CN117589696A - 一种果蔬光谱数据处理装置及方法 - Google Patents
一种果蔬光谱数据处理装置及方法 Download PDFInfo
- Publication number
- CN117589696A CN117589696A CN202311438632.1A CN202311438632A CN117589696A CN 117589696 A CN117589696 A CN 117589696A CN 202311438632 A CN202311438632 A CN 202311438632A CN 117589696 A CN117589696 A CN 117589696A
- Authority
- CN
- China
- Prior art keywords
- fruit
- vegetable
- spectral data
- spectral
- spectrum
- 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.)
- Pending
Links
- 235000012055 fruits and vegetables Nutrition 0.000 title claims abstract description 191
- 230000003595 spectral effect Effects 0.000 title claims abstract description 138
- 238000012545 processing Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 65
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 235000013399 edible fruits Nutrition 0.000 claims description 15
- 239000013307 optical fiber Substances 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 7
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000005012 migration Effects 0.000 claims description 3
- 238000013508 migration Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 5
- 235000013311 vegetables Nutrition 0.000 abstract description 3
- 230000001364 causal effect Effects 0.000 abstract description 2
- 101150038956 cup-4 gene Proteins 0.000 description 6
- 230000001678 irradiating effect Effects 0.000 description 5
- 238000002834 transmittance Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005457 Black-body radiation Effects 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001953 sensory effect Effects 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
-
- 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
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种果蔬光谱数据处理装置及方法，属于光谱识别技术领域。针对现有技术中存在的光谱设备受限于温度、光线、穿透率等影响无法彻底解决果蔬内部识别等问题，本发明将光谱仪安装在恒温设备中，从而使得光谱仪不受外界环境的影响能够获取更加精确的果蔬光谱数据，显著提高果蔬光谱数据处理装置的检测精度。同时，通过对果蔬光谱数据进行预处理，对预处理后的果蔬光谱数据进行光谱降噪得到校正后的果蔬光谱数据，对校正后的果蔬光谱数据进行迁移率计算，使用迁移率代替果蔬光谱数据，能够消除光谱仪暗噪声的影响，排除因果蔬光谱数据处理装置自身导致的误差，提高果蔬光谱数据的精确度和可靠性，实现果蔬光谱数据的可迁移性和通用性。
Description
技术领域
本发明涉及光谱识别技术领域，更具体地说，涉及一种果蔬光谱数据处理装置及方法。
背景技术
目前农产品的新鲜度检测对于流通过程中质量控制具有重要的意义，其中由于果蔬的代谢旺盛，容易在短时间内营养流失导致萎蔫、腐烂，进而产生对人体健康有害的残留物质，因此开展果蔬新鲜度的检测和评价尤为重要。但目前我国果蔬生产、流通与销售大多依靠人的肉眼判断，而人的实际经验、感官能力和标准差异较大，对果蔬新鲜度的标准等级缺乏一致性。
