体含量，因此该方法无需破坏苹果就可以快速准确地测算出苹果的可溶性固体含量。

Description

检测苹果可溶性固体含量的方法
技术领域
本发明涉及可溶性固体含量的测定，具体涉及一种基于光谱分析的无损检测苹果可溶性固体含量的方法。
背景技术
中国是苹果生产大国，苹果质量等级的准确判定一直是中国非常重视的问题，这也是中国苹果产业化生产的关键。苹果的可溶性固体含量是衡量苹果品质的重要因素之一，而且苹果中的可溶性固体含量直接影响到苹果制品的美味。
目前，国内外检测苹果可溶性固体含量的方法，大多需要将苹果损坏。国家标准的测量苹果可溶性固体含量的方法是：首先将苹果切碎，然后将苹果碎块放入高速组织匀浆机中捣成浆，最后提取浆液，采用糖度计测定苹果的可溶性固体含量。这种方法虽然检测结果比较准确，但是操作非常复杂耗时，而且只能进行抽样检测，从而判断某类苹果的可溶性固体含量的大致范围，根本无法实现测量每个苹果样品的可溶性固体含量。
另外，目前还没有适用于市场上检测苹果可溶性固体含量的技术，经验人士往往通过观察外观来判断苹果的可溶性固体含量，这样的判断结果存在很大的误差，也成为苹果产业发展的瓶颈。
因此，发展一种快速无损检测苹果可溶性固体含量的方法是当今市场的迫切需求。
发明内容
本发明是针对上述问题进行的，目的在于提供一种不需要破坏苹果，即可快速准确地测定苹果可溶性固体含量的方法。
本发明为实现上述目的，采用了以下的技术方案：
本发明提供一种检测苹果可溶性固体含量的方法，其特征在于，包括以下步骤：准备苹果样品步骤，从一批苹果中抽取若干个苹果样品，将该苹果样品清洗干净，在0℃下保存至少12小时；调节高光谱成像仪步骤，将一个苹果样品放置在高光谱成像仪的水平位移台上，调节高光谱相机的高度和光源的强度以及矩形聚光透镜照射在苹果样品上的角度，使苹果样品表面处在矩形聚光透镜的焦平面处，调节矩形聚光透镜的景深，使高光谱相机能够拍摄到苹果样品整个曲面的清晰图像；黑白板校正步骤，移开苹果样品，保持光源的强度不变，将白板放置在焦平面处，记录白板在光波长为400～1000nm范围内的光谱反射率r1，然后将矩形聚光透镜用黑板封闭，记录黑板在光波长为400～1000nm范围内的光谱反射率r2；测量苹果样品的光谱反射率步骤，移开黑板和白板，将苹果样品放置在焦平面处，用黑板封闭矩形聚光透镜，记录样品黑板光谱反射率r0，然后移开黑板，通过移动水平位移平台，扫描苹果样品的检测面，得到苹果样品在光波长为400～1000nm范围内的光谱反射率rs，按如下公式校正苹果样品的光谱反射率rs：式中R即为苹果样品校正后的光谱反射率；测量其他样品的光谱反射率步骤，重复测量苹果样品的光谱反射率步骤，测量其他的苹果样品在光波长为400～1000nm范围内的光谱反射率，计算校正后的光谱反射率，计算所有的苹果样品在光波长400～1000nm范围内各个波长所对应的光谱反射率平均值，作光波长-光谱反射率平均值曲线；用国标方法测定苹果样品可溶性固体含量步骤，采用国标ISO2173规定的水果和蔬菜制品可溶性固体含量的测定方法测定所有的苹果样品的可溶性固体含量；建立数学回归模型步骤，根据光波长-光谱反射率平均值曲线在400～1000nm范围内选取至少37个特征波长，将该37个特征波长下所有的苹果样品校正后的光谱反射率与采用国标方法测得的相应的苹果样品可溶性固体含量进行关联，运用偏最小二乘回归法建立数学回归模型，以选取37个特征波长下的光谱反射率为例，得到数学回归模型如下：
