CN106018320B - 一种基于近红外光谱分析的类胡萝卜素检测方法 - Google Patents
一种基于近红外光谱分析的类胡萝卜素检测方法 Download PDFInfo
- Publication number
- CN106018320B CN106018320B CN201510700554.7A CN201510700554A CN106018320B CN 106018320 B CN106018320 B CN 106018320B CN 201510700554 A CN201510700554 A CN 201510700554A CN 106018320 B CN106018320 B CN 106018320B
- Authority
- CN
- China
- Prior art keywords
- sample
- carrot
- carotenoid
- detection method
- tested
- 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
- 235000021466 carotenoid Nutrition 0.000 title claims abstract description 35
- 150000001747 carotenoids Chemical class 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000002329 infrared spectrum Methods 0.000 title claims description 14
- 244000000626 Daucus carota Species 0.000 claims abstract description 48
- 235000002767 Daucus carota Nutrition 0.000 claims abstract description 48
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000003595 spectral effect Effects 0.000 claims abstract description 27
- 239000000523 sample Substances 0.000 claims description 62
- 238000004611 spectroscopical analysis Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010257 thawing Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000010238 partial least squares regression Methods 0.000 claims description 5
- 238000002203 pretreatment Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000008014 freezing Effects 0.000 claims 1
- 238000007710 freezing Methods 0.000 claims 1
- 239000000155 melt Substances 0.000 claims 1
- UPYKUZBSLRQECL-UKMVMLAPSA-N Lycopene Natural products CC(=C/C=C/C=C(C)/C=C/C=C(C)/C=C/C1C(=C)CCCC1(C)C)C=CC=C(/C)C=CC2C(=C)CCCC2(C)C UPYKUZBSLRQECL-UKMVMLAPSA-N 0.000 abstract description 8
- 235000005473 carotenes Nutrition 0.000 abstract description 8
- NCYCYZXNIZJOKI-UHFFFAOYSA-N vitamin A aldehyde Natural products O=CC=C(C)C=CC=C(C)C=CC1=C(C)CCCC1(C)C NCYCYZXNIZJOKI-UHFFFAOYSA-N 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 5
- -1 carotene carotene Chemical class 0.000 abstract description 5
- 238000010183 spectrum analysis Methods 0.000 abstract description 3
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 238000002835 absorbance Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000004566 IR spectroscopy Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 241000208175 Daucus Species 0.000 description 1
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241000220324 Pyrus Species 0.000 description 1
- 241000219061 Rheum Species 0.000 description 1
