CN105044021B - 一种中秋酥脆枣糖度无损检测方法 - Google Patents
一种中秋酥脆枣糖度无损检测方法 Download PDFInfo
- Publication number
- CN105044021B CN105044021B CN201510397631.6A CN201510397631A CN105044021B CN 105044021 B CN105044021 B CN 105044021B CN 201510397631 A CN201510397631 A CN 201510397631A CN 105044021 B CN105044021 B CN 105044021B
- Authority
- CN
- China
- Prior art keywords
- sample
- jujube
- spectrum
- mid
- fruit
- 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.)
- Expired - Fee Related
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 240000008866 Ziziphus nummularia Species 0.000 title 1
- 241001247821 Ziziphus Species 0.000 claims abstract description 141
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 98
- 235000000346 sugar Nutrition 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012795 verification Methods 0.000 claims abstract description 34
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 30
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 239000000126 substance Substances 0.000 claims abstract description 27
- 238000009659 non-destructive testing Methods 0.000 claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 73
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 239000007788 liquid Substances 0.000 claims description 31
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 30
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 claims description 28
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical class [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 claims description 28
- 239000003513 alkali Substances 0.000 claims description 28
- 239000008103 glucose Substances 0.000 claims description 27
- 239000000706 filtrate Substances 0.000 claims description 20
- RSJOBNMOMQFPKQ-ZVGUSBNCSA-L copper;(2r,3r)-2,3-dihydroxybutanedioate Chemical compound [Cu+2].[O-]C(=O)[C@H](O)[C@@H](O)C([O-])=O RSJOBNMOMQFPKQ-ZVGUSBNCSA-L 0.000 claims description 19
- 238000004448 titration Methods 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 15
- 235000011121 sodium hydroxide Nutrition 0.000 claims description 14
- 238000012937 correction Methods 0.000 claims description 12
- 235000012249 potassium ferrocyanide Nutrition 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- GZCGUPFRVQAUEE-SLPGGIOYSA-N aldehydo-D-glucose Chemical compound OC[C@@H](O)[C@@H](O)[C@H](O)[C@@H](O)C=O GZCGUPFRVQAUEE-SLPGGIOYSA-N 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000009795 derivation Methods 0.000 claims description 10
- 238000002360 preparation method Methods 0.000 claims description 10
- 239000002253 acid Substances 0.000 claims description 9
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 8
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 8
- 238000012417 linear regression Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 claims description 6
- RSJOBNMOMQFPKQ-UHFFFAOYSA-L copper;2,3-dihydroxybutanedioate Chemical compound [Cu+2].[O-]C(=O)C(O)C(O)C([O-])=O RSJOBNMOMQFPKQ-UHFFFAOYSA-L 0.000 claims description 6
- 239000012153 distilled water Substances 0.000 claims description 6
- 239000010985 leather Substances 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 239000000276 potassium ferrocyanide Substances 0.000 claims description 6