现有的分选设备行业产品逐渐完善，随着果蔬产品的增多，面临的挑战更大，传统针对果蔬外表进行区分无法满足部分行业需求，光谱设备的出现使得该问题有望解决。光谱分选设备是一种利用物质对不同波长的光谱能量吸收、反射和发射特性进行鉴别和分析的仪器。虽然理论上光谱设备可以解决果蔬内部识别，但是受限于温度、光线、穿透率等影响，现有的光谱设备无法彻底解决果蔬内部识别问题。
经检索，中国专利申请，申请号202110151497.7，公开日2021年6月18日，公开了一种基于近红外光谱的果蔬优选分拣方法、***及可读存储介质。该方法通过光源照射待分拣果蔬，采集待分拣果蔬的光谱信息，并将获取的光谱信息进行预处理，引入果蔬辨别模型；根据果蔬辨别模型得到预测缺陷类别值，将所述的预测缺陷类别值与预设缺陷类别值进行比较，得到偏差率；判断所述偏差率是否大于预设偏差率阈值，根据判断结果信息判别待分拣果蔬中有物理损伤和有虫害的果蔬，以实现优选分拣。但是该方法并未考虑到光源在照射待分拣果蔬时受限于温度、光线、穿透率等影响无法彻底解决果蔬内部识别、分拣等问题。
发明内容
1.要解决的技术问题
针对现有技术中存在的光谱设备受限于温度、光线、穿透率等影响无法彻底解决果蔬内部识别等问题，本发明提供了一种果蔬光谱数据处理装置及方法，可以有效避免光谱设备获取的果蔬光谱数据受到外界环境影响，提高果蔬光谱识别的准确度和灵敏度。
2.技术方案
本发明的目的通过以下技术方案实现。
一种果蔬光谱数据处理装置，包括传送带，设置在传送带上的光谱采集设备，光谱采集设备的一端连接光路通道，光路通道固定安装在传送带上；在光路通道中设置光纤，光纤的一端连接接收器，接收器的另一端连接恒温设备，在恒温设备中安装有光谱仪。
进一步地，在光谱采集设备中设置果杯，果杯的一端与光路通道连接。
进一步地，在果杯的上方还设置有光源。
一种果蔬光谱数据处理方法，包括以下步骤：
构建一种果蔬光谱数据处理装置；
设置恒温设备的温度恒定，连通光源，光源照射果杯中的果蔬，通过光谱仪获取果蔬光谱数据；
对果蔬光谱数据进行预处理，对预处理后的果蔬光谱数据进行光谱降噪得到校正后的果蔬光谱数据；
对校正后的果蔬光谱数据进行迁移率计算。
进一步地，对校正后的果蔬光谱数据进行迁移率计算的计算公式为：
其中，λ迁表示迁移率，λ穿表示穿过果蔬后的光谱，λ未表示未穿过果蔬的光谱，λ0表示光谱仪在未接收到光信号时的光谱。
进一步地，对获取的果蔬光谱数据进行预处理包括暗噪声处理、零均值标准化处理。
进一步地，对获取的果蔬光谱数据进行暗噪声处理的步骤包括：采集未连通光源的无光时果蔬光谱数据；采集连通光源后的实际果蔬光谱数据；通过实际果蔬光谱数据减去无光时果蔬光谱数据实现暗噪声处理。
进一步地，对获取的果蔬光谱数据进行零均值标准化处理的计算公式为：
(X-Mean)/SD
其中，X表示不同的果蔬光谱数据，Mean表示不同的果蔬光谱数据的均值，SD表示不同的果蔬光谱数据的标准差。
进一步地，对预处理后的果蔬光谱数据进行滑动均值滤波处理得到降噪后的果蔬光谱数据。
进一步地，将降噪后的果蔬光谱数据通过拟合残差计算得到校正后的果蔬光谱数据，计算公式为：
R(x)＝O(x)-P(x)
其中，R(x)表示果蔬光谱数据差值，O(x)表示原始果蔬光谱数据，P(x)表示拟合果蔬光谱数据，DEV表示残差，R1表示第一次获取到的果蔬光谱数据差值，R2表示第二次获取到的果蔬光谱数据差值，Rn表示第n次获取到的果蔬光谱数据差值，表示所有获取到的果蔬光谱数据差值的均值，n表示自然数。
3.有益效果
相比于现有技术，本发明的优点在于：
(1)本发明的一种果蔬光谱数据处理装置，将光谱仪安装在恒温设备中，从而使得光谱仪不受外界温度、光线、穿透率等影响能够获取更加精确的果蔬光谱数据，显著提高果蔬光谱数据处理装置的检测精度。
(2)本发明的一种果蔬光谱数据处理方法，通过对果蔬光谱数据进行预处理，对预处理后的果蔬光谱数据进行光谱降噪得到校正后的果蔬光谱数据，对校正后的果蔬光谱数据进行迁移率计算，使用迁移率代替果蔬光谱数据，能够消除光谱仪暗噪声的影响，从而排除因果蔬光谱数据处理装置自身导致的误差，提高果蔬光谱数据的精确度和可靠性，实现果蔬光谱数据的可迁移性和通用性。
附图说明
图1为本发明实施例果蔬光谱数据处理装置结构示意图；
图2为本发明实施例初期未进行暗噪声处理的果蔬光谱数据。
图中标号说明：1、传送带；2、光谱采集设备；3、光源；4、果杯；5、光路通道；6、光纤；7、接收器；8、光谱仪；9、恒温设备。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
实施例
如图1所示，为本实施例提供的一种果蔬光谱数据处理装置，包括传送带1和设置在传送带1上的光谱采集设备2，光谱采集设备2中设置有光源3和果杯4。在光谱采集设备2一端连接有光路通道5，光路通道5固定安装在传送带1上。在光路通道5中设置有光纤6，光纤6的一端连接有接收器7，接收器7的另一端连接有恒温设备9，在恒温设备9中安装有光谱仪8，光谱仪8用于获取果蔬光谱数据。在光谱采集设备2中，果杯4的一端与光路通道5连接，果杯4用于放置果蔬；光源3设置在果杯4的上方，光源3用于照射果蔬。由此，本实施例提供的一种果蔬光谱数据处理装置，将光谱仪8安装在恒温设备9中，通过恒温设备9保证光谱仪8在获取果蔬光谱数据时不易受到外界温度、光线、穿透率等影响，能够有效提高果蔬光谱数据处理的精度。需要说明的是，本实施例中所使用的恒温设备9为环境温度稳定的容器，通过恒温设备9可以有效地降低热噪音的影响，使得光谱仪8能够获取更加精确的果蔬光谱数据，显著提高果蔬光谱数据处理装置的检测精度。