Y＝11.9607537294788-0.143642520620794·X1-0.105863600481352·X2+0.109246444282623·X3-0.254882848332586·X4-2.78691407831185E-02·X5-7.86541002189555E-02·X6-7.24996914024644E-02·X7-0.144304439911315·X8-5.07006523779758E-02·X9+5.95223777462032E-02·X10-5.62302521068629E-02·X11-2.35601365841085E-03·X12-5.21163682057966E-02·X13+1.83828562670345E-02·X14-0.140737132450369·X15-0.049427159554811·X16-9.34192459275574E-02·X17+3.75959418377708E-02·X18+0.140441812259277·X19+0.130902438187563·X20+0.375000135236033·X21+0.407714589795041·X22-0.245866506626271·X23+0.129641648557972·X24-0.38961138317635·X25-0.210467060864052·X26-1.13028383697272E-02·X27+0.134858971155099·X28+2.92203886573371E-04·X29+0.189169283541164·X30-0.219903013635167·X31-0.176347572189998·X32-3.82129235904802E-02·X33-0.149341892845856·X34+0.602969537823784·X35+0.216166784146167·X36+0.143622931484571·X37，
式中Y是苹果可溶性固体含量的模型预测值，X1～X37分别是苹果样品在37个特征波长下的校正后的光谱反射率；苹果可溶性固体含量的测算程序化步骤，将数学回归模型编写为MATLAB的计算程序，对其他任何苹果，只需将该苹果在0℃下保存至少12小时，采用高光谱成像仪测出苹果在光波长400～1000nm范围内的光谱反射率，提取上述37个特征波长下的光谱反射率，并输出为txt文件，在MATLAB中读入txt文件，并运行计算程序，即可计算得到苹果的可溶性固体含量。
本发明所提供的检测苹果可溶性固体含量的方法，还可以具有这样的特征：其中，各个苹果在0℃下保存相同的时间。
发明的作用与效果
根据本发明所提供的检测苹果可溶性固体含量的方法，因为取若干苹果样品，采用高光谱成像仪测得苹果样品的光谱反射率信息，取至少37个特征光波长下的光谱反射率值，与国标方法测得的苹果可溶性固体含量平均值进行关联，得到线性回归模型，所以在以后的检测中，只需采用高光谱成像仪测得苹果的光谱反射率信息，提取特征波长下的光谱反射率值，带入线性回归模型中，即可计算得出该苹果的可溶性固体含量，因此该方法无需破坏苹果就可以快速准确地测算出苹果的可溶性固体含量，非常适合应用于苹果以及苹果制品质量等级的判定。
附图说明
图1是高光谱成像仪的结构示意图；
图2是苹果样品的光波长-光谱反射率平均值曲线；以及
图3是苹果样品可溶性固体含量的模型预测值与国标测试值的对比图。
具体实施方式
以下结合附图，对本发明所提供的检测苹果可溶性固体含量的方法作详细阐述。
<实施例>
图1是高光谱成像仪的结构示意图。
如图1所示，高光谱成像仪10通过线扫描对物体进行高光谱成像，包括水平位移台11、支架12、高光谱相机13、矩形聚光透镜14、矩形聚光透镜15、玻璃光纤16、玻璃光纤17以及光源18。
水平位移台11放置在水平台(图中未示出)上。支架12是十字形支架，支架12的竖直部分的底端与水平位移台11固定相连，支架12的水平部分位于竖直部分的中部。高光谱相机13可移动地连接在支架12的竖直部分的顶部。矩形聚光透镜14和矩形聚光透镜15的中轴分别连接在支架12的水平部分的左右两端，并可以绕各自的中轴转动。玻璃光纤16和玻璃光纤17的一端分别与矩形聚光透镜14和矩形聚光透镜15相连，玻璃光纤16和玻璃光纤17的另一端与光源18相连。