- XOGGUFAVLNCTRS-UHFFFAOYSA-N tetrapotassium;iron(2+);hexacyanide Chemical compound [K+].[K+].[K+].[K+].[Fe+2].N#[C-].N#[C-].N#[C-].N#[C-].N#[C-].N#[C-] XOGGUFAVLNCTRS-UHFFFAOYSA-N 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000002224 dissection Methods 0.000 claims description 5
- 125000002496 methyl group Chemical group [H]C([H])([H])* 0.000 claims description 5
- DJWUNCQRNNEAKC-UHFFFAOYSA-L zinc acetate Chemical class [Zn+2].CC([O-])=O.CC([O-])=O DJWUNCQRNNEAKC-UHFFFAOYSA-L 0.000 claims description 5
- 235000013904 zinc acetate Nutrition 0.000 claims description 5
- DBJUEJCZPKMDPA-UHFFFAOYSA-N acetic acid;zinc Chemical compound [Zn].CC(O)=O DBJUEJCZPKMDPA-UHFFFAOYSA-N 0.000 claims description 4
- 238000003556 assay Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- CEQFOVLGLXCDCX-WUKNDPDISA-N methyl red Chemical compound C1=CC(N(C)C)=CC=C1\N=N\C1=CC=CC=C1C(O)=O CEQFOVLGLXCDCX-WUKNDPDISA-N 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 238000002835 absorbance Methods 0.000 claims description 3
- 229960000583 acetic acid Drugs 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003153 chemical reaction reagent Substances 0.000 claims description 3
- ARUVKPQLZAKDPS-UHFFFAOYSA-L copper(II) sulfate Chemical compound [Cu+2].[O-][S+2]([O-])([O-])[O-] ARUVKPQLZAKDPS-UHFFFAOYSA-L 0.000 claims description 3
- 229910000366 copper(II) sulfate Inorganic materials 0.000 claims description 3
- 238000002790 cross-validation Methods 0.000 claims description 3
- 235000019441 ethanol Nutrition 0.000 claims description 3
- 239000012362 glacial acetic acid Substances 0.000 claims description 3
- 229910052742 iron Inorganic materials 0.000 claims description 3
- 125000000325 methylidene group Chemical group [H]C([H])=* 0.000 claims description 3
- 239000004570 mortar (masonry) Substances 0.000 claims description 3
- VZOPRCCTKLAGPN-UHFFFAOYSA-L potassium;sodium;2,3-dihydroxybutanedioate;tetrahydrate Chemical class O.O.O.O.[Na+].[K+].[O-]C(=O)C(O)C(O)C([O-])=O VZOPRCCTKLAGPN-UHFFFAOYSA-L 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 150000003892 tartrate salts Chemical class 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 230000008034 disappearance Effects 0.000 claims 1
- 238000006386 neutralization reaction Methods 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 8
- 235000005976 Citrus sinensis Nutrition 0.000 description 4
- 240000002319 Citrus sinensis Species 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005622 photoelectricity Effects 0.000 description 3
- LKDRXBCSQODPBY-VRPWFDPXSA-N D-fructopyranose Chemical compound OCC1(O)OC[C@@H](O)[C@@H](O)[C@@H]1O LKDRXBCSQODPBY-VRPWFDPXSA-N 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- XQAXGZLFSSPBMK-UHFFFAOYSA-M [7-(dimethylamino)phenothiazin-3-ylidene]-dimethylazanium;chloride;trihydrate Chemical compound O.O.O.[Cl-].C1=CC(=[N+](C)C)C=C2SC3=CC(N(C)C)=CC=C3N=C21 XQAXGZLFSSPBMK-UHFFFAOYSA-M 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000003518 caustics Substances 0.000 description 2