本实施例还提供一种果蔬光谱数据处理方法，包括以下步骤：构建上述的一种果蔬光谱数据处理装置；设置恒温设备9的温度恒定，连通光源3，光源3照射果杯4中的果蔬，通过光谱仪8获取果蔬光谱数据；对果蔬光谱数据进行预处理，对预处理后的果蔬光谱数据进行光谱降噪得到校正后的果蔬光谱数据；对校正后的果蔬光谱数据进行迁移率计算。
具体到本实施例中，首先构建上述所述的一种果蔬光谱数据处理装置，将果蔬放置在果杯4中，设置恒温设备9的温度恒定，从而保证果蔬光谱数据处理装置在获取果蔬光谱数据时不易受到外界温度的影响，连通光源3，光源3对果蔬进行照射，光路通道5将果蔬照射后的光谱信息通过光纤6传输至接收器7中，接收器7再将获取到的光谱信息传输至光谱仪8中，进而通过光谱仪8获取果蔬光谱数据。进一步地，为了保证果蔬光谱数据的可迁移性，在光谱仪8使用时需要对获取的果蔬光谱数据进行预处理，进而获得穿透率。本实施例中，对果蔬光谱数据进行预处理包括暗噪声处理和零均值标准化处理。对果蔬光谱数据进行暗噪声处理的步骤包括：采集未连通光源3的无光时果蔬光谱数据；采集连通光源3后的实际果蔬光谱数据；通过实际果蔬光谱数据减去无光时果蔬光谱数据进而实现暗噪声处理。如图2所示，为初期未进行暗噪声处理的果蔬光谱数据，果蔬光谱数据的起点数值很高，由此，对果蔬光谱数据进行暗噪声处理后可以消除暗噪声，避免出现暗噪声叠加进果蔬光谱数据造成果蔬光谱数据处理不准确的问题。对获取的果蔬光谱数据进行零均值标准化处理从而实现归一化，其计算公式为：
(X-Mean)/SD
其中，X表示不同的果蔬光谱数据，Mean表示不同的果蔬光谱数据的均值，SD表示不同的果蔬光谱数据的标准差。
进一步地，对预处理后的果蔬光谱数据进行滑动均值滤波处理得到降噪后的果蔬光谱数据。具体地，设定一个滑动窗口，将滑动窗口沿着光谱向量平移，逐一求取滑动窗口内元素的均值，通过求取的滑动窗口内元素的均值替代原始果蔬光谱中窗口中心位置处的元素，即可得到降噪后的果蔬光谱数据。需要说明的是，本实施例中，也可使用滑动中值滤波，即采用一个滑动窗口沿着光谱向量平移，逐一求取滑动窗口内元素的中值，通过求取的滑动窗口内元素的中值替代原始果蔬光谱中窗口中心位置处的元素，即可得到降噪后的果蔬光谱数据。需要说明的是，在实际应用过程中，获取果蔬光谱数据时会受到荧光背景、样品及周围环境的黑体辐射等影响，导致果蔬光谱数据的基线产生，果蔬光谱数据的基线表现为缓慢变化曲线，由此需要进行基线校正。本实施例中，采用多项式拟合法将降噪后的果蔬光谱数据通过拟合残差计算得到校正后的果蔬光谱数据，计算公式为：
R(x)＝O(x)-P(x)
其中，R(x)表示果蔬光谱数据差值，O(x)表示原始果蔬光谱数据，P(x)表示拟合果蔬光谱数据，DEV表示残差，R1表示第一次获取到的果蔬光谱数据差值，R2表示第二次获取到的果蔬光谱数据差值，Rn表示第n次获取到的果蔬光谱数据差值，表示所有获取到的果蔬光谱数据差值的均值，n表示自然数。
需要说明的是，由于同型号的光谱仪8之间也会存在差异，因此，在相同实验环境下，使用同型号的光谱仪8获取果蔬光谱数据时，采集到的果蔬光谱数据也会不同。此外，暗噪声的影响也会使得同型号的光谱仪8获取的果蔬光谱数据不同，而通过迁移率计算则可以消除暗噪声的影响。由此，本实施例中，对校正后的果蔬光谱数据进行迁移率计算，计算公式为：
其中，λ迁表示迁移率，λ穿表示穿过果蔬后的光谱，λ未表示未穿过果蔬的光谱，λ0表示光谱仪8在未接收到光信号时的光谱。由此，通过迁移率计算可以实现同型号的光谱仪8的果蔬光谱数据特征量一致，消除暗噪声的影响，也可以进一步消除光谱仪8个体间的差异，实现在单台光谱仪8上获取的果蔬光谱数据能够应用到其同型号的光谱仪8上。
由此，本实施例提供的一种果蔬光谱数据处理方法，使用迁移率代替果蔬光谱数据，能够消除光谱仪8暗噪声的影响，从而排除因光谱仪8自身导致的误差，提高果蔬光谱数据的精确度和可靠性，实现果蔬光谱数据的可迁移性和通用性。
以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，在不背离本发明的精神或者基本特征的情况下，能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此，权利要求中的任何附图标记不应限制所涉及的权利要求。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。此外，“包括”一词不排除其他元件或步骤，在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (10)
1.一种果蔬光谱数据处理装置，其特征在于，包括传送带(1)，设置在传送带(1)上的光谱采集设备(2)，光谱采集设备(2)的一端连接光路通道(5)，光路通道(5)固定安装在传送带(1)上；在光路通道(5)中设置光纤(6)，光纤(6)的一端连接接收器(7)，接收器(7)的另一端连接恒温设备(9)，在恒温设备(9)中安装有光谱仪(8)。
2.根据权利要求1所述的一种果蔬光谱数据处理装置，其特征在于，在光谱采集设备(2)中设置果杯(4)，果杯(4)的一端与光路通道(5)连接。