- 229920002472 Starch Polymers 0.000 description 1
- 150000004056 anthraquinones Chemical class 0.000 description 1
- 230000003266 anti-allergic effect Effects 0.000 description 1
- 230000001093 anti-cancer Effects 0.000 description 1
- 235000009120 camo Nutrition 0.000 description 1
- 244000213578 camo Species 0.000 description 1
- 229920002678 cellulose Polymers 0.000 description 1
- 239000001913 cellulose Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000019441 ethanol Nutrition 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 235000012041 food component Nutrition 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 208000018934 joint symptom Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 235000021017 pears Nutrition 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 150000003254 radicals Chemical class 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000008107 starch Substances 0.000 description 1
- 235000019698 starch Nutrition 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 210000001835 viscera Anatomy 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
- G01N2021/3572—Preparation of samples, e.g. salt matrices
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
本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量的近红外光谱分析方法,该方法利用近红外光谱仪和光谱采集软件对样品进行光谱采集，采集偏距控制在中心进行采集，获得较为准确和更具代表性的光谱信息.利用光谱分析技术在检测平台上，可实现胡萝卜中类胡萝卜素含量的无损检测。本发明的优点是能够快速、即时、无损的来获取胡萝卜中类胡萝卜素含量，检测方法专属性、针对性强，结果准确可靠；精密度良好；稳定性良好；重复性好；准确度高；处理效率高，社会效益明显。
Description
技术领域
本发明属于农产品光谱分析、检测领域，涉及一种用紫外可见分光光度法来测定物质含量的方法, 具体是一种类胡萝卜素含量的测定方法，特别是一种测定胡萝卜中类胡萝卜素含量的测定方法。
背景技术
胡萝卜属伞形科二年生草本植物,以肉质根供食用和药用,适应性广,产量高,种植历史悠久。胡萝卜含有多种营养成分,营养价值非常高,享有“小人参”的美誉。
胡萝卜因其富含类胡萝卜素，尤其b-胡萝卜素而成为食药两用的重要原料[范积平,张贞良,张柳瑛等．近红外光谱法测定药用大黄中4种蒽醌类成分[J]．第二军医大学学报,2005,26(10):1194-1195.]。《本草纲目》记载:胡萝卜有“下气、补中、利肠胃、安五脏”之功效，还有“强心、降压、抗过敏、明目、抗癌”等作用。现代医学研究表明：以胡萝卜为原料加工成的产品，可以清除体内的氧自由基、抗御自由基引起的内源性损伤，缓解关节症状，减少突变细胞的发生，降低肿瘤的发生率[孙晓荣,刘翠玲,吴静珠等．基于近红外光谱的淀粉含水量快速检测研究[J]．食品工业科技,2010,31(10):441－442．]。
在胡萝卜中,胡萝卜中类胡萝卜素含量的高低是评价胡萝卜品质优劣的重要指标和开发利用胡萝卜的主要依据。因此,能够快速的、即时的、无损的来获取胡萝卜中类胡萝卜素含量意义重大。目前,胡萝卜类胡萝卜素含量主要依靠破坏性检验方法。整个检测过程不但工作量很大,而且每种参数的测量都要进行不同的实验,导致其分析难以实现快速、准确、无损化。
近红外光谱技术具有多种成分同时分析、测量速度快、测试成本低、样品无需预处理且不会遭到破坏、无需化学试剂等突出特点,堪称“绿色检测技术”,在水果品质检测中得到越来越广泛的应用[秦善知,陈斌,陆道礼,颜辉．基于便携式近红外光谱仪检测梨可溶性固形物的研究[J]．江苏农业科学,2008,42(6):54-59．]。
发明内容
本发明的目的是提供一种能够精确、快速、即时、无损的来获取胡萝卜中类胡萝卜素含量的方法。
本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量的近红外光谱分析方法, 该方法利用USB2000+近红外光谱仪（现有设备）和SpectraSuite光谱采集软件（现有技术软件）对样品进行光谱采集，将探距控制在15~35mm之间，胡萝卜片厚度控制在2-3mm，采集偏距控制在中心进行采集，获得较为准确和更具代表性的光谱信息，利用光谱分析技术在检测平台上，可实现胡萝卜中类胡萝卜素含量的无损检测。