- 229910052927 chalcanthite Inorganic materials 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- XLYOFNOQVPJJNP-ZSJDYOACSA-N heavy water Substances [2H]O[2H] XLYOFNOQVPJJNP-ZSJDYOACSA-N 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000011701 zinc Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 235000014443 Pyrus communis Nutrition 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000003455 independent Effects 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 229930014626 natural product Natural products 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000004153 renaturation Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 150000008163 sugars Chemical class 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开的一种中秋酥脆枣糖度无损检测方法，涉及水果品质检测技术领域，其检测过程包括：建模样本选择、建模样本的近红外光谱采集、样本糖度的化学值测定、糖度测定的数学模型建立、模型的验证和应用上述模型对中秋酥脆枣糖度进行无损检测等步骤，具有能够快速、准确、且可重复性好、可对中秋酥脆枣糖度进行无损检测等特点，还可避免枣果损伤，减轻检测的劳动强度，减少因化学检测使用药剂对环境的影响。本发明既可用于单颗枣果总糖含量的测定、也可用于批量枣果平均总糖含量的测定，还可以用于枣果采收期的确定。
Description
技术领域
本发明涉及水果品质检测技术领域，特别是一种中秋酥脆枣糖度无损检测方法。
技术背景
水果品质通常包括外观品质和内在品质，外观品质可以通过感官等直接判断，而内在品质往往需要特殊的设备和工艺过程才可以检测，检测方法可分为有损检测和无损检测。有损检测通常用于检测一批果实的平均水平，此方法费工费时，且造成果品浪费和环境污染。因此随着科学技术的不断发展，水果相关品质的检测逐渐由产后检测向产中检测发展，由有损检测向无损检测发展。水果无损检测是利用水果的电学特性、光学特性、声学特性、力学特性、气味特性、颜色特性以及核磁共振等技术，在几乎不造成水果机械损伤的前提下对其各项品质进行测定的技术。基于光学特性的无损检测又包括可见光谱分析、图像分析技术和近红外光谱分析技术。近红外光谱技术又分为漫反射、透射和漫透射三种类型。目前国内外水果无损检测已取得了一定的成果。如中国专利(专利申请号为201220159701.6)公开的“梨果糖分的无损检测装置”，涉及梨果糖分检测技术领域，其装置包括激光二极管及其驱动电路、光电前置检测电路以及信号处理模块，所述激光二极管与所述激光二极管驱动电路连接，所述光电前置检测电路与所述信号处理模块连接，所述激光二极管驱动电路，用于压电转换产生稳定电流，并使激光二极管发出激光，所述激光照射至所述待测梨果上，所述光电前置检测电路收集所述待测梨果所反射的激光，并将产生的当前电压信号发送至所述信号处理模块，所述信号处理模块利用电压信号和糖分之间的对应关系计算获得所述待测梨果的糖分；该实用新型通过各个模块的设置，实现了在不损坏梨果的情况下，快速、准确地获得梨果的糖分。又如中国专利(申请号为201310428925.1)公开的“一种基于高光谱成像技术的脐橙糖度检测方法”，公开了一种基于高光谱成 像技术的脐橙糖度检测方法，其特征是包括：利用高光谱成像***对脐橙进行光谱采集，并进行黑白标定，消除噪声影响；采用数字式折射仪测量脐橙糖度；对采集到的高光谱图像选择感兴趣区域，得到其光谱曲线；利用遗传算法(GA)对采集到的平均光谱进行平滑滤波，并挑选出合适的特征变量；利用偏最小二乘法对GA算法挑选出来的特征变量进行建模，并利用验证样本进行检验；利用上述模型检测水果糖度；该方法与常规检测方法相比结果精确和稳定、检测速度快、操作简单方便、对水果无损害。以上两个专利建模过程中的光谱并不是来源于鲜枣，不适合鲜枣糖分的测定。
还有中国专利“一种近红外谱区新疆红枣品质分级建模方法”(专利申请号为201110025060.5)，公开了一种近红外谱区新疆红枣品质分级建模方法，涉及近红外谱区对天然产物品质分级的建模方法，它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，进而导致分级建模效果差的问题，通过对样品外观特征初步挑选后，对同批次红枣样品逐个扫描；经过适当的光谱预处理后获得该批次红枣样品的平均光谱，并与原样品光谱图按相似度筛选，挑出光谱差异较大的样品，对剩余的再进行光谱扫描，反复调整和逐步细分，直到该批次样品的光谱差异在所需的精度范围内，将分离出的特征因子编码建立子模型，运用该方法成功分离出新疆红枣的特征因子和建立了子模型；该专利适用于如红枣、苹果、梨子等果品品质分级。但该专利仅能对果品进行模糊分级，并不能针对枣果(尤其是我国南方生产的中秋酥脆枣)糖分进行定量测定，更不能用于枣果品质的无损检测。
技术内容
针对现有技术所存在的不足，本发明的目的在于提供一种能够快速、准确、且可重复性好、可对中秋酥脆枣糖度进行无损检测的方法。
为实现上述目的，本发明所采取的技术方案是发明一种中秋酥脆枣糖度无损检测方法，其检测过程如下：
㈠、建模样本选择：
①、样本采集时间和次数：从中秋酥脆枣进入白熟期开始到红熟期结 束，每6-8天采集1次，采集5-6次；
②、样本采集数量与处理：每次采集时，选择能体现中秋酥脆枣品种采摘期特征的正常果30-80颗，洗净并晾干，室内放置8小时后，成为待测枣果；
③、组建建模样本和验证样本：将每次采集的待测枣果随机抽取80％的数量作为建模样本，余下20％的数量作为验证样本；
㈡、建模样本的近红外光谱采集：
①、近红外光谱的波谱特征调节：
通过对近红外光谱进行调节，让近红外光谱特征参数达到下表要求：
| 性质 | 波长范围 | 吸光度噪声 | 波长准确性 | 波长重复性 | 光谱分辨率 | 杂散光 | 光斑直径 |
| 特征值 | 600-1100nm | <100uA | 0.2nm | ±0.05nm | 6nm | <0.1％ | 2.5mm |
②、红外光谱的白板校正：
光源打开，调节特征参数后稳定15分钟以上，然后用白板校正；
③、样本的红外光谱的漫反射光谱采集：
将建模样本和验证样本分开采集光谱，每颗待测枣果采集相对的两个面的两个光谱样，每个光谱样采集3次，两个光谱分别编号，采集的光谱经数据线A/D接口转化存入计算机中；将已采集光谱的待测枣果的两个半颗单独编号，并与光谱编号建立一一对应关系；
㈢、样本糖度的化学值测定：
将建模样本和验证样本分开测定，单独记录，方法相同；
样本糖度的化学值测定可采用常规方法，也可采用下列方法：
①、试剂准备：
A、碱式酒石酸铜甲液：15g五水硫酸铜(CuSO4·5H2O)、0.05g亚甲基蓝(C16H18ClN3S·3H2O)溶于水并定容至1000ml；
B、碱式酒石酸铜乙液：将50g酒石酸钾钠(C4H4O6KNa·4H2O)、75g氢氧化钠(NaOH)溶于水，再加入亚铁***(K4[Fe(CN)6]·3H2O)4g，完全溶解并定容至1000ml；
C、乙酸锌溶液：109.5g乙酸锌(Zn(CH3COO)2·2H2O)加入15ml冰醋酸(C2H4O2)，加水溶解并定容至500ml；
D、亚铁***溶液：53.0g亚铁***加水溶解，定容至500ml；
E、葡萄糖标准液：1.0g(精确至0.0001g)葡萄糖(C6H12O6)加水溶解后，加入5ml6mol/L盐酸(HCl)，加水定容至1000ml；
F、盐酸(1:1)溶液(即：体积比为1:1)：200ml6mol/L盐酸缓慢加入200ml水混合；
