CN117269108B - 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 - Google Patents
近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 Download PDFInfo
- Publication number
- CN117269108B CN117269108B CN202311336031.XA CN202311336031A CN117269108B CN 117269108 B CN117269108 B CN 117269108B CN 202311336031 A CN202311336031 A CN 202311336031A CN 117269108 B CN117269108 B CN 117269108B
- Authority
- CN
- China
- Prior art keywords
- eucommia ulmoides
- near infrared
- screening
- plate
- upper cover
- 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.)
- Active
Links
- 241000208689 Eucommia ulmoides Species 0.000 title claims abstract description 76
- 238000012216 screening Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 230000005540 biological transmission Effects 0.000 title claims abstract description 15
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 238000012360 testing method Methods 0.000 claims description 20
- 239000000758 substrate Substances 0.000 claims description 15
- KAKZBPTYRLMSJV-UHFFFAOYSA-N Butadiene Chemical compound C=CC=C KAKZBPTYRLMSJV-UHFFFAOYSA-N 0.000 claims description 12
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 claims description 12
- 239000000463 material Substances 0.000 claims description 11
- 239000012528 membrane Substances 0.000 claims description 11
- 241000208688 Eucommia Species 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 239000011247 coating layer Substances 0.000 claims description 4
- 229920001971 elastomer Polymers 0.000 claims description 4
- 239000011248 coating agent Substances 0.000 claims description 2
- 238000000576 coating method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 description 10
- 238000000354 decomposition reaction Methods 0.000 description 8
- 239000010410 layer Substances 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 239000003814 drug Substances 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000003071 parasitic effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000007873 sieving Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000000899 Gutta-Percha Substances 0.000 description 1