采用的技术方案是：
一种基于近红外光谱分析的类胡萝卜素检测方法。该方法处理过程包括待测样品的预处理、光谱信息的采集、光谱数据的整理、回归模型的建立、预测模型的建立以及校正、预测值的分析与显示，具体操作步骤如下：
（1）待测样品的预处理：对待测样品平均分为3组进行预处理，常温放置处理（室温21℃，保持与其他样本放置时间一致），冰箱进行冻融处理（-20℃左右进行冻融30min，常温融化15min，反复三次），微波炉进行软化处理（软化功率为800w，软化时间1min）。
（2）样品的光谱信息采集：
（2.1）扣除环境暗光谱：将分别分组进行不同预处理方法的待测样品至于可见近红外光谱检测平台内、升降台光谱采集区域外。此时将设备连接，待光源温度稳定，发射出的近红外光波段的光强平缓、跳动微小后，得到此时强度光谱曲线。
（2.2）储存参考光谱：扣除暗光谱后将反射参考板放入平台内升降台光谱采集区域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考板位移变化的情况，在光纤探头与参考板距离为15~35mm时的强度光谱作为参考光谱，调节SpectraSuite光谱采集软件的相关参数及设置，包括积分时间100ms，平均次数5，平滑度1，去除暗噪声开启，非线性校正开启，杂散光校正开启；待光谱强度以及反射率曲线适宜，得到样品原始光谱曲线。
（2.3）光谱信息的采集：将反射参考板移出光谱采集区，移入待测样品，调节升降台使得反射参考板与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱反射率、透射率、吸光度的曲线以及txt格式的光谱数据。
（3）鲜胡萝卜中类胡萝卜素含量的标定：进行光谱信息采集完之后，对样品进行切碎（2*2*2mm大小的丁状）、研磨，对样品鲜胡萝卜中类胡萝卜素的含量进行标定，标定方法为已知技术。
（4）光谱数据的预处理和预测模型的建立：
（4.1）对鲜胡萝卜的特征波段进行提取，对光谱数据求一阶倒数，二阶倒数，选择相关度高的540-940nm波段作为特征波段进行实验研究。
将得到的特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理至Unscrambler9.7，将整理后的光谱数据导入至该软件，通过对光谱信息的预处理找到模型综合判定系数最高的建模方法。
（4.2）光谱数据的预处理，胡萝卜中胡萝卜素的最佳光谱数据预处理方法为一阶导数结合多元散射校正（FD+MSC）。
（4.3）回归模型的建立：通过对比分析各种判定参数，包括预处理数据建立的模型的PC数、决定系数R2、校正均方根误差RMSEC、BIAS，选取最优预测模型，再利用软件中偏最小二乘回归的算法工具，对于模型进行最后的修正。
（5）预测值的分析与显示：先将预测模型导入至Unscrambler9.7中，此时会要求选择主成分数，填入的主成分数为利用偏最小二乘回归的算法工具对预测模型修正后的最佳主成分数。而对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在完成数据输入、模型载入后可完成待测样品品质的预测以及预测数值的读取。
本发明具有如下优点：
本发明公开了一种胡萝卜素含量的测定方法，具体是一种胡萝卜中类胡萝卜素含量的近红外光谱分析方法。目前,胡萝卜类胡萝卜素含量主要依靠破坏性检验方法，整个检测过程不但工作量很大,而且每种参数的测量都要进行不同的实验,导致其分析难以实现快速、准确、无损化。与现有技术比较，本发明的优点是能够快速、即时、无损的来获取胡萝卜中类胡萝卜素含量，检测方法专属性、针对性强，结果准确可靠；精密度良好；稳定性良好；重复性好；准确度高；处理效率高，社会效益明显。
本发明发明了可见/近红外光谱定量检测胡萝卜素新方法，确定540-940nm为胡萝卜素信息关键响应区，建立了胡萝卜素特征信息提取新方法。
附图说明
图1为采用本方明方法预测集样本真实值与预测值对应散点图。
图2为采用本方明方法类胡萝卜素预测集样本残差分布散点图。
具体实施方式
下面结合具体实施例对本发明作进一步阐述，但本发明并不限于以下实施例。所述方法如无特别说明均为常规方法。所述原料如无特别说明均能从公开商业途径而得。下述实施例每步骤的数据处理均由挪威CAMO 公司出售的化学计量软件The Unscrambler9.7中完成。
一种基于近红外光谱分析的类胡萝卜素检测方法，包括下列步骤：
（1）待测样品的预处理：试验材料选用胡萝卜品种为红芯四号，共12根，鲜胡萝卜的平均湿基含水率为90 %。选胡萝卜中间部分，通过切片机加工处理控制在2-3mm的胡萝卜片，以10g为标准进行分组，共12*3=36个样本组，其中随机挑选30作为试验集样本；另外6个作为预测集样本。对待测样品平均分为3组进行预处理，常温放置处理（室温21℃，保持与其他样本放置时间一致），冰箱进行冻融处理（-20℃左右进行冻融30min，常温融化15min，反复三次），微波炉进行软化处理（软化功率为800w，软化时间1min）。
（2）样品的光谱信息采集：
（2.1）扣除环境暗光谱：将分别分组进行不同预处理方法的待测样品至于可见近红外光谱检测平台内、升降台光谱采集区域外。此时将设备连接，接通电源，将光源预热20min，待光源温度稳定，发射出的近红外光波段的光强平缓、跳动微小后，得到此时强度光谱曲线。
（2.2）储存参考光谱：扣除暗光谱后将反射参考板放入平台内升降台光谱采集区域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考板位移变化的情况，在光纤探头与参考板距离为25mm时的强度光谱作为参考光谱，调节SpectraSuite光谱采集软件相关参数及设置，包括积分时间100ms，平均次数5，平滑度1，去除暗噪声开启，非线性校正开启，杂散光校正开启，待光谱强度以及反射率曲线适宜，得到样品原始光谱曲线。