G、氢氧化钠溶液：100.0g氢氧化钠加水溶解冷却至室温，定容至500ml；
H、甲基红溶液：0.1g甲基红(C15H15N3O2)少量95％的乙醇(C2H5OH)溶解，加水定容至100ml；
②、用葡萄糖标准液标定碱式酒石酸铜溶液：
A、取150ml锥形瓶3只，每瓶中加入5ml碱式酒石酸铜甲液、5ml碱式酒石酸铜乙液、10ml左右的双蒸水；(是碱式酒石酸铜甲、乙液)
B、25ml酸式滴定管装好标准葡萄糖液后固定于铁夹台上；
C、将上述锥形瓶在500W高温电炉上加热，2分钟内沸腾，先快后慢将标准葡萄糖液滴入并摇动锥形瓶防止爆震，直到蓝色刚好消失时记录所耗糖液体积；
D、用上述锥形瓶三次平行滴定，取平均值；
E、计算标定值：
M标为用标准葡萄糖液对碱式酒石酸铜溶液的标定值(mg/100g)；
m糖为葡萄糖称取的量(g)；
V标为标定时滴定所耗葡萄糖液体积的三次平均值(ml)；
V甲+乙为碱式酒石酸铜甲液和乙液的体积之和(ml)；
③、建模样本待测液的制备：
A、解剖：将已采集光谱并编号的中秋酥脆枣样本解剖为两个半颗，每半颗去掉枣核后独立制取样本；
B、称重：将上述每半颗枣迅速切碎混合后取3-5g带皮果肉，用电子天平准确称重(精确到0.001g)并记录；
C、捣碎：将经过称重的带皮果肉用研钵研磨成果泥(包括皮和肉)，以皮肉完全分离为原则；
D、制样：将上述果泥全部转入250ml容量瓶后，加入5ml乙酸锌液、5ml亚铁***液，摇匀后双蒸水定容250ml成为样液，静置30分钟；
E、滤样：摇匀上述样液，并用定量滤纸过滤，弃去初滤液后取滤液50ml转入100ml容量瓶；(即：刚开始收集的部分滤液弃去不要，也就是说弃去初滤液，再取过滤时中间收集的滤液50ml)
F、酸解：向上述装有滤液的容量瓶中加入盐酸(1:1)溶液5ml后，70℃水浴锅加热15分钟，取出迅速冷却至室温，成为加酸滤液；
G、中和：向上述装有加酸滤液的容量瓶中加入2滴甲基红后，滴入氢氧化钠液，同时摇匀，至红色消失后，加水定容至100ml，待测；
H、重复上述步骤，将一天内可测定完成的样本制备完毕；
④、样本糖度化学值滴定与计算：
用葡萄糖标定碱式酒石酸铜类似的方法进行，将滴定管中的标准葡萄糖液改为中和后的待测样本，滴定方法相同，取三次平行样的滴定所耗待测液体积进行计算，计算公式为：
式中S样为中秋酥脆枣样本糖分含量的化学测定值(g/100g)；
M样为碱式酒石酸铜的标定值(mg/100g)；
m样为待测样本的质量(g)；
V样为待测样本三次滴定所耗的平均体积(ml)。
㈣、糖度测定的数学模型建立：
①、样本近红外光谱的处理：
A、波长段的选择：
将波长选择在650－950nm之间；
B、Savitzky-Golay平滑、多元散射校正、Savitzky-Golay求导：
a、Savitzky-Golay平滑：设定窗口数15，拟合次数为4；
b、多元散射校正过程为：用所有光谱的平均光谱作标准光谱，每个 样本的光谱与标准光谱比较求出其线性平移和倾斜偏移量，从原始光谱中减去线性偏移量并除以倾斜偏移量；
c、Savitzky-Golay求导：设定窗口数为19，拟合次数为2，求导次数为1；
②、样本糖度模型的建立：
A、异常光谱的剔除：
采用主成分分析法降维确定主成分个数为4，用主成分积分计算马氏距离，按阀值10剔除异常样本；
B、偏最小二乘法建模：
采用偏最小二乘法作为回归建模方法，用一组响应变量Y(矩阵形式)和大量的预测变量X(矩阵形式)，其中有些变量严重线性相关，从这组数据中提取因子，并计算得分因子矩阵：T＝XW，最后再求出合适的权重矩阵W，并建立线性回归模型：Y＝TQ+E，其中Q是矩阵T的回归系数矩阵，E为误差矩阵；一旦Q计算出来后，前述方程就等价于Y＝XB+E，其中B＝WQ，即可直接作为预测回归模型；
建模的参数设定，因子数为5、6、7、8、9、10，交互检验分堆数为7、8、9、10，马氏距离为10建立不同模型；
C、模型评价：
模型评价指标可采用：建模样本集的标准偏差SEC、内部交叉验证标准偏差SECV、建模样本集的预测值与化学值的相关系数RC、外部验证样本集的标准偏差SEP、RPDC(性质方差/SECV)、RPDV(性质方差/SEP)中的一种。
㈤、模型的验证：
模型验证包括模型测定的准确性和模型测定的重复性验证：
①、模型测定的准确性验证：
随机采集20-40颗中秋酥脆枣，用模型测定阳面的总糖含量，取三资平均值S模；
将中秋酥脆枣解剖成阴面、阳面两部分，对阳面按化学方法测定阳面的总糖含量S化；
将三资平均值S模与总糖含量S化进行比较；
②、模型测定的稳定性验证：
随机采集20-40颗中秋酥脆枣，用模型测定枣果的总糖含量，分别对同一枣果不同位置测定三次和同一位置测定三次，对同一位置三次的不同测定结果进行比较分析，对同一枣果的不同位置三次测定进行分析；
㈥、应用上述模型对中秋酥脆枣糖度进行无损检测，其检测过程如下：
①、单颗中秋酥脆枣果的总糖含量测定：
A、单颗中秋酥脆枣果的近红外光谱谱图采集：
根据中秋酥脆枣生长发育规律，选择白熟期至成熟期的正常枣果，在枣果果面选择三个不同位置进行光谱采集，并采集的光谱经数据线A/D接口转入计算机中；
B、单颗枣果总糖含量的测定：
对三次采集已存入计算机的光谱，利用所建的模型测定枣果的总糖含量，取三次测定的平均值，即为单颗枣的总糖含量；
②、批量枣果的平均总糖含量的测定：
A、样本的选择：
在待测的批量枣果中随机选择不同成熟度、不同大小的、一定比例的枣果，原则上不少于30颗；
B、单颗总糖测定：
按单颗总糖测定方法分别测定所在样本枣果的总糖含量；
C、平均总糖含量的计算：
对所有样本枣果的总糖含量值算术平均，即为批量枣果的平均总糖含量值。
本发明的中秋酥脆枣糖度无损检测方法，采取了近红外光谱调较、光谱采集、光谱预处理、PLS建模(或者说“偏最小二乘法建模”)、模型验证等过程，从而达到了中秋酥脆枣糖度无损检测的目的，其所建模型的稳定性和可重复性良好，在无损条件下能快速、准确地测定白熟期到成熟期枣果的总糖含量。同时避免了枣果损伤，减轻了检测的劳动强度，同时也减少了因化学检测使用药剂对环境的影响。
附图说明
图1是原始样本光谱图；
图2是校正后样本光谱图；
图3是异常样本剔除图；
图4是模型图。
具体实施方式
以下结合附图和实施例，对本发明作进一步的说明。下面的说明是以例举的方式，但本发明的保护范围并不局限于此。
本实施例的中秋酥脆枣糖度无损检测方法，其检测过程如下：
㈠、建模样本选择：
①、样本采集时间和次数：从中秋酥脆枣进入白熟期开始到红熟期结束，每7天采集1次，采集6次；
②、样本采集数量与处理：每次采集时，选择能体现中秋酥脆枣品种采摘期特征的正常果(剔除病虫果、畸形果、裂皮果)50颗，洗净并晾干，室内放置8小时后，成为待测枣果；
③、组建建模样本和验证样本：将每次采集的待测枣果随机抽取40颗作为建模样本，余下10颗作为验证样本；
㈡、建模样本的近红外光谱采集：
①、近红外光谱的波谱特征调节：
通过对近红外光谱进行调节，让近红外光谱特征参数达到下表要求：
| 性质 | 波长范围 | 吸光度噪声 | 波长准确性 | 波长重复性 | 光谱分辨率 | 杂散光 | 光斑直径 |
| 特征值 | 600-1100nm | <100uA | 0.2nm | ±0.05nm | 6nm | <0.1％ | 2.5mm |
②、红外光谱的白板校正：
光源打开，调节特征参数后稳定15分钟以上，然后用白板校正；
③、样本的红外光谱的漫反射光谱采集：
将建模样本和验证样本分开采集光谱，每颗待测枣果采集相对的两个面的两个光谱样，每个光谱样采集3次，两个光谱分别编号，采集的光谱经数据线A/D接口转化存入计算机中；将已采集光谱的待测枣果的两个半颗单独编号，与光谱编号建立一一对应关系；