3.根据权利要求2所述的一种果蔬光谱数据处理装置，其特征在于，在果杯(4)的上方还设置有光源(3)。
4.一种果蔬光谱数据处理方法，包括以下步骤：
构建基于权利要求1-3任一所述的一种果蔬光谱数据处理装置；
设置恒温设备(9)的温度恒定，连通光源(3)，光源(3)照射果杯(4)中的果蔬，通过光谱仪(8)获取果蔬光谱数据；
对果蔬光谱数据进行预处理，对预处理后的果蔬光谱数据进行光谱降噪得到校正后的果蔬光谱数据；
对校正后的果蔬光谱数据进行迁移率计算。
5.根据权利要求4所述的一种果蔬光谱数据处理方法，其特征在于，对校正后的果蔬光谱数据进行迁移率计算的计算公式为：
其中，λ迁表示迁移率，λ穿表示穿过果蔬后的光谱，λ未表示未穿过果蔬的光谱，λ0表示光谱仪(8)在未接收到光信号时的光谱。
6.根据权利要求5所述的一种果蔬光谱数据处理方法，其特征在于，对获取的果蔬光谱数据进行预处理包括暗噪声处理、零均值标准化处理。
7.根据权利要求6所述的一种果蔬光谱数据处理方法，其特征在于，对获取的果蔬光谱数据进行暗噪声处理的步骤包括：采集未连通光源(3)的无光时果蔬光谱数据；采集连通光源(3)后的实际果蔬光谱数据；通过实际果蔬光谱数据减去无光时果蔬光谱数据实现暗噪声处理。
8.根据权利要求7所述的一种果蔬光谱数据处理方法，其特征在于，对获取的果蔬光谱数据进行零均值标准化处理的计算公式为：
(X-Mean)/SD
其中，X表示不同的果蔬光谱数据，Mean表示不同的果蔬光谱数据的均值，SD表示不同的果蔬光谱数据的标准差。
9.根据权利要求8所述的一种果蔬光谱数据处理方法，其特征在于，对预处理后的果蔬光谱数据进行滑动均值滤波处理得到降噪后的果蔬光谱数据。
10.根据权利要求9所述的一种果蔬光谱数据处理方法，其特征在于，将降噪后的果蔬光谱数据通过拟合残差计算得到校正后的果蔬光谱数据，计算公式为：
R(x)＝O(x)-P(x)
其中，R(x)表示果蔬光谱数据差值，O(x)表示原始果蔬光谱数据，P(x)表示拟合果蔬光谱数据，DEV表示残差，R1表示第一次获取到的果蔬光谱数据差值，R2表示第二次获取到的果蔬光谱数据差值，Rn表示第n次获取到的果蔬光谱数据差值，表示所有获取到的果蔬光谱数据差值的均值，n表示自然数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438632.1A CN117589696A (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬光谱数据处理装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438632.1A CN117589696A (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬光谱数据处理装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117589696A true CN117589696A (zh) | 2024-02-23 |
Family
ID=89912432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311438632.1A Pending CN117589696A (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬光谱数据处理装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117589696A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006170669A (ja) * | 2004-12-13 | 2006-06-29 | Mitsui Mining & Smelting Co Ltd | 青果物の品質検査装置 |
| CN103674854A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于联合区间偏最小二乘判别分析的苹果分级方法 |
| CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测***及方法 |
| CN104406693A (zh) * | 2014-11-13 | 2015-03-11 | 浙江大学 | 一种田间水果的可见与近红外光谱采集装置与方法 |
| CN106841103A (zh) * | 2017-03-01 | 2017-06-13 | 沈阳农业大学 | 近红外光谱检测水果内部品质方法及专用检测*** |
| CN108287137A (zh) * | 2017-12-22 | 2018-07-17 | 必欧瀚生物技术（合肥）有限公司 | 一种基于分段多项式拟合的基线校正方法 |
| CN111044466A (zh) * | 2019-12-27 | 2020-04-21 | 吉林求是光谱数据科技有限公司 | 果蔬新鲜度的光谱检测***及检测方法 |
| CN111999293A (zh) * | 2020-07-03 | 2020-11-27 | 中国农业大学 | 一种果蔬新鲜度检测及评价方法 |
-