本实施例所使用的高光谱成像仪10中高光谱相机13的型号为VNIR Imspector V10E，光源18是功率可调的卤素灯。测试过程中，测试者首先将苹果样品放置在水平位移台11上，然后打开光源18和高光谱相机13，光源18发出的光被玻璃光纤16和玻璃光纤17分成两束光，这两束光分别被矩形聚光透镜14和矩形聚光透镜15汇聚到苹果样品表面，高光谱相机13接收被苹果样品反射的光线，得到苹果样品的高光谱图像和光谱反射率信息。
本发明所提供的检测苹果可溶性固体含量的方法是基于苹果样品的光谱反射率信息来测定苹果的可溶性固体含量，具体步骤如下：
准备苹果样品步骤，从当地超市购买山东乔纳金、山东红富士和新疆阿克苏三种苹果各99个，作为苹果样品，将所有的苹果样品清洗干净，在0℃下保存12个小时。
调节高光谱成像仪10步骤，取一个苹果样品，放置在高光谱成像仪10的水平位移台11上，调节矩形聚光透镜14和矩形聚光透镜15的角度，使苹果样品的表面处在透镜焦平面处，调节两个矩形聚光透镜的景深，使高光谱相机13能够拍摄到整个苹果样品的清晰像，调节高光谱相机13的曝光时间使相机的拍摄效果最佳。
黑板报校正步骤，移开苹果样品，保持光源18的强度不变，将白板放置在水平位移台11上，记录白板在光波长为400～1000nm范围内的光谱反射率r1，然后将矩形聚光透镜14和矩形聚光透镜15均用黑板封闭，记录黑板在光波长为400～1000nm范围内的光谱反射率r2。
测量苹果样品的光谱反射率步骤，移开黑板和白板，将苹果样品放置在水平位移台11上，用黑板封闭矩形聚光透镜14和矩形聚光透镜15，记录样品黑板光谱反射率r0，然后移开黑板，通过移动水平位移平台11，扫描苹果样品的检测面，得到苹果样品在光波长为400～1000nm范围内的光谱反射率rs，按如下公式校正苹果样品的光谱反射率rs，得到校正后苹果样品的光谱反射率R：
测量其他苹果样品的光谱反射率步骤，重复上述测量苹果样品的光谱反射率步骤，分别测量每种99个苹果样品在光波长为400～1000nm范围内的光谱反射率，计算相应的校正后的光谱反射率，然后计算出每种99个苹果样品在光波长为400～1000nm范围内校正后的光谱反射率平均值。
图2是苹果样品的光波长-光谱反射率平均值曲线。
如图2所示，求得三种苹果样品的光谱反射率平均值后，分别将光谱反射率平均值对光波长作图，即得到三种苹果样品的光波长-光谱反射率平均值曲线。
用国标方法测定苹果样品可溶性固体含量步骤，根据国标ISO2173规定的水果和蔬菜制品可溶性固体含量的测定方法，将苹果样品切碎，再放到高速组织匀浆机中将苹果碎块捣成浆，然后提取浆液，采用糖度计测量苹果样品的可溶性固体含量，采用该方法测得所有苹果样品的可溶性固体含量后，分别计算每种苹果的可溶性固体含量平均值，计算结果如表1所示；
表1
建立数学回归模型步骤，根据苹果样品的光波长-光谱反射率平均值曲线，在有吸收峰等位置选取37个特征波长，在本实施例中，37个特征波长分别为：628.738nm、629.997nm、629.368nm、628.108nm、630.627nm、631.258nm、626.849nm、627.478nm、631.888nm、632.518nm、626.219nm、625.589nm、633.148nm、624.960nm、633.779nm、624.331nm、635.040nm、635.670nm、623.701nm、618.670nm、640.718nm、641.349nm、1017.012nm、1013.845nm、1018.912nm、1016.379nm、1012.444nm、999.255nm、1006.871nm、1014.478nm、1019.545nm、1017.646nm、1020.678nm、1018.279nm、997.985nm、1011.944nm、618.042nm。
选择198个苹果样品的校正后的光谱反射率信息，将198个苹果样品在37个特征波长下的校正后光谱反射率与采用国标方法测得的相应的各个苹果样品的可溶性固体含量进行关联，运用偏最小二乘回归法建立数学回归模型，得到数学回归模型如下：