㈢、样本糖度的化学值测定：
将建模样本和验证样本分开测定，单独记录，方法相同；
样本糖度的化学值测定方法如下：
①、试剂准备：
A、碱式酒石酸铜甲液：15g五水硫酸铜(CuSO4·5H2O)、0.05g亚甲基蓝(C16H18ClN3S·3H2O)溶于水并定容至1000ml；
B、碱式酒石酸铜乙液：将50g酒石酸钾钠(C4H4O6KNa·4H2O)、75g氢氧化钠(NaOH)溶于水，再加入亚铁***(K4[Fe(CN)6]·3H2O)4g，完全溶解并定容至1000ml；
C、乙酸锌溶液：109.5g乙酸锌(Zn(CH3COO)2·2H2O)加入15ml冰醋酸(C2H4O2)，加水溶解并定容至500ml；
D、亚铁***溶液：53.0g亚铁***加水溶解，定容至500ml；
E、葡萄糖标准液：1.0g(精确至0.0001g)葡萄糖(C6H12O6)加水溶解后，加入5ml6mol/L盐酸(HCl)，加水定容至1000ml；
F、盐酸(1:1)溶液：200ml6mol/L盐酸缓慢加入200ml水混合；
G、氢氧化钠溶液：100.0g氢氧化钠加水溶解冷却至室温，定容至500ml；
H、甲基红溶液：0.1g甲基红(C15H15N3O2)少量95％的乙醇(C2H5OH)溶解，加水定容至100ml；
②、用葡萄糖标准液标定碱式酒石酸铜溶液：
A、取150ml锥形瓶3只，每瓶中加入5ml碱式酒石酸铜甲液、5ml碱式酒石酸铜乙液、10ml左右的双蒸水；(不能删掉“铜”)
B、25ml酸式滴定管装好标准葡萄糖液后固定于铁夹台上；
C、将上述锥形瓶在500W高温电炉上加热，2分钟内沸腾，先快后慢将标准葡萄糖液滴入并摇动锥形瓶防止爆震，直到蓝色刚好消失时记录所耗糖液体积；
D、用上述锥形瓶三次平行滴定，取平均值；
E、计算标定值：
M标为用标准葡萄糖液对碱式酒石酸铜溶液的标定值(mg/100g)；
m糖为葡萄糖称取的量(g)；
V标为标定时滴定所耗葡萄糖液体积的三次平均值(ml)；
V甲+乙为碱式酒石酸铜甲液和乙液的体积之和(ml)；
③、建模样本待测液的制备：
A、解剖：将已采集光谱并编号的中秋酥脆枣样本解剖为两个半颗，每半颗去掉枣核后独立制取样本；
B、称重：将上述每半颗枣迅速切碎混合后取3-5g带皮果肉，用电子天平准确称重并记录；
C、捣碎：将经过称重的带皮果肉用研钵研磨成果泥，以皮肉完全分离为原则；(此时，虽然皮肉已分离，但不需要去除果皮)
D、制样：将上述果泥全部转入250ml容量瓶后，加入5ml乙酸锌液、5ml亚铁***液，摇匀后双蒸水定容至250ml成为样液，静置30分钟；
E、滤样：摇匀上述样液，并用定量滤纸过滤，弃去初滤液后取滤液50ml转入100ml容量瓶；(此“过滤”是一次过滤，分为两段，刚开始收集的滤液部分弃去不要，即弃去初滤液，是取过滤时的中间收集的滤液50ml)
F、酸解：向上述装有滤液的容量瓶中加入盐酸(1:1)溶液5ml后，70℃水浴锅加热15分钟，取出迅速冷却至室温，成为加酸滤液；
G、中和：向上述装有加酸滤液的容量瓶中加入2滴甲基红后，滴入氢氧化钠液，同时摇匀，至红色消失后，加水定容至100ml，待测；
H、重复上述步骤，将一天内可测定完成的样本制备完毕；
④、样本糖度化学值滴定与计算：
用葡萄糖标定碱式酒石酸铜类似的方法进行，将滴定管中的标准葡萄糖液改为中和后的待测样本，滴定方法相同，取三次平行样的滴定所耗待测液体积进行计算，计算公式为：
式中S样为中秋酥脆枣样本糖分含量的化学测定值(g/100g)；
M样为碱式酒石酸铜的标定值(mg/100g)；
m样为待测样本的质量(g)；
V样为待测样本三次滴定所耗的平均体积(ml)；
㈣、糖度测定的数学模型建立：
①、样本近红外光谱的处理：
A、波长段的选择：
从原始样本光谱图(图1)分析可知，波长大于1000nm出现噪声明显增加，因此将波长选择在650－950nm之间；
B、Savitzky-Golay平滑、多元散射校正、Savitzky-Golay求导：
a、Savitzky-Golay平滑：基于多项式卷积计算的Savitzky-Golay平滑是一种适合生物学数据处理，计算简便、迅速，可操作性强，能平滑噪声起伏并尽量保证原始数据的不失真。通过多次探索，设定窗口数15，拟合次数为4；
b、多元散射校正过程为：多元散射校正可以有效消除样品间散射影响所导致的基线平移和偏移现象提高原吸收光谱的信噪比。其校正过程是：用所有光谱的平均光谱作标准光谱，每个样品的光谱与标准光谱比较求出其线性平移和倾斜偏移量，从原始光谱中减去线性偏移量并除以倾斜偏移量，这样基线平移和偏移得到修正，但总糖对应的光谱吸收信息无影响；
c、Savitzky-Golay求导：Savitzky-Golay求导可有效消除基线和其他背景的影响，提高分辩率，经过多次试验，设定窗口数为19，拟合次数为2，求导次数为1(经过校正后的样本光谱图见图2)；
②、样本糖度模型的建立：
A、异常光谱的剔除：
由于近红外光源的稳定性、测定的角度和距离、以及枣果的成熟度、形状等因素可能导致采集的近红外光谱或者测定的糖含量化学值出现异常，因此异常光谱(如图1中吸光度0线以下和0.5以上)或光谱与化学测定值之间明显出现异常的需要进行剔除。剔除的方法是主成分分析法降维确定主成分个数为4，用主成分积分计算马氏距离，按阀值10剔除异常样本(其异常光谱剔除图见图3)；
B、偏最小二乘法建模：
偏最小二乘法是一种多因变量对多自变量的回归建模方法。通过采用对光谱变量X和鲜枣总糖含量Y都进行分解的方法，从变量X和Y中同时提取因子，再将因子按照它们之间的相关性从大到小排列。因此只要决定选择几个因子就可以建立一个模型；
因而，采用偏最小二乘法作为回归建模方法，用一组响应变量Y(矩阵形式)和大量的预测变量X(矩阵形式)，其中有些变量严重线性相关，从这组数据中提取因子，并计算得分因子矩阵：T＝XW，最后再求出合适的权重矩阵W，并建立线性回归模型：Y＝TQ+E，其中Q是矩阵T的回归系数矩阵，E为误差矩阵；一旦Q计算出来后，前述方程就等价于Y＝XB+E，其中B＝WQ，即可直接作为预测回归模型；
建模的参数设定，因子数为5、6、7、8、9、10，交互检验分堆数为7、8、9、10，马氏距离为8、9、10、11、12建立不同模型；
C、模型评价：
模型评价指标很多，如建模样本集的标准偏差SEC、内部交叉验证标准偏差SECV、建模样本集的预测值与化学值的相关系数RC、外部验证样本集的标准偏差SEP、RPDC(性质方差/SECV)、RPDV(性质方差/SEP)等。RC、RPDC越大，SEC与SECV接近且越小，则建模所用的校正集数据越合理，经过多次分析评价取SEC＝2.1765、SECV＝2.1835、RC＝0.9327、SEP＝2.5283、RPDC＝2.3769、RPDV＝0.9290对应的模型非常理想(见图4)；
㈤、模型的验证：
模型验证包括模型测定的准确性和模型测定的重复性验证：
①、模型测定的准确性验证：
在枣林中，随机采集30颗中秋酥脆枣，用模型测定阳面的总糖含量，取三资平均值S模；
再将中秋酥脆枣解剖成阴面、阳面两部分，对阳面按化学方法测定阳面的总糖含量S化，将对应值进行比较(见表1)。结果表明用于检验的30颗中秋酥脆枣总糖的化学测定值从24.84(g/100g)到32.38(g/100g),具体 分布为数量级24(1，为枣果颗数，下同)、25(1)、26(2)、27(5)、28(7)、29(7)、30(4)、31(2)、32(1)，分布符合客观规律；模型预测的中秋酥脆枣总糖与化学值比较，12颗预测值小于化学值(负误差)，18颗预测值大于化学值(正误差)，最大正误差为3.47％，最大负误差为-3.37％，30颗总误差为4.79％，单株平均误差为0.16％。
表1 模型准确性验证数据分析表