- 240000000342 Palaquium gutta Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000004480 active ingredient Substances 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229920000588 gutta-percha Polymers 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 235000013618 yogurt Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种基于近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法,包括信号采集***和数据处理***,信号采集***的主体由改进后的电荷耦合器件构成,用于放置新鲜杜仲叶样本和接收信号,电荷耦合器件上设置有干扰光过滤膜可以排除自然光及其他频率杂光的干扰。电荷耦合器件采集到的数据通过无线网络实现远程处理,降低了本装置的价格和体积,提升了设备的稳定性。该装置可以在采集地对新鲜杜仲叶样品进行初筛分类,减少后续杜仲叶试验室有效成分对比分析的干扰因素,从而提高了试验室分析的科学性和分析结果的准确性。数据处理***通过对采集数据进行去噪和神经网络处理,将不断增加模型的准确性,由此积累的数据资产也能实现不断增值。
Description
技术领域
本发明属于近红外光谱透射探测领域,特别涉及一种基于近红外光谱透射探测的便携式杜仲叶筛选装置的物理结构设计、采集数据处理方法设计。
背景技术
杜仲(Eucommia ulmoides Oliv.)是一种常见的中药材,是取15-20年杜仲树的树皮制成。具有滋阴补肾、强筋健骨等药用功效。杜仲树生长周期长,取皮过程也较为复杂,所以中药杜仲价格昂贵。研究其替代品近年来也成为热门方向。如徐青梅等研究表明杜仲籽、叶、花与皮具有类似的功效成分。
杜仲叶在2019年被批准作为药食两用试点物质使用,从此开启了杜仲叶食品领域的新篇章,目前关于杜仲叶的研究主要集中在医药领域,在食品行业的发展起步较晚,已开发了杜仲酸奶、杜仲馒头、杜仲酒等系列产品。
杜仲叶作为中药材的衍生物,其医疗和保健价值,受产地、光照、温湿度、土壤、水分等生态因素的影响较大,近年来关于不同产地杜仲叶活性成分提取、分离、对比等方面的研究较多,但在不同地区的试验样品采集过程中,如何低成本且高效地减少不同地区所采集杜仲叶的叶片大小、含水量、采集时间、杜仲胶含量(属于杜仲独有的关键成分)等因素不同对不同产地杜仲叶对比试验结果的影响成为亟待解决的难题。只有对采集的杜仲叶进行有效的初次筛选,用同一标准的杜仲叶进行后续不同产地杜仲叶有效成分对比试验,试验结果才能更加科学、准确。
然而,在杜仲树叶实际采集过程中,如何快速准确地从大量的杜仲叶中筛选出同一标准的试验样品是一个难题。传统的人工筛选方法主要有目测、长宽比逐个测量,效率低、精确度差、成本高,且容易受到操作人员经验和技能的影响,同时野外采集的作业环境差,因而在一些对比试验中,回避了样品的初筛环节。传统的试验室筛选方法多采用近红外光谱扫描设备进行,但是仪器成本高、体型大,杜仲叶样本从采集地到试验室运输过程中,也容易发生性状改变。
因此,研究一种高效、便携、低成本的筛选装置和设计一套有效的采集数据处理方法具有重要意义。
发明内容
为了克服上述传统方法的不足,促进杜仲叶试验样品初筛技术的发展,本发明提供了一种基于近红外光谱透射探测的便携式杜仲叶筛选装置的物理结构设计方案和采集数据处理方法。该发明通过将改进后的电荷耦合器件作为新鲜杜仲叶的载体和信号接收装置,可以排除自然光等其他频率杂光的干扰,接收到的信号通过无线网络传送给远程计算中心,由计算中心将杜仲叶片的筛选结果远程实时反馈给现场采集人员,采集人员根据结果完成对杜仲叶试验样品的现地筛选。这种通过网络远程调用算力,对采集结果进行运算的模式,大大减轻了采集端对电力和硬件的要求,从而实现装置的小型化和便携化。可以满足生物医药等领域中对杜仲叶试验样品的初筛工作需要。
本发明的目的通过以下技术方案来实现:一种基于近红外光谱透射探测的便携式杜仲叶筛选装置,包括载物板,所述载物板用于放置杜仲叶;光源,设置在所述载物板的上方,所述光源用于提供近红外光;信号采集***,设置在载物板上,所述信号采集***用于将信号采集并发送;数据处理***,远程设置于试验室内,所述数据处理***用于接收数据并对杜仲叶筛选;所述载物板包括水平板,所述水平板的上表面形成有安装槽,且安装槽内设置有基板。
进一步地,所述基板上设置有涂覆层;所述基板以电荷耦合器件作为基材,且基板可拆卸连接的设置在安装槽内部。