Y＝11.9607537294788-0.143642520620794·X1-0.105863600481352·X2+0.109246444282623·X3-0.254882848332586·X4-2.78691407831185E-02·X5-7.86541002189555E-02·X6-7.24996914024644E-02·X7-0.144304439911315·X8-5.07006523779758E-02·X9+5.95223777462032E-02·X10-5.62302521068629E-02·X11-2.35601365841085E-03·X12-5.21163682057966E-02·X13+1.83828562670345E-02·X14-0.140737132450369·X15-0.049427159554811·X16-9.34192459275574E-02·X17+3.75959418377708E-02·X18+0.140441812259277·X19+0.130902438187563·X20+0.375000135236033·X21+0.407714589795041·X22-0.245866506626271·X23+0.129641648557972·X24-0.38961138317635·X25-0.210467060864052·X26-1.13028383697272E-02·X27+0.134858971155099·X28+2.92203886573371E-04·X29+0.189169283541164·X30-0.219903013635167·X31-0.176347572189998·X32-3.82129235904802E-02·X33-0.149341892845856·X34+0.602969537823784·X35+0.216166784146167·X36+0.143622931484571·X37，
式中Y是苹果可溶性固体含量的模型预测值，X1～X37分别是苹果样品在400～1000nm范围内37个特征波长下的校正后光谱反射率。
图3是苹果样品可溶性固体含量的模型预测值与国标测试值的对比图。
如图3所示，三种苹果样品按照上述数学回归模型计算出的可溶性固体含量的模型预测值与国标方法测定的国标测试值非常接近，该数学回归模型的相关性达到0.9349。
苹果可溶性固体含量的测算程序化步骤，将上述数学回归模型编写为MATLAB的计算程序，在以后需要检测苹果的可溶性固体含量时，只需将该苹果洗净后在0℃下保存12小时，然后重复上述测量苹果样品的光谱反射率步骤，得到苹果在光波长400～1000nm范围内的光谱反射率信息，提取37个特征波长下的光谱反射率值，并输出为txt文件，在MATLAB中读入该txt文件，运行上述计算程序，即可计算得到该苹果的可溶性固体含量值。
实施例的作用与效果
根据本实施例所提供的检测苹果可溶性固体含量的方法，因为采用高光谱成像仪测得每种99个苹果样品的光谱反射率信息，取37个特征光波长下的校正后光谱反射率，与国标方法测得的相应的苹果样品的可溶性固体含量进行关联，得到线性回归模型，所以在以后的检测中，只需采用高光谱成像仪测得苹果的光谱反射率信息，提取37个特征波长下的光谱反射率带入线性回归模型中，即可计算得出该苹果的可溶性固体含量，因此该方法无需破坏苹果就可以快速准确地测算出苹果的可溶性固体含量。
另外，本实施例中选取37个特征光波长下的光谱反射率来作偏最小二乘回归分析，得到的数学回归模型相关性超过0.93，既保证了数学回归模型的可靠性，又避免了选取过多参数导致运算过于复杂。
当然，本发明所提供的检测苹果可溶性固体含量的方法并不仅仅限定于以上实施例所述的内容。以上仅为本发明构思下的基本说明，而依据本发明的技术方案所作的任何等效变换，均应属于本发明的保护范围。
另外，在实施例中选择37个特征波长所对应的光谱反射率与国标测试值进行偏最小二乘回归分析，得到数学回归模型，还可以选择更多的特征波长下的光谱反射率用于最小二乘回归分析，所得到的数学回归模型相关性更高，但是数据处理过程比较复杂。

