一种多通道农产品无损检测方法

1.本发明涉及无损检测技术领域，具体为一种多通道农产品无损检测方法。


背景技术：

2.对比文件1：cn202010745439.2 公开了一种基于融合特征波长选择算法的苹果酸度近红外无损检测方法，其步骤包括：1采集苹果样本标记点区域的光谱信息，测量苹果样本标记点区域的酸度数据；2对采集到的光谱进行预处理；3分别利用连续投影算法spa与竞争自适应重加权采样算法cars进行特征波长选择，并将二者所选择的特征波长进行融合；4根据融合后的特征波长对应的光谱与酸度数据，在校正集上建立苹果酸度的偏最小二乘pls预测模型，并在预测集上对模型结果进行评估。
3.对比文件2：《荧光光谱结合pca_ed与plsr方法检测市售橙汁饮品》，光谱学与光谱分析，2014年8月，第34卷第8期，胡扬俊著，其通过主成分分析pca结合欧氏距离ed对市售橙汁饮品基于偏最小二乘plsr的建模过程进行分析。
4.对比文件3：zl202111065948.1公开了一种水果无损检测光谱的特征提取方法，包括如下步骤：步骤1：采用连续投影算法对光谱的特征的重要性进行排序；步骤2：按照特征的排序顺序，采用主成分分析算法，逐渐增加特征值，获得不同数量的特征对样本的分类结果；步骤3：通过样本类别中心点之间的欧氏距离检验增加特征对分类能力的提升效果；如果n 1个特征的样本类别中心点之间的欧氏距离大于n个特征的样本类别中心点之间的欧氏距离；则表示增加的特征为有效特征；反之则增加的特征为无效特征。
5.可见，采用光谱学进行瓜果的质量检测是非常普遍的。
6.在检测过程中，需要如下硬件和软件：硬件：无损检测实验平台、光谱仪、服务器；无损检测实验平台、服务器价格比较便宜，已经完全国产化了。
7.软件：针对光信号需要建立精确的、有效的模型。
8.光谱仪一般采用进口，一台设备的价格达到上百万甚至几百万。对于农业企业来说，这是一笔庞大的开销。
9.一般来说，一台无损检测实验平台需要匹配一台光谱仪。如果一台光谱仪匹配多个无损检测实验平台会导致光谱仪的检测速度远远赶不上样品的过机速度，进而导致效率过低。
10.本方案所要解决的技术问题是：如何保证快速无损检测前提下，降低设备购置费用。