产生误差的原因分析：模型测定时光谱的稳定性、测定角度与距离、测定时光谱采集点的选择，化学滴定时制样和滴定的手法等均可能产生误差，综合平均误差为正值的原因可能与测定者的爱美之心常常会选择果实比较漂亮的位置采集光谱有关。
②、模型测定的稳定性：
在枣林中，随机采集30颗中秋酥脆枣，用模型测定枣果的总糖含量，分别对同一枣果不同位置测定三次和同一位置测定三次，对同一位置三次的不同测定结果进行比较分析，对同一枣果的不同位置三次测定进行分析，模型的稳定性结果见表2和表3。
表2 同一位置三次测定的稳定性验证数据分析
分析表2可知，用于验证的中秋酥脆枣总糖含量在23.83～32.52(g/100g)之间，数量级23、24、25、26、31各1颗，其他分布为数量级28(2)、30(4)、32(5)、27(6)、29(8)。同一位置的三次测定的正误差20颗，负误差10颗，出现正误差39次，最大为3.95％；负误差49次，最大为-2.59％(2次)；三次测定的最大误差在1％以内的5颗(占16.67％)、1％-2％为14颗(占46.67％)、2％-3％为7颗(占23.33％)、3％-4％为4颗(占13.33％)，30颗的平均误差为0.78％。模型在同一位置的三次测定表现出良好的稳定性。
表3 同一枣果不同位置的三次测定数据分析
分析表3可知，用于验证的中秋酥脆枣总糖含量在24.53～33.29(g/100g)之间，数量级32、33各1颗，24、25、26各2颗，31为3颗，27、30各4颗，29为5颗，28为6颗。同一枣果的三个位置测定值与平均糖度值比较最大误差表现为正的12颗，表现为负的18颗，出现正误差总数为49次，最大为6.93％；负误差41次，最大为-5.27％；三个测定位置的最大误差在1％以内的无、1％-3％为6颗(占20.00％)、3％-5％ 为19颗(占63.33％)、5％-7％为5颗(占16.67％)，30颗的平均误差为-0.82％。模型在测定批量枣果时模型的稳定性良好。测定同一枣果不同的三个位置测定表现出的稳定性比同一位置的三次测定稍差，其原因除了测定的手法等影响外，主要应该是枣果的阴阳两面本身糖度差异所致，因此运用本模型测定单个枣的糖含量时至少要测三个位点并取平均值。
㈥、应用上述模型对中秋酥脆枣糖度进行无损检测的具体步骤如下：
①、单颗中秋酥脆枣果的总糖含量测定：
A、单颗中秋酥脆枣果的近红外光谱谱图采集：
根据中秋酥脆枣生长发育规律，选择白熟期至成熟期的正常枣果(无严重病虫害和裂果，挂树或采摘后均可)，在枣果果面选择三个不同位置的采集光谱，采集的光谱经数据线A/D接口转入计算机中；
B、单颗枣果总糖含量的测定：
对三次采集已存入计算机的光谱，利用本专利模型测定枣果的总糖含量，取三次测定的平均值，即为单颗枣的总糖含量；
②、批量枣果的平均总糖含量的测定：
A、样本的选择：
在待测的批量枣果中随机选择不同成熟度、不同大小的、一定比例的枣果，原则上不少于30颗；
B、单颗总糖测定：
按单颗总糖测定方法分别测定所在样本枣果的总糖含量；
C、平均总糖含量的计算：
对所有样本枣果的总糖含量值算术平均，即为批量枣果的平均总糖含量值。
㈦、中秋酥脆枣采收期确定：
在枣林条件下选择有代表性的不同树体上的中秋酥脆枣若干，用上述方法测定中秋酥脆枣的总糖平均含量，与既定采收糖度指标比较，当测定的平均值大于或等于指标时即可采收。
本发明的中秋酥脆枣糖度无损检测方法，既可用于单颗枣果总糖含量的测定、也可用于批量枣果平均总糖含量的测定，还可以用于枣果 采收期的确定。
Claims (3)
1.一种中秋酥脆枣糖度无损检测方法，其特征在于检测过程如下：
㈠、建模样本选择：
①、样本采集时间和次数：从中秋酥脆枣进入白熟期开始到红熟期结束，每6-8天采集1次，采集5-6次；
②、样本采集数量与处理：每次采集时，选择能体现中秋酥脆枣品种采摘期特征的正常果30-80颗，洗净并晾干，室内放置8小时后，成为待测枣果；
③、组建建模样本和验证样本：将每次采集的待测枣果随机抽取80％的数量作为建模样本，余下20％的数量作为验证样本；
㈡、建模样本的近红外光谱采集：
①、近红外光谱的波谱特征调节：
通过对近红外光谱进行调节，让近红外光谱特征参数达到下表要求：
②、红外光谱的白板校正：
光源打开，调节特征参数后稳定15分钟以上，然后用白板校正；
③、样本的红外光谱的漫反射光谱采集：
将建模样本和验证样本分开采集光谱，每颗待测枣果采集相对的两个面的两个光谱样，每个光谱样采集3次，两个光谱分别编号，采集的光谱经数据线A/D接口转化存入计算机中；将已采集光谱的待测枣果的两个半颗单独编号，并与光谱编号建立一一对应关系；
㈢、样本糖度的化学值测定：
将建模样本和验证样本分开测定，单独记录，方法相同；
上述样本糖度的化学值测定方法如下：
①、试剂准备：
A、碱式酒石酸铜甲液：15g五水硫酸铜、0.05g亚甲基蓝溶于水并定容至1000ml；
B、碱式酒石酸铜乙液：将50g酒石酸钾钠、75g氢氧化钠溶于水，再加入亚铁***4g，完全溶解并定容至1000ml；
C、乙酸锌溶液：109.5g乙酸锌加入15ml冰醋酸，加水溶解并定容至500ml；
D、亚铁***溶液：53.0g亚铁***加水溶解，定容至500ml；
E、葡萄糖标准液：1.0g葡萄糖加水溶解后，加入5ml6mol/L盐酸，加水定容至1000ml；
F、盐酸1:1溶液：200ml6mol/L盐酸缓慢加入200ml水混合；
G、氢氧化钠溶液：100.0g氢氧化钠加水溶解冷却至室温，定容至500ml；
H、甲基红溶液：将0.1g甲基红用少量95％的乙醇溶解，加水定容至100ml；
②、用葡萄糖标准液标定碱式酒石酸铜溶液：
A、取150ml锥形瓶3只，每瓶中加入5ml碱式酒石酸铜甲液、5ml碱式酒石酸铜乙液、10ml左右的双蒸水；
B、25ml酸式滴定管装好葡萄糖标准液后固定于铁夹台上；
C、将上述锥形瓶在500W高温电炉上加热，2分钟内沸腾，先快后慢将葡萄糖标准液滴入并摇动锥形瓶防止爆震，直到蓝色刚好消失时记录所耗糖液体积；
D、用上述锥形瓶三次平行滴定，取平均值；
E、计算标定值：
M标为用葡萄糖标准液对碱式酒石酸铜溶液的标定值mg/100g；
m糖为葡萄糖称取的量g；
V标为标定时滴定所耗葡萄糖液体积的三次平均值ml；
V甲+乙为碱式酒石酸铜甲液和乙液的体积之和ml；
③、建模样本待测液的制备：
A、解剖：将已采集光谱并编号的中秋酥脆枣样本解剖为两个半颗，每半颗去掉枣核后独立制取样本；
B、称重：将上述每半颗枣迅速切碎混合后取3-5g带皮果肉，用电子天平准确称重并记录；
C、捣碎：将经过称重的带皮果肉用研钵研磨成果泥，以皮肉完全分离为原则；
D、制样：将上述果泥全部转入250ml容量瓶后，加入5ml乙酸锌溶液、5ml亚铁***溶液，摇匀后双蒸水定容至250ml成为样液，静置30分钟；
E、滤样：摇匀上述样液，并用定量滤纸过滤，弃去初滤液后取滤液50ml转入100ml容量瓶；
F、酸解：向上述装有滤液的容量瓶中加入盐酸1:1溶液5ml后，70℃水浴锅加热15分钟，取出迅速冷却至室温，成为加酸滤液；
G、中和：向上述装有加酸滤液的容量瓶中加入2滴甲基红溶液后，滴入氢氧化钠溶液，同时摇匀，至红色消失后，加水定容至100ml，待测；
H、重复步骤A-G，将一天内可测定完成的样本制备完毕；
④、样本糖度化学值滴定与计算：
用葡萄糖标定碱式酒石酸铜类似的方法进行，将滴定管中的葡萄糖标准液改为中和后的待测样本，滴定方法相同，取三次平行样的滴定所耗待测液体积进行计算，计算公式为：
式中S样为中秋酥脆枣样本糖分含量的化学测定值g/100g；
M样为碱式酒石酸铜的标定值mg/100g；
m样为待测样本的质量g；
V样为待测样本三次滴定所耗的平均体积ml；