Claims (2)

1.一种检测苹果可溶性固体含量的方法，其特征在于，包括以下步骤：
准备苹果样品步骤，从一批苹果中抽取若干个苹果样品，将该苹果样品清洗干净，在0℃下保存至少12小时；
调节高光谱成像仪步骤，将一个所述苹果样品放置在所述高光谱成像仪的水平位移台上，调节高光谱相机的高度和光源的强度以及矩形聚光透镜照射在所述苹果样品上的角度，使所述苹果样品表面处在所述矩形聚光透镜的焦平面处，调节所述矩形聚光透镜的景深，使所述高光谱相机能够拍摄到所述苹果样品整个曲面的清晰图像；
黑白板校正步骤，移开所述苹果样品，保持所述光源的强度不变，将白板放置在所述焦平面处，记录所述白板在光波长为400～1000nm范围内的光谱反射率r1，然后将所述矩形聚光透镜用黑板封闭，记录所述黑板在光波长为400～1000nm范围内的光谱反射率r2；
测量所述苹果样品的光谱反射率步骤，移开所述黑板和所述白板，将所述苹果样品放置在所述焦平面处，用黑板封闭所述矩形聚光透镜，记录样品黑板光谱反射率r0，然后移开所述黑板，通过移动所述水平位移平台，扫描所述苹果样品的检测面，得到所述苹果样品在光波长为400～1000nm范围内的光谱反射率rs，按如下公式校正所述苹果样品的光谱反射率rs：式中R即为所述苹果样品校正后的光谱反射率；
测量其他苹果样品的光谱反射率步骤，重复所述测量所述苹果样品的光谱反射率步骤，测量其他的苹果样品在光波长为400～1000nm范围内的光谱反射率，计算校正后的光谱反射率，计算所有的所述苹果样品在光波长400～1000nm范围内各个波长所对应的光谱反射率平均值，作光波长-光谱反射率平均值曲线；
用国标方法测定苹果样品可溶性固体含量步骤，采用国标ISO2173规定的水果和蔬菜制品可溶性固体含量的测定方法测定所有的所述苹果样品的可溶性固体含量；
建立数学回归模型步骤，根据所述光波长-光谱反射率平均值曲线在400～1000nm范围内选取至少37个特征波长，将该37个特征波长下所有的所述苹果样品校正后的光谱反射率与采用所述国标方法测得的相应的苹果样品可溶性固体含量进行关联，运用偏最小二乘回归法建立数学回归模型，以选取37个特征波长下的所述光谱反射率为例，得到数学回归模型如下：
Y＝11.9607537294788-0.143642520620794·X1-0.105863600481352·X2+0.109246444282623·X3-0.254882848332586·X4-2.78691407831185E-02·X5-7.86541002189555E-02·X6-7.24996914024644E-02·X7-0.144304439911315·X8-5.07006523779758E-02·X9+5.95223777462032E-02·X10-5.62302521068629E-02·X11-2.35601365841085E-03·X12-5.21163682057966E-02·X13+1.83828562670345E-02·X14-0.140737132450369·X15-0.049427159554811·X16-9.34192459275574E-02·X17+3.75959418377708E-02·X18+0.140441812259277·X19+0.130902438187563·X20+0.375000135236033·X21+0.407714589795041·X22-0.245866506626271·X23+0.129641648557972·X24-0.38961138317635·X25-0.210467060864052·X26-1.13028383697272E-02·X27+0.134858971155099·X28+2.92203886573371E-04·X29+0.189169283541164·X30-0.219903013635167·X31-0.176347572189998·X32-3.82129235904802E-02·X33-0.149341892845856·X34+0.602969537823784·X35+0.216166784146167·X36+0.143622931484571·X37，
式中Y是苹果可溶性固体含量的模型预测值，X1～X37分别是所述苹果样品在所述37个特征波长下的校正后的光谱反射率；
苹果可溶性固体含量的测算程序化步骤，将所述数学回归模型编写为MATLAB的计算程序，对其他任何苹果，只需将该苹果在0℃下保存至少12小时，采用所述高光谱成像仪测出所述苹果在光波长400～1000nm范围内的光谱反射率，提取所述37个特征波长下的光谱反射率，并输出为txt文件，在MATLAB中读入所述txt文件，并运行所述计算程序，即可计算得到所述苹果的可溶性固体含量。
2.根据权利要求1所述的检测苹果可溶性固体含量的方法，其特征在于，包括：
其中，各个所述苹果在0℃下保存相同的时间。
CN201410301215.7A 2014-06-27 2014-06-27 检测苹果可溶性固体含量的方法 Expired - Fee Related CN104048927B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410301215.7A CN104048927B (zh) 2014-06-27 2014-06-27 检测苹果可溶性固体含量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410301215.7A CN104048927B (zh) 2014-06-27 2014-06-27 检测苹果可溶性固体含量的方法