将被检测的胡萝卜样本置于参考板调节标记的位置，调节光纤探头使探头照射在胡萝卜中心位置，待谱图稳定后储存其反射率的光谱数据。通过随机选取样本组分别采集6次，并分别保存，最后将6个光谱数据的平均值作为该胡萝卜最终的光谱信息。
（2.3）光谱信息的采集：将反射参考板移出光谱采集区，移入待测样品，调节升降台使得反射参考板与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱反射率、透射率、吸光度曲线以及txt格式的光谱数据。
（3）鲜胡萝卜中类胡萝卜素含量的标定：进行光谱信息采集完之后，对样品进行切碎（2*2*2mm大小的丁状）、研磨，对样品鲜胡萝卜中类胡萝卜素的含量进行标定。将预处理以及采集完光谱密封保存的样本放于50ml的具塞量筒中，先加入10ml 95%乙醇进行萃取，于暗处放置5min，然后搅拌2min，再放入暗处放置5min，然后搅拌1min，采用真空过滤机进行过滤，留下滤渣；再加入20ml石油醚进行萃取，同样采用暗处放置和搅拌进行萃取，之后将萃取液混合。以蒸馏水作为空白，用3mm的比色皿，在430nm-490nm波长内测定吸光度，以波长为横坐标，吸光度为纵坐标，绘制图表，发现在450-464nm内吸光度达到最大值，拟采用460为选定波长。分别对所得萃取液进行吸光度和浓度测定，每次测定进行两次，然后取平均值。
（4）光谱数据的预处理和预测模型的建立：
（4.1）对鲜胡萝卜的特征波段进行提取，对光谱数据求一阶倒数，二阶倒数，选择相关度高的540-940nm波段作为特征波段进行实验研究。
将得到的特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理Excel表格中，打开化学计量软件Unscrambler9.7，将整理后的光谱数据Excel导入至该软件，通过对光谱信息的预处理找到模型综合判定系数最高的建模方法。
（4.2）光谱数据的预处理，其预处理方法包括：多元校正散射（MSC）、标准化（Normalize）、平滑、归一法、求导和不对光谱做任何处理，胡萝卜中胡萝卜素的最佳光谱数据预处理方法为一阶导数结合多元散射校（FD+MSC）。
（4.3）回归模型的建立：通过对比分析相关判定参数，包括各种预处理数据建立的模型的PC数、决定系数R2、校正均方根误差RMSEC、BIAS，选取最优预测模型，再利用软件中偏最小二乘回归的算法工具，对于模型进行最后的修正。
胡萝卜类胡萝卜素数据预处理方法统计表：
（5）预测值的分析与显示：先将预测模型导入至Unscrambler9.7中，此时会要求选择主成分数，填入的主成分数为利用偏最小二乘回归的算法工具对预测模型修正后的最佳主成分数。而对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在完成数据输入、模型载入后可完成待测样品品质的检测以及数值的读取。
Claims (8)
1.一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于包括下列步骤：
(1)待测样品的预处理：所有待测样品分为3组，分别进行常温放置处理，冰箱冻融处理和微波炉软化处理；
(2)样品的光谱信息采集：
(2.1)扣除环境暗光谱，开启光源，待光源温度稳定，发射出的近红外光波段的光强平缓、跳动微小后，得到此时强度光谱曲线；
(2.2)储存参考光谱：扣除暗光谱后将反射参考板放入光谱采集区域中，进行参考光谱的测定，在光线照射区域内移动反射参考板，观察光谱强度曲线随参考板位移变化的情况，待光谱强度以及反射率曲线适宜，得到原始参考光谱曲线；
(2.3)光谱信息的采集：将反射参考板移出光谱采集区，移入待测样品，调节待测样品位置使得待测样品与光纤探头距离与上步骤相同、保持其他参数不变，得到样品光谱曲线以及光谱数据；
(3)鲜胡萝卜中类胡萝卜素含量的标定：进行光谱信息采集完之后，对样品鲜胡萝卜中类胡萝卜素的含量进行标定；
(4)光谱数据的预处理和预测模型的建立：对鲜胡萝卜的特征波段进行提取，将得到的特征波段的光谱文本数据和对应样品的类胡萝卜素的含量统一整理至Unscrambler9.7，将整理后的光谱数据导入至该软件，通过对光谱信息的预处理找到模型综合判定系数最高的建模方法，建立预测模型后再利用软件中算法工具，对于模型进行最后的修正；
(5)预测值的显示：利用模型进行预测时，将预测模型导入Unscrambler9.7中，对待测样本的光谱数据预处理办法务必与建立该模型时数据预处理方法相同，在完成数据输入、模型载入后可完成待测样品品质的预测以及预测数值的读取。
2.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(1)中的试验材料所选用的胡萝卜品种为红芯四号，共12根，鲜胡萝卜的平均湿基含水率为90％。
3.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(1)中待测样品的预处理方法包括，选胡萝卜中间部分，通过切片机切片处理胡萝卜样本，胡萝卜片的厚度控制在2-3mm，以10g为标准进行分组，共12*3＝36个样本组，其中随机挑选30个作为试验集样本；另外6个作为预测集样本。
4.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(1)中待测样品的预处理方法包括：冰箱进行冻融处理：在-20℃进行冷冻30min，常温融化15min，反复三次；常温放置处理：在室温21℃，保持与其他样本放置时间一致，微波炉进行软化处理：软化功率为800w，软化时间1min。
5.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(2.3)中，选取样本分别采集光谱信息6次，并分别保存，最后将6个光谱数据的平均值作为该胡萝卜最终的光谱信息。