㈣、糖度测定的数学模型建立：
①、样本近红外光谱的处理：
A、波长段的选择：
将波长选择在650－950nm之间；
B、Savitzky-Golay平滑、多元散射校正、Savitzky-Golay求导：
a、Savitzky-Golay平滑：设定窗口数15，拟合次数为4；
b、多元散射校正过程为：用所有光谱的平均光谱作标准光谱，每个样本的光谱与标准光谱比较求出其线性平移和倾斜偏移量，从原始光谱中减去线性偏移量并除以倾斜偏移量；
c、Savitzky-Golay求导：设定窗口数为19，拟合次数为2，求导次数为1；
②、样本糖度模型的建立：
A、异常光谱的剔除：
采用主成分分析法降维确定主成分个数为4，用主成分积分计算马氏距离，按阀值10剔除异常样本；
B、偏最小二乘法建模：
采用偏最小二乘法作为回归建模方法，用一组响应变量Y和大量的预测变量X，其中有些变量严重线性相关，从这组数据中提取因子，并计算得分因子矩阵：T＝XW，最后再求出合适的权重矩阵W，并建立线性回归模型：Y＝TQ+E，其中Q是矩阵T的回归系数矩阵，E为误差矩阵；一旦Q计算出来后，线性回归模型就等价于Y＝XB+E，其中B＝WQ，即可直接作为预测回归模型；
建模的参数设定，因子数为5、6、7、8、9、10，交互检验分堆数为7、8、9、10，马氏距离为10建立不同模型；
C、模型评价：
采用常规的模型评价指标进行评价；
㈤、模型的验证：
模型验证包括模型测定的准确性和模型测定的重复性验证：
①、模型测定的准确性验证：
随机采集20-40颗中秋酥脆枣，用模型测定阳面的总糖含量，取三次平均值S模；
将中秋酥脆枣解剖成阴面、阳面两部分，对阳面按化学方法测定阳面的总糖含量S化；
将三次平均值S模与总糖含量S化进行比较；
②、模型测定的稳定性验证：
随机采集20-40颗中秋酥脆枣，用模型测定枣果的总糖含量，分别对同一枣果不同位置测定三次和同一位置测定三次，对同一位置三次的不同测定结果进行比较分析，对同一枣果的不同位置三次测定进行分析；
㈥、应用上述模型对中秋酥脆枣糖度进行无损检测。
2.根据权利要求1所述的中秋酥脆枣糖度无损检测方法，其特征在于：步骤㈣中的模型评价指标为建模样本集的标准偏差SEC、内部交叉验证标准偏差SECV、建模样本集的预测值与化学值的相关系数RC、外部验证样本集的标准偏差SEP、RPDC、RPDV中的一种。
3.根据权利要求2所述中秋酥脆枣糖度无损检测方法，其特征在于所述步骤㈥的检测过程如下：
①、单颗中秋酥脆枣果的总糖含量测定：
A、单颗中秋酥脆枣果的近红外光谱谱图采集：
根据中秋酥脆枣生长发育规律，选择白熟期至成熟期的正常枣果，在枣果果面选择三个不同位置进行光谱采集，采集的光谱经数据线A/D接口转入计算机中；
B、单颗枣果总糖含量的测定：
对三次采集已存入计算机的光谱，利用所建的模型测定枣果的总糖含量，取三次测定的平均值，即为单颗枣的总糖含量；
②、批量枣果的平均总糖含量的测定：
A、样本的选择：
在待测的批量枣果中随机选择不同成熟度、不同大小的、一定比例的枣果，不少于30颗；
B、单颗总糖测定：
按单颗总糖测定方法分别测定所在样本枣果的总糖含量；
C、平均总糖含量的计算：
对所有样本枣果的总糖含量值算术平均，即为批量枣果的平均总糖含量值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510397631.6A CN105044021B (zh) | 2015-07-08 | 2015-07-08 | 一种中秋酥脆枣糖度无损检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510397631.6A CN105044021B (zh) | 2015-07-08 | 2015-07-08 | 一种中秋酥脆枣糖度无损检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105044021A CN105044021A (zh) | 2015-11-11 |
| CN105044021B true CN105044021B (zh) | 2018-07-17 |
Family
ID=54450739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510397631.6A Expired - Fee Related CN105044021B (zh) | 2015-07-08 | 2015-07-08 | 一种中秋酥脆枣糖度无损检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105044021B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105738311A (zh) * | 2015-12-01 | 2016-07-06 | 昆明睿意铂科技股份有限公司 | 一种基于近红外光谱技术的苹果甜度无损快速检测方法 |
| CN106124715A (zh) * | 2016-06-08 | 2016-11-16 | 张�杰 | 一种碱性酒石酸铜溶液及配制方法 |
| CN106872396B (zh) * | 2016-12-28 | 2019-06-07 | 南京农业大学 | 一种不同近红外仪器测定葡萄糖度模型转换的方法 |
| CN108037081B (zh) * | 2017-10-20 | 2020-07-28 | 中国农业大学 | 一种酿酒葡萄成熟度监测方法和*** |
| CN108872140B (zh) * | 2018-05-09 | 2021-01-19 | 塔里木大学 | 一种户外监测红枣品质的方法及装置 |
| CN108572154A (zh) * | 2018-05-31 | 2018-09-25 | 福建医科大学 | 一种基于近红外光谱技术快速检测桃汁原汁含量的方法 |
| CN109001146A (zh) * | 2018-07-26 | 2018-12-14 | 江苏大学 | 一种冰鲜牛肉与冻化鲜牛肉的快速鉴别方法 |
| CN112595692A (zh) * | 2020-11-24 | 2021-04-02 | 南宁国拓生物科技有限公司 | 一种水果总糖含量预测模型的建立方法及水果总糖含量的预测方法 |
| CN113030009A (zh) * | 2021-03-03 | 2021-06-25 | 天津农学院 | 一种基于近红外光谱的青萝卜品质检测方法 |
| CN112931915B (zh) * | 2021-04-30 | 2022-10-25 | 河南中烟工业有限责任公司 | 一种叶组烟丝组分的掺配均匀性检测方法 |
| CN113670837A (zh) * | 2021-08-02 | 2021-11-19 | 华南农业大学 | 基于高光谱和深度学习的桂圆肉中总糖含量检测方法 |
| CN114066803A (zh) * | 2021-08-18 | 2022-02-18 | 中华全国供销合作总社济南果品研究院 | 一种红枣筛选识别方法及*** |
| CN114279962B (zh) * | 2021-12-21 | 2023-07-25 | 四川启睿克科技有限公司 | 一种基于便携式近红外光谱仪的光照自适应方法 |
| CN113959961B (zh) * | 2021-12-22 | 2022-03-08 | 广东省农业科学院动物科学研究所 | 一种基于高光谱图像的单宁添加剂防伪检测方法及*** |