Publications (2)

Publication Number Publication Date
CN104048927A true CN104048927A (zh) 2014-09-17
CN104048927B CN104048927B (zh) 2016-05-25

Family

ID=51502047

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410301215.7A Expired - Fee Related CN104048927B (zh) 2014-06-27 2014-06-27 检测苹果可溶性固体含量的方法

Country Status (1)

Country Link
CN (1) CN104048927B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106644957A (zh) * 2016-11-14 2017-05-10 浙江大学 一种枇杷采后果肉可溶性固形物分布成像的方法
CN107597614A (zh) * 2017-09-12 2018-01-19 上海大学 一种金属罐高速在线漏光检测***及其标定和诊断方法
CN108982406A (zh) * 2018-07-06 2018-12-11 浙江大学 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法
CN109238973A (zh) * 2018-07-18 2019-01-18 中科谱光科技（天津）有限公司 一种检测苹果可溶性固形物含量和含水量的方法
CN110174360A (zh) * 2019-05-05 2019-08-27 青岛海尔智能技术研发有限公司 酒品鉴别装置、方法、***和醒酒器
CN111855595A (zh) * 2020-08-24 2020-10-30 四川长虹电器股份有限公司 一种基于黑白校准板的光谱数据校准方法
CN112285054A (zh) * 2020-09-08 2021-01-29 塔里木大学 苹果身份识别模型建立方法及***、身份识别方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002517746A (ja) * 1998-06-12 2002-06-18 ヴァリアン インコーポレーテッド 高速自動スペクトルフィッティング法
CN203011817U (zh) * 2012-08-27 2013-06-19 浙江工业大学 可测定葡萄可溶性固体含量的装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002517746A (ja) * 1998-06-12 2002-06-18 ヴァリアン インコーポレーテッド 高速自動スペクトルフィッティング法
CN203011817U (zh) * 2012-08-27 2013-06-19 浙江工业大学 可测定葡萄可溶性固体含量的装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
单佳佳等: "基于高光谱成像技术的苹果内外品质同时检测", 《农业机械学报》 *
薛龙等: "基于遗传算法的脐橙可溶性固形物的可见 /近红外光谱无损检测", 《激光与光电子学进展》 *
陈红光等: "农 产 品 品 质 无 损 检 测 技 术 应 用 研 究", 《农机化研究》 *
黄文倩等: "以高光谱数据有效预测苹果可溶性固形物含量", 《光谱学与光谱分析》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106644957A (zh) * 2016-11-14 2017-05-10 浙江大学 一种枇杷采后果肉可溶性固形物分布成像的方法
CN106644957B (zh) * 2016-11-14 2019-04-05 浙江大学 一种枇杷采后果肉可溶性固形物分布成像的方法
CN107597614A (zh) * 2017-09-12 2018-01-19 上海大学 一种金属罐高速在线漏光检测***及其标定和诊断方法
CN108982406A (zh) * 2018-07-06 2018-12-11 浙江大学 一种基于算法融合的土壤氮素近红外光谱特征波段选取方法
CN109238973A (zh) * 2018-07-18 2019-01-18 中科谱光科技（天津）有限公司 一种检测苹果可溶性固形物含量和含水量的方法
CN110174360A (zh) * 2019-05-05 2019-08-27 青岛海尔智能技术研发有限公司 酒品鉴别装置、方法、***和醒酒器
CN111855595A (zh) * 2020-08-24 2020-10-30 四川长虹电器股份有限公司 一种基于黑白校准板的光谱数据校准方法
CN112285054A (zh) * 2020-09-08 2021-01-29 塔里木大学 苹果身份识别模型建立方法及***、身份识别方法及***