进一步地,所述涂覆层为干扰光过滤膜,所述干扰光过滤膜的材料为丁二烯、丙烯腈、苯乙烯,所述丁二烯、丙烯腈、苯乙烯的配比为1:3:8,所述干扰光过滤膜的厚度为1毫米。
进一步地,所述干扰光过滤膜的上表面分别设置有第一标识线和第二标识线,所述第一标识线和第二标识线纵横垂直交错,所述第一标识线和第二标识线在干扰光过滤膜上形成若干个参考区,所述参考区用于作为杜仲叶形状的参考基准。
进一步地,参考区的尺寸优选为6CM*12CM。
进一步地,所述水平板的表面固定连接有立板,四个所述立板将水平板包围,其中一个所述立板的外侧固定连接有连接板,所述连接板上设置有用于检测载物板是否水平的检测结构。
进一步地,所述检测结构为呈圆形的水平仪,所述连接板的上表面开设有安装口,且水平仪嵌设在安装口内。
进一步地,所述立板的上表面设置有遮光上盖,所述遮光上盖为的材料为含铅橡胶,含铅量为15%,所述光源安装在遮光上盖的下表面,所述遮光上盖的高度大于立板的深度,所述遮光上盖的上表面固定连接有拉手。
进一步地,光源为近红外光源,近红外光源输出光的波长为360至2500nm,且近红外光源的功率为30W,若干个红外灯泡与若干个参考区一一对应。
进一步地,信号采集***包括信号采集线和网络发射器,信号采集线与网络发射器的信号输入端相连接,网络发射器用于将信号发送至数据处理***,信号采集线用于收集透射过杜仲树叶和干扰光过滤膜的透射光,在电荷耦合器件的基材作用下转变的电信号,网络发射器用于将信号数据包发送回数据处理***。
基于近红外光谱透射探测的便携式杜仲叶筛选装置的筛选方法,包括以下步骤:
S1:杜仲叶样品采集与人工初筛
首先通过连接板上的水平仪,将水平板以及载物板调整到水平位置,而后采集A地区的n片杜仲叶,将采集到杜仲叶样本摆放于基板的长方形格上,采集人员通过肉眼观察,将其与长方形格面积S、长宽比L/W等进行比较,对外观尺寸偏离较大样品进行人工排除;
S2:将上述经过人工筛选后的杜仲树叶均匀摆放在每个格子后,将遮光上盖覆盖并嵌入立板。确保遮光上盖完全嵌入立板后,再次通过水平仪调平,而后接通电源,使镶嵌在遮光上盖上面的近红外光源通电发光;
S3:收集透射信号,附加散射校正和小波分析去噪;
S4:训练二维自编码器神经网络对数据降维;
S5:孤立森林算法二次筛选;
S6:其他地区杜仲叶试验样本收集。
进一步地,S3具体为:
透过杜仲树叶和杂光过滤层的近红外光,在电荷耦合器件上形成光谱信息矩阵C=(y1,y2,y3……yi),而后通过采集信号收集线将收集到的信号数据通过无线网络远程发送给数据处理***。数据处理***首先计算出平均光谱信息:而后将每个频率光谱进行线性回归:/>进行附加散射校正:/>而后利用matlab库中的小波函数coif3作为小波基,对光谱信息矩阵C进行2层分解:[c0,s]=wavedec2(C,2,'coif3'),其中c0为各层分解系数,s为各层分解系数长度,设置尺度向量n及阈值向量p,对各个方向的高频系数进行阈值处理,得到新的小波分解结构[c1,s],对其进行重构:C1=waverec2(c1,s,'coif3'),得到去噪后的光谱信息矩阵C1,从而达到去噪的目的。
进一步地,S4具体为:
利用S1、S2、S3获得每片杜仲叶对应的去噪后光谱信息矩阵C1,组成训练数据集。构建二维自编码器神经网络模型Mconv,重构各叶片对应的光谱信息矩阵,从而获得隐含特征向量h,训练直至模型收敛,储存模型。
进一步地,S5具体为:
通过S1-S4获得所采集杜仲叶的隐含特征向量h。以隐含特征向量集 为输入,利用孤立森林算法进行异常检测,将/>分为异常集/>及正常集/>从而达到将特征异常的杜仲叶筛除。采集人员根据反馈结果,将正常集的杜仲叶试验样本收集起来,送回试验室,进行成分分析试验。
进一步地,S6具体为:
在B、C等其他需要对比杜仲叶成分的地区,通过S1-S5,收集到不同地区正常集的杜仲树叶,在试验室进行成分分析试验,而后对A、B、C地区杜仲树叶有效成分的分析结果进行对比分析。
相对于现有技术,本发明具有以下有益技术效果:
(1)本发明可在采集地对杜仲叶样品进行初筛分类,减少了后续试验室分析的干扰因素,提高了后续试验的科学性和准确性。
(2)本发明通过网络实现信号的远程处理,降低了采集装置的价格和体积,提升了设备的稳定性。
(3)本发明通过对采集数据的不断积累,将不断增加模型的准确性,同时积累的数据,可以形成数据资产,不断增值。
附图说明
图1为:本发明的立体结构示意图;
图2为:图1中A处的放大示意图;
图3为:载物板的立体结构示意图;
图4为:水平板的立体结构示意图;
图5为:基板和干扰光过滤膜的立体结构示意图;
图6为:近红外光源的正视结构示意图;
图7为:信号传输示意图。
图中:1.立板;2.载物板;21.水平板;22.基板;23.干扰光过滤膜;24.第一标识线;25.第二标识线;26.参考区;3.信号采集***;31.信号采集线;32.网络发射器;4.数据处理***;5.水平仪;6.近红外光源;7.遮光上盖;8.连接板;9.放置槽;10.拉手。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