技术实现要素：

11.本发明的目的在于提供一种多通道农产品无损检测方法，该方法采用一台光谱仪能够同时检测多个样品的光信号，在提高效率的同时，降低了设备购置成本。
12.为实现上述目的，本发明提供如下技术方案：一种多通道农产品无损检测方法，所
述方法基于多通道无损检测系统实现；所述多通道无损检测系统包括多个无损检测实验平台、光谱仪、服务器，所述无损检测实验平台包括光源、接收光纤以及位于光源和接收光纤之间的载物平台；不同的无损检测实验平台的光源的发射波长不重合或接收光纤经过滤光以使不同的无损检测实验平台所接收的光信号的波长不重合；所述方法具体包括如下步骤：步骤1：来自于不同无损检测实验平台的接收光纤的光信号汇集到光谱仪中，所述光谱仪用于将所有光信号汇集成完整的光信号，对完整的光信号进行处理得到总光谱数据；总光谱数据发送给服务器；步骤2：服务器将总光谱数据按照各无损检测实验平台的光源的发射波长分成不同的波段的子光谱数据；步骤3：服务器将子光谱数据采用与该子光谱数据的波段对应的模型进行分析，得到分析结果；所述模型为针对每一个无损检测实验平台的光源的发射波长、检测对象，预先建立和训练得到。
13.在上述的多通道农产品无损检测方法中，所述检测对象为特定的农产品的特定的检测项目，所述农产品包括但不限于蔬菜、瓜果、肉制品。
14.在上述的多通道农产品无损检测方法中，所述特定的检测项目为糖度、含水率、糖心、水心病、是否含虫中的一种或多种指标的检测。
15.在上述的多通道农产品无损检测方法中，为不同的无损检测实验平台确定发射波长的方法为：确定针对检测对象的检测项目有效的波长范围；将有效的波长范围分割为多个不重合的子波长范围，采用每个子波长范围的光信号均能够对样品进行单独的分析并得到检测结果；为每个无损检测实验平台分配一个子波长范围，该子波长范围即为无损检测实验平台的发射波长。
16.在上述的多通道农产品无损检测方法中，有效的波长范围为400-1100nm波段或900-1700nm波段。
17.而划分的子波长范围根据在该有效波长范围内能够精确标识结果的波长范围为优，比如在菠萝的水心病检测中，有效波长范围为400-1100nm波段，将这个波段我们可以划分为以下子波长范围：689.4 nm-751.7 nm、793.4 nm-834.8 nm、834.8nm-951.9 nm、951.9nm-1100nm。
18.还比如，对于苹果糖度的检测，我们可以选择的有效波长范围为400-1700 nm波段。
19.在上述的多通道农产品无损检测方法中，控制光源的发射波长的方法为：在光源的外侧安装滤波片，所述滤波片仅供对应的发射波长范围内的光通过；接收光纤经过滤光以使不同的无损检测实验平台所接收的光信号的波长不重合的方法为：在光纤的入口安装滤波片，所述滤波片仅供对应的发射波长范围内的光通过。
20.与现有技术相比，本发明的有益效果是：
本发明的提出的背景在于：在检测过程中，我们发现对于一个较宽的波段，比如在400-1100nm波段内，我们可以发现多个子波长范围都可以标识菠萝水心病。
21.针对这个发现，结合光谱仪对光信号的综合处理的功能，提出了本方案。
22.在运行过程中，各样品到达各无损检测实验平台后停留一段时间，以使各个无损检测实验平台的接收光纤的光信号能够同时汇集到光谱仪。光谱仪针对汇总的光信号进行分析得到总光谱数据，该总光谱数据在光谱仪内进行处理或者发送给服务器进行处理，服务器根据各个无损检测实验平台配置的光源的波长范围，将总光谱数据分割为多个子光谱数据，每个波长范围都预先训练有模型，将子光谱数据代入对应的模型中即可得到结果。
23.这样可以实现，一台光谱仪同时检测多个无损检测实验平台所收集的光信号，可在保证检测速度的前提下，降低设备购置成本。
附图说明
24.图1为菠萝的光谱图像；图2为本发明的实施例1的系统的方框图；图3为本发明的实施例1的无损检测实验平台的主视图。
具体实施方式
25.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
26.实施例1参考图1-3，一种多通道菠萝糖心的无损检测方法，所述方法基于多通道无损检测系统实现；所述多通道无损检测系统包括无损检测实验平台1（4台）、光谱仪2（qe pro，美国ocean optics 公司）（1台）、服务器3（1台），所述无损检测实验平台1包括光源11、接收光纤12以及位于光源和接收光纤之间的载物平台13；不同的无损检测实验平台的光源的发射波长不重合；各无损检测实验平台的光源的发射波长分别为689.4 nm-751.7 nm、793.4 nm-834.8 nm、834.8nm-951.9 nm、951.9nm-1100nm；其包括如下步骤：步骤1：来自于不同无损检测实验平台的接收光纤的光信号汇集到光谱仪中，所述光谱仪用于将所有光信号汇集成完整的光信号，对完整的光信号进行处理得到总光谱数据，在本实施例中完整的光信号是指从400-1100nm范围内的一端完整的光信号；光谱仪主要用于对各光信号进行接收、合并并将合并后的光信号转换为数字信号；步骤2：将总光谱数据按照各无损检测实验平台的光源的发射波长分成不同的波段的子光谱数据；步骤3：将子光谱数据采用与该子光谱数据的波段对应的模型进行分析，得到分析结果；所述模型为针对每一个无损检测实验平台的光源的发射波长、检测对象，预先建
立和训练得到。
27.本实施例的波段的划分依据cn113533236 b中的实施例1，400-1100nm光谱对菠萝水心病检测；图1中400-1100nm范围内，有四个范围是可以达到较为准确的水心识别率的，即689.4 nm-751.7 nm、793.4 nm-834.8 nm、834.8nm-951.9 nm、951.9nm-1100nm。
28.其模型建立的方法可参考cn113533236 b的实施例1，与实施例1不同之处在于，在训练的时候采用同样的模型，分为第一模型、第二模型、第三模型、第四模型，第一模型、第二模型、第三模型、第四模型均基于同样的方法（偏最小二乘回归算法或概率神经网络算法）建立，训练采用上述不同的波段的光谱进行训练即可，训练的个数大约为100-200个菠萝即可达到较为精确的检测目的。
29.本实施例采用概率神经网络算法建立模型并训练，经过验证：689.4 nm-751.7 nm波段建立识别模型的识别正确率为：84.76%；793.4 nm-834.8 nm波段建立识别模型的识别正确率为：80.24%；834.8nm-951.9 nm波段建立识别模型的识别正确率为：82.18%；951.9nm-1100nm波段建立识别模型的识别正确率为：86.05%。
30.需要说明的是，本发明不仅仅限于以上的模型建立方法，本领域中大部分的模型建立和训练方法且该方法有至少2个波段可单独识别出有效检测结果的模型均适用于本发明。