Also Published As

Publication number Publication date
CN104048927B (zh) 2016-05-25

Similar Documents

Publication Publication Date Title
CN104048927A (zh) 检测苹果可溶性固体含量的方法
CN104359838A (zh) 一种无损检测梨的硬度方法
CN105372203B (zh) 基于多传感器融合的新鲜苹果损伤敏感度无损检测方法
CN103063585A (zh) 瓜果成熟度快速无损检测装置及检测***建立方法
EP2920581B1 (en) Apparatus and method for inspecting seals of items
CN106950196B (zh) 一种无损检测农产品光学特性参数的方法与装置
CN107561091A (zh) 一种斜射式实木板材表面裂纹的检测***和检测方法
Lu et al. Structured-illumination reflectance imaging coupled with phase analysis techniques for surface profiling of apples
CN105510253A (zh) 用空间频域成像检测农产品组织光学特性的装置及方法
CN110108715B (zh) 一种透明平行平板的缺陷检测方法
CN109470650A (zh) 一种测量液体折射率的装置及方法
CN105115910A (zh) 基于高光谱成像技术检测花生中蛋白质含量分布的方法
CN108827934B (zh) 一种基于盲源分离拉曼散射图像的带包装食品品质无损检测方法
CN110031408A (zh) 一种猕猴桃成熟度快速判别装置及方法
CN102741649B (zh) 用于借助于偏折术进行表面检查的方法和装置
CN108152231A (zh) 基于可见/近红外光谱的枣果内部缺陷检测方法及装置
CN114419311A (zh) 一种基于多源信息的百香果成熟度无损检测方法及装置
Revie et al. Color management in digital pathology
Minkevičius et al. Detection of tab wire soldering defects on silicon solar cells using terahertz time-domain spectroscopy
He et al. Nondestructive determination of optical properties of a pear using spatial frequency domain imaging combined with phase-measuring profilometry
CN217766054U (zh) 一种在线光谱检测的校正装置及检测***
CN106442385A (zh) 一种桑葚花青素含量的光谱检测方法
Taylor Implementing high resolution structured light by exploiting projector blur
CN109040724B (zh) 一种结构光投影器的光斑畸变检测方法、装置及可读存储介质
KR101829544B1 (ko) 알 검사장치

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Li Baicheng

Inventor after: Zhou Yao

Inventor after: Hou Baolu

Inventor after: Zhao Mantong

Inventor after: Li Mengyuan

Inventor after: Xu Banglian

Inventor after: Wang Qi

Inventor after: Zhang Dawei

Inventor after: Huang Yuanshen

Inventor before: Li Baicheng

Inventor before: Zhou Yao

Inventor before: Hou Baolu

Inventor before: Li Mengyuan

Inventor before: Xu Banglian

Inventor before: Wang Qi

Inventor before: Zhang Dawei

Inventor before: Huang Yuanjia

COR Change of bibliographic data
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160525

Termination date: 20180627

CF01 Termination of patent right due to non-payment of annual fee