请参阅图1-7,一种基于近红外光谱透射探测的便携式杜仲叶筛选装置,包括载物板2,所述载物板2用于放置杜仲叶。光源,设置在所述载物板2的上方,所述光源用于提供近红外光。信号采集***3,设置在载物板2上,所述信号采集***3用于将信号采集并发送。数据处理***4,设置于试验室内,所述数据处理***4用于接收数据并对杜仲叶筛选。载物板2放置杜仲叶,通过光源发出近红外光,透射过杜仲树叶的近红外光在载物板2的作用下转变为电信号,信号采集***3收集电信号并发送至数据处理***4,通过网络实现信号的远程处理,降低了采集装置的价格和体积,以便装置的携带,可在采集地对杜仲叶样品进行初筛分类,减少了后续试验室分析的干扰因素,提高了后续试验室分析的科学性和准确性,数据处理***4在接收到数据包后,通过附加散射校正(Multiplication scattercorrection,MSC)方法和小波分析方法去噪,用神经网络进行降维处理后作为参照模型,而后使用孤立森林算法二次筛选,操作人员根据反馈结果筛出符合实验要求的杜仲叶。
所述载物板2包括水平板21,所述水平板21的上表面形成有安装槽,且安装槽内设置有基板22,所述基板22上设置有涂覆层。
所述基板22以电荷耦合器件作为基材,且基板22可拆卸连接的设置在安装槽内部,电荷耦合器件对近红外光谱较为敏感,以便将透射光转变为电信号。
所述涂覆层为干扰光过滤膜23,所述干扰光过滤膜23的材料为丁二烯、丙烯腈、苯乙烯,所述丁二烯、丙烯腈、苯乙烯的配比为1:3:8,所述干扰光过滤膜23的厚度为1毫米,通过设置干扰光过滤膜23过滤其他波段的杂光,进一步减少了杂光对装置筛选的影响,提高精准度。
所述干扰光过滤膜23的上表面分别设置有第一标识线24和第二标识线25,所述第一标识线24和第二标识线25纵横垂直交错,所述第一标识线24和第二标识线25在干扰光过滤膜23上形成若干个参考区26,所述参考区26用于作为杜仲叶形状的参考基准,参考区26的尺寸优选为6CM*12CM,作为杜仲叶形状的一个参考基准。
所述水平板21的表面固定连接有立板1,四个所述立板1将水平板21包围,其中一个所述立板1的外侧固定连接有连接板8,所述连接板8上设置有用于检测载物板2是否水平的检测结构。
所述检测结构为呈圆形的水平仪5,所述连接板8的上表面开设有安装口,且水平仪5嵌设在安装口内,水平仪5用于辅助将装置放置水平,提高精准度。
所述立板1的上表面设置有遮光上盖7,所述遮光上盖7为的材料为含铅橡胶,且遮光上盖7的含铅量为15%,所述光源安装在遮光上盖7的下表面,所述遮光上盖7的高度大于立板1的深度,所述遮光上盖7的上表面固定连接有拉手10,通过设置由含铅量为15%的橡胶制成的遮光上盖7,能够遮挡自然光,降低杂光对基板22的干扰,同时防止近红外光源对人体的伤害。
光源为近红外光源6,近红外光源6输出光的波长为360至2500nm,且近红外光源6的功率为30W,若干个红外灯泡与若干个参考区26一一对应,近红外光源6用于发出近红外光谱。
信号采集***3包括信号采集线31和网络发射器32,信号采集线31与网络发射器32的信号输入端相连接,网络发射器32用于将信号发送至数据处理***4,信号采集线31用于收集穿过杜仲树叶和干扰光过滤膜23的透射光,在电荷耦合器件的基材作用下转变的电信号,网络发射器32用于将信号数据包发送回数据处理***4。
基于近红外光谱透射探测的便携式杜仲叶筛选装置的筛选方法,包括以下步骤:
S1:杜仲叶样品采集与人工初筛
首先通过连接板8上的水平仪5,将水平板21以及载物板2调整到水平位置,而后采集A地区的n片杜仲叶,将采集到杜仲叶样本摆放于基板22的长方形格上,采集人员通过肉眼观察,将其与长方形格面积S、长宽比L/W等进行比较,对外观尺寸偏离较大样品进行人工排除。
S2:将上述经过人工筛选后的杜仲树叶均匀摆放在每个格子后,将遮光上盖7覆盖并嵌入立板1。确保遮光上盖7完全嵌入立板1后,再次通过水平仪5调平,而后接通电源,使镶嵌在遮光上盖7上面的近红外光源6通电发光。
S3:收集透射信号,附加散射校正和小波分析去噪
透射过杜仲树叶和杂光过滤层的近红外光,在电荷耦合器件上形成光谱信息矩阵C=(y1,y2,y3……yi),而后通过采集信号收集线将收集到的信号数据通过无线网络远程发送给数据处理***。数据处理***首先计算出平均光谱信息:而后将每个频率光谱进行线性回归:/>进行附加散射校正:/>而后利用matlab库中的小波函数coif3作为小波基,对光谱信息矩阵C进行2层分解:[c0,s]=wavedec2(C,2,'coif3'),其中c0为各层分解系数,s为各层分解系数长度,设置尺度向量n及阈值向量p,对各个方向的高频系数进行阈值处理,得到新的小波分解结构[c1,s],对其进行重构:C1=waverec2(c1,s,'coif3'),得到去噪后的光谱信息矩阵C1,从而达到去噪的目的。