6.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(4)中鲜胡萝卜特征波段提取方法为对光谱数据求一阶倒数，二阶倒数，选择相关度高的540-940nm波段作为特征波段进行实验研究。
7.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(4)中胡萝卜中胡萝卜素的最佳光谱数据预处理方法为一阶导数结合多元散射校正(FD+MSC)。
8.如权利要求1所述一种基于近红外光谱分析的类胡萝卜素检测方法，其特征在于：所述的步骤(4)中建立的预测模型后利用的软件中算法工具是偏最小二乘回归(PLS)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510700554.7A CN106018320B (zh) | 2015-10-26 | 2015-10-26 | 一种基于近红外光谱分析的类胡萝卜素检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510700554.7A CN106018320B (zh) | 2015-10-26 | 2015-10-26 | 一种基于近红外光谱分析的类胡萝卜素检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106018320A CN106018320A (zh) | 2016-10-12 |
| CN106018320B true CN106018320B (zh) | 2019-02-12 |
Family
ID=57082492
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510700554.7A Expired - Fee Related CN106018320B (zh) | 2015-10-26 | 2015-10-26 | 一种基于近红外光谱分析的类胡萝卜素检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106018320B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107340241A (zh) * | 2017-02-22 | 2017-11-10 | 沈阳农业大学 | 一种基于短波成像光谱技术检测人参皂苷含量的方法 |
| CN107907498A (zh) * | 2017-10-30 | 2018-04-13 | 海南师范大学 | 一种青金桔果粉中β‑胡萝卜素含量的检测方法 |
| 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 |
| CN113640245A (zh) * | 2021-07-15 | 2021-11-12 | 上海理工大学 | 一种检测氮胁迫下雨生红球藻中β-胡萝卜素、虾青素、淀粉的方法 |
| CN115326747B (zh) * | 2022-08-08 | 2024-10-29 | 绿萌科技股份有限公司 | 一种短波近红外检测水果表面腐烂的方法 |
| CN117470804B (zh) * | 2023-11-03 | 2024-09-13 | 北京汉林汇融科技服务有限公司 | 一种基于ai算法的糖类产品近红外检测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059426A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 |
| CN101074927A (zh) * | 2007-06-22 | 2007-11-21 | 浙江大学 | 基于可见和近红外光谱特征波段的水果水心病诊断方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| PT104566B (pt) * | 2009-05-12 | 2013-09-20 | Univ Do Minho | Método e dispositivo de monitorização da produção de uva com espectroscopia uv-vis-swnir |
-
2015
- 2015-10-26 CN CN201510700554.7A patent/CN106018320B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059426A (zh) * | 2007-05-29 | 2007-10-24 | 浙江大学 | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 |
| CN101074927A (zh) * | 2007-06-22 | 2007-11-21 | 浙江大学 | 基于可见和近红外光谱特征波段的水果水心病诊断方法 |
Non-Patent Citations (3)
| Title |
|---|
| 利用高光谱参数反演水稻叶片类胡萝卜素含量;杨杰 等;《植物生态学报》;20101231;第34卷(第7期);第845-854页 |
| 基于近红外高光谱图像的黄瓜叶片色素含量快速检测;邹小波 等;《农业机械学报》;20120531;第43卷(第5期);第153-155页 |