| CN114544888A (zh) * | 2022-04-06 | 2022-05-27 | 昭通市农业科学院(昭通市农业科学技术推广中心) | 一种快速判定马铃薯是否适合鲜切炸片的方法 |
| CN117848973B (zh) * | 2024-03-07 | 2024-05-28 | 铜川市人民医院 | 基于抗感染临床药学的药品成分智能检测方法及*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101701911A (zh) * | 2009-11-30 | 2010-05-05 | 吉林燃料乙醇有限责任公司 | 一种检测发酵物料中还原糖含量的方法 |
| EP2192399A1 (en) * | 2007-09-21 | 2010-06-02 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| CN102230885A (zh) * | 2011-04-06 | 2011-11-02 | 食品行业生产力促进中心 | 一种基于近红外光谱分析的甘蔗汁品质快速检测方法 |
| CN104020132A (zh) * | 2014-06-09 | 2014-09-03 | 江西农业大学 | 一种无糖可乐中阿斯巴甜含量的快速检测方法及装置 |
| CN104034691A (zh) * | 2014-05-13 | 2014-09-10 | 齐齐哈尔大学 | 一种甜菜品质的快速检测方法 |
| CN104048939A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中血糖含量近红外快速检测方法 |
-
2015
- 2015-07-08 CN CN201510397631.6A patent/CN105044021B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2192399A1 (en) * | 2007-09-21 | 2010-06-02 | Suntory Holdings Limited | Visible/near-infrared spectrum analyzing method and grape fermenting method |
| CN101701911A (zh) * | 2009-11-30 | 2010-05-05 | 吉林燃料乙醇有限责任公司 | 一种检测发酵物料中还原糖含量的方法 |
| CN102230885A (zh) * | 2011-04-06 | 2011-11-02 | 食品行业生产力促进中心 | 一种基于近红外光谱分析的甘蔗汁品质快速检测方法 |
| CN104034691A (zh) * | 2014-05-13 | 2014-09-10 | 齐齐哈尔大学 | 一种甜菜品质的快速检测方法 |
| CN104048939A (zh) * | 2014-06-05 | 2014-09-17 | 中国肉类食品综合研究中心 | 生猪血液中血糖含量近红外快速检测方法 |
| CN104020132A (zh) * | 2014-06-09 | 2014-09-03 | 江西农业大学 | 一种无糖可乐中阿斯巴甜含量的快速检测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 南疆红枣糖度近红外分析的模型优化研究;彭海根;《中国优秀硕士学位论文全文数据库 农业科技辑》;20150315(第3期);第2.1-2.2.1节，第2.2.2.3-3.2节，第3.5-3.7节，图3-9 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105044021A (zh) | 2015-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105044021B (zh) | 一种中秋酥脆枣糖度无损检测方法 | |
| CN108663339B (zh) | 基于光谱和图像信息融合的霉变玉米在线检测方法 | |
| Gao et al. | Application of hyperspectral imaging technology to discriminate different geographical origins of Jatropha curcas L. seeds | |
| Huang et al. | Rapid detection of the reducing sugar and amino acid nitrogen contents of Daqu based on hyperspectral imaging | |
| CN108956545B (zh) | 一种水果内部品质无损检测模型建立方法及*** | |
| CN106000914A (zh) | 一种在线无损检测霉心病的苹果分选装置 | |
| CN102564993A (zh) | 一种利用傅里叶变换红外光谱识别大米品种方法及其应用 | |
| CN108037256B (zh) | 稻米食味品质的快速测定方法 | |
| CN107515203A (zh) | 近红外技术定量分析水稻单籽粒直链淀粉含量的研究 | |
| CN105067532B (zh) | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 | |
| CN104280349A (zh) | 一种基于高光谱图像对白萝卜糠心鉴定的方法 | |
| CN103344602A (zh) | 一种基于近红外光谱的水稻种质真伪无损检测方法 | |
| CN205762405U (zh) | 用于在线无损检测苹果霉心病设备的分选装置 | |
| CN108613943B (zh) | 一种基于光谱形态转移的近红外单籽粒作物成分检测方法 | |
| CN109374548A (zh) | 一种利用近红外快速测定大米中营养成分的方法 | |
| CN110715918B (zh) | 单籽粒玉米淀粉含量拉曼高光谱分级方法 | |
| Wang et al. | Development of near‐infrared online grading device for long jujube | |
| CN111337450A (zh) | 一种大米加工精度等级的快速无损判定方法及装置 | |
| CN106940292A (zh) | 基于多光谱成像技术的虫蛀巴旦木原料快速无损鉴别方法 | |
| CN105158178B (zh) | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 | |
| CN113030011A (zh) | 水果糖度快速无损检测方法及检测*** | |
| CN111521580A (zh) | 一种基于便携式近红外光谱仪的鱼片新鲜度检测方法 | |
| Shi et al. | Application of spectral features for separating homochromatic foreign matter from mixed congee | |
| CN114076745A (zh) | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 | |
| CN113484270A (zh) | 一种单粒水稻脂肪含量定量分析模型的构建及检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180717 |