S4:训练二维自编码器神经网络对数据降维
利用S1、S2、S3获得每片杜仲叶对应的去噪后光谱信息矩阵C1,组成训练数据集。构建二维自编码器神经网络模型Mconv,重构各叶片对应的光谱信息矩阵,从而获得隐含特征向量h,训练直至模型收敛,储存模型。
S5:孤立森林算法二次筛选
通过S1-S4获得所采集杜仲叶的隐含特征向量h。以隐含特征向量集 为输入,利用孤立森林算法进行异常检测,将/>分为异常集/>及正常集/>从而达到将特征异常的杜仲叶筛除。采集人员根据反馈结果,将正常集的杜仲叶试验样本收集起来,送回试验室,进行成分分析试验。
S6:其他地区杜仲叶试验样本收集
在B、C等其他需要对比杜仲叶成分的地区,通过S1-S5,收集到不同地区正常集的杜仲树叶,在试验室进行成分分析试验,而后对A、B、C地区杜仲树叶有效成分的分析结果进行对比分析。
本发明的技术方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (1)
1.一种基于近红外光谱透射探测的便携式杜仲叶筛选装置的筛选方法,其特征在于,包括载物板(2),所述载物板(2)用于放置杜仲叶;近红外光源(6),近红外光源(6)设置在所述载物板(2)的上方,所述光源用于提供近红外光;信号采集***(3)用于将信号采集并发送;数据处理***(4),远程设置于试验室内,所述数据处理***(4)用于接收数据并对杜仲叶进行算法筛选;所述载物板(2)包括水平板(21),所述水平板(21)的上表面有安装槽,且安装槽内设置有基板(22);
所述基板(22)上设置有涂覆层;所述基板(22)以电荷耦合器件作为基材,且基板(22)可拆卸连接的设置在安装槽内部;
所述涂覆层为干扰光过滤膜(23),所述干扰光过滤膜(23)的材料为丁二烯、丙烯腈、苯乙烯,所述丁二烯、丙烯腈、苯乙烯的配比为1:3:8,所述干扰光过滤膜(23)的厚度为1毫米;
所述干扰光过滤膜(23)的上表面分别设置有第一标识线(24)和第二标识线(25),所述第一标识线(24)和第二标识线(25)纵横垂直交错,所述第一标识线(24)和第二标识线(25)在干扰光过滤膜(23)上形成若干个参考区(26),所述参考区(26)用于作为杜仲叶形状的参考基准;
参考区(26)的尺寸为6CM*12CM;
所述水平板(21)的表面固定连接有立板(1),四个所述立板(1)将水平板(21)包围,其中一个所述立板(1)的外侧固定连接有连接板(8),所述连接板(8)上设置有用于检测载物板(2)是否水平的检测结构;
所述检测结构为呈圆形的水平仪(5),所述连接板(8)的上表面开设有安装口,且水平仪(5)嵌设在安装口内;
所述立板(1)用于固定遮光上盖(7),所述遮光上盖(7)的材料为含铅橡胶,含铅量为15%,所述光源安装在遮光上盖(7)的下表面,所述遮光上盖(7)的高度大于立板(1)的深度,所述遮光上盖(7)的上表面固定连接有拉手(10),光源为近红外光源(6),近红外光源(6)输出光的波长为360至2500nm,且近红外光源(6)的功率为30W,若干个红外灯泡与若干个参考区(26)一一对应;
信号采集***(3)包括信号采集线(31)和网络发射器(32),信号采集线(31)与网络发射器(32)的信号输入端相连接,网络发射器(32)用于将信号发送至数据处理***(4),信号采集线(31)用于收集透射过杜仲树叶和干扰光过滤膜(23)的透射光,在电荷耦合器件的作用下转变为电信号,网络发射器(32)用于将信号数据包发送到数据处理***(4);
所述的近红外光谱透射探测的便携式杜仲叶筛选装置的筛选方法,包括以下步骤:S1:杜仲叶样品采集与人工初筛
首先通过连接板(8)上的水平仪(5),将载物板(2)调整到水平位置,而后采集A地区的n片杜仲叶,将采集到杜仲叶样本摆放于基板(22)的长方形格上,采集人员通过肉眼观察,将其与长方形格面积S、长宽比L/W等进行比较,对外观尺寸偏离较大样品进行人工排除;
S2:将上述经过人工筛选后的杜仲树叶均匀摆放在每个格子后,将遮光上盖(7)覆盖并嵌入立板(1)内,确保遮光上盖(7)完全嵌入立板(1)后,再次通过水平仪(5)调平,而后接通电源,使镶嵌在遮光上盖(7)内的近红外光源(6)通电发光;
S3:收集透射信号,附加散射校正和小波分析去噪;
S4:训练二维自编码器神经网络对数据降维;
S5:孤立森林算法二次筛选;
S6:其他地区杜仲叶试验样本收集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336031.XA CN117269108B (zh) | 2023-10-16 | 2023-10-16 | 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311336031.XA CN117269108B (zh) | 2023-10-16 | 2023-10-16 | 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117269108A CN117269108A (zh) | 2023-12-22 |