2023
- 2023-10-31 CN CN202311438632.1A patent/CN117589696A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006170669A (ja) * | 2004-12-13 | 2006-06-29 | Mitsui Mining & Smelting Co Ltd | 青果物の品質検査装置 |
| CN103674854A (zh) * | 2013-12-05 | 2014-03-26 | 江苏大学 | 一种基于联合区间偏最小二乘判别分析的苹果分级方法 |
| CN104251837A (zh) * | 2014-10-17 | 2014-12-31 | 北京农业智能装备技术研究中心 | 水果内部品质近红外透射光谱在线检测***及方法 |
| CN104406693A (zh) * | 2014-11-13 | 2015-03-11 | 浙江大学 | 一种田间水果的可见与近红外光谱采集装置与方法 |
| CN106841103A (zh) * | 2017-03-01 | 2017-06-13 | 沈阳农业大学 | 近红外光谱检测水果内部品质方法及专用检测*** |
| CN108287137A (zh) * | 2017-12-22 | 2018-07-17 | 必欧瀚生物技术（合肥）有限公司 | 一种基于分段多项式拟合的基线校正方法 |
| CN111044466A (zh) * | 2019-12-27 | 2020-04-21 | 吉林求是光谱数据科技有限公司 | 果蔬新鲜度的光谱检测***及检测方法 |
| CN111999293A (zh) * | 2020-07-03 | 2020-11-27 | 中国农业大学 | 一种果蔬新鲜度检测及评价方法 |
Non-Patent Citations (3)
| Title |
|---|
| 代芬 等: "基于光谱技术的砂糖橘品质无损检测方法研究", 中国农业工程学会2011年学术年会论文集, 22 October 2011 (2011-10-22), pages 1646 - 1652 * |
| 李栋等: "油田含聚污水光谱特性及其组分光学测量技术", vol. 1, 31 January 2022, 哈尔滨工业大学, pages: 57 * |
| 李江波 等: "图谱分析技术在农产品质量和安全评估中的应用", vol. 1, 31 March 2021, 武汉大学出版社, pages: 45 - 47 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Manley et al. | Spectroscopic technique: Near infrared (NIR) spectroscopy | |
| US10458908B2 (en) | System and method for qualifying plant material | |
| dos Santos Costa et al. | Development of predictive models for quality and maturation stage attributes of wine grapes using vis-nir reflectance spectroscopy | |
| Leiva-Valenzuela et al. | Assessment of internal quality of blueberries using hyperspectral transmittance and reflectance images with whole spectra or selected wavelengths | |
| Patz et al. | Application of FT-MIR spectrometry in wine analysis | |
| Flores et al. | Feasibility in NIRS instruments for predicting internal quality in intact tomato | |
| Magwaza et al. | Assessment of rind quality of ‘Nules Clementine’mandarin fruit during postharvest storage: 2. Robust Vis/NIRS PLS models for prediction of physico-chemical attributes | |
| Khodabakhshian et al. | Non-destructive evaluation of maturity and quality parameters of pomegranate fruit by visible/near infrared spectroscopy | |
| US20020011567A1 (en) | Apparatus and method and techniques for measuring and correlating characteristics of fruit with visible/near infra-red spectrum | |