| 货架期线椒内部品质的近红外漫反射光谱检测;潘冰燕 等;《食品与发酵工业》;20150630;第41卷(第6期);第170-173页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106018320A (zh) | 2016-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106018320B (zh) | 一种基于近红外光谱分析的类胡萝卜素检测方法 | |
| CN104048941B (zh) | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 | |
| Sun et al. | Simultaneous measurement of brown core and soluble solids content in pear by on-line visible and near infrared spectroscopy | |
| Ding et al. | A novel NIR spectroscopic method for rapid analyses of lycopene, total acid, sugar, phenols and antioxidant activity in dehydrated tomato samples | |
| Malvandi et al. | Non-destructive measurement and real-time monitoring of apple hardness during ultrasonic contact drying via portable NIR spectroscopy and machine learning | |
| CN106841083A (zh) | 基于近红外光谱技术的芝麻油品质检测方法 | |
| Yang et al. | Portable, visual, and nondestructive detector integrating Vis/NIR spectrometer for sugar content of kiwifruits | |
| CN110646407A (zh) | 一种基于激光诱导击穿光谱技术的水产品中磷元素含量的快速检测方法 | |
| Li et al. | Nondestructive detection of frying times for soybean oil by NIR-spectroscopy technology with Adaboost-SVM (RBF) | |
| Arslan et al. | NIR spectroscopy coupled chemometric algorithms for rapid antioxidants activity assessment of Chinese dates (Zizyphus Jujuba Mill.) | |
| CN106226267B (zh) | 一种辣椒干色价的近红外测定方法 | |
| CN102192891A (zh) | 利用近红外光谱分析技术快速测定木材气干密度 | |
| CN107121408A (zh) | 食用植物油品种的快速无损鉴别方法 | |
| Li et al. | Study on a two‐dimensional correlation visible–near infrared spectroscopy kinetic model for the moisture content of fresh walnuts stored at room temperature | |
| Camps et al. | Determination of artemisinin and moisture content of Artemisia annua L. dry powder using a hand-held near infrared spectroscopy device | |
| CN110231305A (zh) | 一种测定奇亚籽中dpph自由基清除能力的方法 | |
| CN109406447A (zh) | 一种高粱中单宁的近红外检测方法 | |
| CN102645416A (zh) | 一种快速测定蓝莓中花青素含量的方法 | |
| CN106770016A (zh) | 单粒稻谷种子的蛋白质定量分析nir透射光谱测量方法 | |
| CN106198423A (zh) | 一种基于可见‑近红外光谱分析技术鉴别火腿肠等级的方法 | |
| CN103760134A (zh) | 一种鉴别待测中药白芷是否进行过硫磺熏蒸的方法 | |
| CN108489934A (zh) | 一种检测花生油品质的方法 | |
| Sukwanit et al. | Nondestructive prediction of internal browning in pineapple using transmittance short wavelength near infrared spectroscopy | |
| CN112945900A (zh) | 一种快速检测莪术质量的检测模型及方法 | |
| Xiaobo et al. | Using genetic algorithm interval partial least squares selection of the optimal near infrared wavelength regions for determination of the soluble solids content of “Fuji” apple |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190212 Termination date: 20191026 |