CN117269108B true CN117269108B (zh) | 2024-02-27 |
Family
ID=89210472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311336031.XA Active CN117269108B (zh) | 2023-10-16 | 2023-10-16 | 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117269108B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074926A (zh) * | 2007-06-12 | 2007-11-21 | 浙江大学 | 可见和近红外光谱的植物叶片或冠层灰霉病诊断方法与*** |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
CN101403741A (zh) * | 2008-10-20 | 2009-04-08 | 中国科学院合肥物质科学研究院 | 基于多光谱的植物叶片数字信息采集与自动识别***及其识别方法 |
CN101408502A (zh) * | 2008-10-14 | 2009-04-15 | 浙江大学 | 便携式植物土壤养分快速测试仪 |
CN101881725A (zh) * | 2010-06-11 | 2010-11-10 | 浙江大学 | 基于反射光谱的大棚作物生长状况自动监测*** |
CN101915738A (zh) * | 2010-06-23 | 2010-12-15 | 江苏大学 | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 |
CN102334422A (zh) * | 2010-07-27 | 2012-02-01 | 中国农业科学院蔬菜花卉研究所 | 基于机器视觉的蔬菜叶部病害实时诊断方法与*** |
CN102525481A (zh) * | 2011-12-14 | 2012-07-04 | 山东大学 | 一种基于近红外光谱的人体内酒精含量检测方法及*** |
CN102564962A (zh) * | 2011-12-07 | 2012-07-11 | 北京农业智能装备技术研究中心 | 果树营养成分检测***及方法 |
CN105651728A (zh) * | 2016-01-14 | 2016-06-08 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
CN207675640U (zh) * | 2018-01-18 | 2018-07-31 | 农业部食物与营养发展研究所 | 一种农产品营养品质检测光谱仪 |
CN210090302U (zh) * | 2019-05-10 | 2020-02-18 | 南京林业大学 | 基于近红外光谱银杏叶黄酮含量无损检测的图像获取装置 |
-
2023
- 2023-10-16 CN CN202311336031.XA patent/CN117269108B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101074926A (zh) * | 2007-06-12 | 2007-11-21 | 浙江大学 | 可见和近红外光谱的植物叶片或冠层灰霉病诊断方法与*** |
CN101408502A (zh) * | 2008-10-14 | 2009-04-15 | 浙江大学 | 便携式植物土壤养分快速测试仪 |
CN101403741A (zh) * | 2008-10-20 | 2009-04-08 | 中国科学院合肥物质科学研究院 | 基于多光谱的植物叶片数字信息采集与自动识别***及其识别方法 |
CN101403689A (zh) * | 2008-11-20 | 2009-04-08 | 北京航空航天大学 | 一种植物叶片生理指标无损检测方法 |
CN101881725A (zh) * | 2010-06-11 | 2010-11-10 | 浙江大学 | 基于反射光谱的大棚作物生长状况自动监测*** |
CN101915738A (zh) * | 2010-06-23 | 2010-12-15 | 江苏大学 | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 |