| Zhou et al. | Nondestructive detection of blackheart in potato by visible/near infrared transmittance spectroscopy | |
| Shen et al. | On‐line discrimination of storage shelf‐life and prediction of post‐harvest quality for strawberry fruit by visible and near infrared spectroscopy | |
| Li et al. | Calibration transfer between developed portable Vis/NIR devices for detection of soluble solids contents in apple | |
| Hadiwijaya et al. | Rapid and non-destructive prediction of total soluble solids of guava fruits at various storage periods using handheld near-infrared instrument | |
| Cruz et al. | Nondestructive simultaneous prediction of internal browning disorder and quality attributes in ‘Rocha’pear (Pyrus communis L.) using VIS-NIR spectroscopy | |
| CN104990895B (zh) | 一种基于局部区域的近红外光谱信号标准正态校正方法 | |
| Khodabakhshian et al. | A comparative study of reflectance and transmittance modes of Vis/NIR spectroscopy used in determining internal quality attributes in pomegranate fruits | |
| Zheng et al. | Self-adaptive models for predicting soluble solid content of blueberries with biological variability by using near-infrared spectroscopy and chemometrics | |
| Xu et al. | Research on nondestructive identification of grape varieties based on EEMD‐DWT and hyperspectral image | |
| Arendse et al. | Comparing the analytical performance of near and mid infrared spectrometers for evaluating pomegranate juice quality | |
| Xia et al. | Effect of fruit moving speed on online prediction of soluble solids content of apple using Vis/NIR diffuse transmission | |
| Noypitak et al. | Evaluation of astringency and tannin content in ‘Xichu’persimmons using near infrared spectroscopy | |
| Chen et al. | Rapid and simultaneous analysis of multiple wine quality indicators through near-infrared spectroscopy with twice optimization for wavelength model | |
| CN111157484A (zh) | 用于水果糖度检测设备的近红外光谱模型传递方法 | |
| Hao et al. | Study on robust model construction method of multi-batch fruit online sorting by near-infrared spectroscopy | |
| Qi et al. | Rapid and non-destructive determination of soluble solid content of crown pear by visible/near-infrared spectroscopy with deep learning regression |
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 |