CN102334422A (zh) * | 2010-07-27 | 2012-02-01 | 中国农业科学院蔬菜花卉研究所 | 基于机器视觉的蔬菜叶部病害实时诊断方法与*** |
CN102564962A (zh) * | 2011-12-07 | 2012-07-11 | 北京农业智能装备技术研究中心 | 果树营养成分检测***及方法 |
CN102525481A (zh) * | 2011-12-14 | 2012-07-04 | 山东大学 | 一种基于近红外光谱的人体内酒精含量检测方法及*** |
CN105651728A (zh) * | 2016-01-14 | 2016-06-08 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
CN207675640U (zh) * | 2018-01-18 | 2018-07-31 | 农业部食物与营养发展研究所 | 一种农产品营养品质检测光谱仪 |
CN210090302U (zh) * | 2019-05-10 | 2020-02-18 | 南京林业大学 | 基于近红外光谱银杏叶黄酮含量无损检测的图像获取装置 |
Also Published As
Publication number | Publication date |
---|---|
CN117269108A (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101574895B1 (ko) | Ft―ir 스펙트럼 데이터의 다변량 통계분석을 이용한 감귤의 당도 및 산도 예측 방법 | |
Gu et al. | Hyperspectral inversion of soil organic matter content in cultivated land based on wavelet transform | |
CN101339117B (zh) | 稻米参数自动测量装置及方法 | |
CN105181611B (zh) | 类球形水果透射高光谱成像无损检测装置 | |
CN109738435B (zh) | 一种荞麦生长监测诊断及产量预测方法 | |
CN108346058A (zh) | 一种中药饮片生产多维动态质量监控***及方法 | |
CN113379769A (zh) | 一种农作物病虫害智能防御平台 | |
Guo et al. | Comparison of laboratory and field remote sensing methods to measure forage quality | |
CN104766152A (zh) | 一种作物病害识别与病情评估装置 | |
CN115063653B (zh) | 基于图像脑敏感数据的建成环境主导色测度方法和*** | |
Bonomelli et al. | Nutritional relationships in bitter pit-affected fruit and the feasibility of Vis-NIR models to determine calcium concentration in ‘Fuji’apples | |
CN106896077B (zh) | 基于叶绿素荧光成像的转基因玉米草甘膦耐受性表型的检测方法 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 | |
CN117269108B (zh) | 近红外光谱透射探测的便携式杜仲叶筛选装置及筛选方法 | |
CN111751347A (zh) | 基于拉曼光谱的白粉病胁迫下大麦叶片色素成像方法 | |
CN221078465U (zh) | 近红外光谱透射探测的便携式杜仲叶筛选装置 | |
CN107121408A (zh) | 食用植物油品种的快速无损鉴别方法 | |
CN105203467B (zh) | 一种通用无损的真菌的生长拟合方法 | |
CN107255624A (zh) | 一种快速简便测定迷力菌子实体中蛋白质含量的方法 | |
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 | |
CN107037039B (zh) | 一种新疆核桃产地溯源研究方法 | |
CN105891130A (zh) | 一种校正不同光谱信息确定物质信息误差的方法 | |
CN108760679A (zh) | 一种基于近红外光谱技术的乌天麻鉴别方 | |
CN113030008B (zh) | 一种蒲黄炭炮制品的近红外在线质量检测方法 | |
CN104374737A (zh) | 一种近红外定性鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |