基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统

1.本发明涉及光电检测技术领域，特别是涉及一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统。


背景技术：

2.背散射光谱技术利用光的散射特性，将收集端与激发端布置在待检测物的同一侧进行散射光收集，并由探测器进行光谱检测，相比于透射式光谱技术的检测装置结构更加简化且紧凑，便于提高集成度。对于牛奶、果汁等透光率不高的液体，传统的吸收光谱检测存在困难，而背散射光谱技术在透光率低的液体检测方面具有独特的优势，且该背散射光谱技术可以进行非接触测量，对于食品类待检测物不会产生污染，具有较大的开发价值。脂肪作为一个衡量牛奶品质的重要指标，运用背散射光谱技术实现对牛奶样品中脂肪含量的快速、定量、无损测量，对于牛奶的品质把控具有重要意义。
3.但目前，并没有一种能够基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统。


技术实现要素：

4.本发明的目的是提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统，能够基于背散射光谱技术对牛奶中的脂肪浓度进行直接、在线、实时、非接触和非破坏性检测。
5.为实现上述目的，本发明提供了如下方案：
6.一种基于背散射光谱技术在线检测牛奶脂肪浓度的系统，所述系统包括：光源、滤光片、光纤耦合装置、光谱检测模块和样品池；所述样品池内盛装有待检测牛奶；所述光源、所述滤光片和所述光纤耦合装置依次光连接；所述光纤耦合装置和所述光谱检测模块位于所述样品池的同一侧，并均通过光纤与所述样品池光连接；
7.所述光源用于产生激发光；所述滤光片用于对所述激发光进行滤光，得到特定波长的激发光；所述光纤耦合装置用于将所述特定波长的激发光耦合到所述光纤中，并通过所述光纤传输至所述样品池；所述光谱检测模块用于接收所述样品池中的待检测牛奶在所述特定波长的激发光的激发下所产生的背散射光信号，生成背散射光谱；
8.在检测时，根据所述背散射光谱确定背散射光强度，并以所述背散射光强度作为输入，利用浓度模型得到所述待检测牛奶的脂肪浓度。
9.一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法，所述方法包括：
10.获取在特定波长的激发光的激发下所述待检测牛奶对应的背散射光谱；
11.根据所述背散射光谱确定背散射光强度；
12.以所述背散射光强度作为输入，利用浓度模型得到所述待检测牛奶的脂肪浓度。
13.根据本发明提供的具体实施例，本发明公开了以下技术效果：
14.本发明用于提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统，
在检测时，利用搭建的系统获取待检测牛奶对应的背散射光谱，并根据背散射光谱确定背散射光强度，以背散射光强度作为输入，利用浓度模型得到待检测牛奶的脂肪浓度，从而能够基于背散射光谱技术对牛奶中的脂肪浓度进行直接、在线、实时、非接触和非破坏性检测。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明实施例1所提供的背散射光谱浓度检测构思的流程图；
17.图2为本发明实施例1所提供的系统的结构示意图；
18.图3为本发明实施例1所提供的光纤耦合装置的结构示意图；
19.图4为本发明实施例1所提供的y型光纤的结构示意图；
20.图5为本发明实施例2所提供的回归分析检测结果图。
21.符号说明：
22.1-光源；2-滤光片；3-光纤耦合装置；4-y型光纤；5-样品池；6-光谱检测模块；31-透镜套筒；32-光纤转接器；33-透镜；41-第一分支段；42-第二分支段；43-合束段。
具体实施方式
23.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。
24.本发明的目的是提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法及系统，能够基于背散射光谱技术对牛奶中的脂肪浓度进行直接、在线、实时、非接触和非破坏性检测。
25.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
26.实施例1：
27.研究表明近红外波段的光在照射到脂肪颗粒时会发生瑞利散射和米氏散射，且后向散射要强于前向散射，所以可以通过检测背散射光强度来检测牛奶中脂肪浓度，实现牛奶中脂肪浓度的快速测定。基于这一原理，如图1所示，本实施例的检测构思包括系统搭建、样品配制以及浓度模型的建立，检测构思具体为：先搭建一个基于光纤传感的背散射光谱系统。然后进行标准牛奶样品的配制，得到多个不同脂肪浓度的牛奶样品，并利用搭建好的背散射光谱系统获取在特定波长的激发光的激发下每一牛奶样品的背散射光谱，依据该背散射光谱即可确定每一牛奶样品的背散射光强度，同时依据所有牛奶样品的脂肪浓度和背散射光强度构建浓度模型。在对未知脂肪浓度的待检测牛奶进行检测时，依然利用上述背散射光谱系统来获取待检测牛奶的背散射光强度，然后以该背散射光强度作为输入，利用
浓度模型即可确定待检测牛奶的脂肪浓度。
28.基于上述检测构思，本实施例用于提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的系统，如图2所示，所述系统包括：光源1、滤光片2、光纤耦合装置3、光谱检测模块6和样品池5，样品池5内盛装有待检测牛奶。光源1、滤光片2和光纤耦合装置3依次光连接，组成激发端，光谱检测模块6作为收集端，光纤耦合装置3和光谱检测模块6位于样品池5的同一侧，并均通过光纤与样品池5光连接，进而将激发端和收集端布置在待检测牛奶的同一侧，组成背散射光谱系统。
29.具体的，光源1可为宽谱光源，用于产生激发光，光源1的波长范围为[λ
exmin
，λ
exmax
]，λ
ex
为激发光波长。由于需要获得特定波长的激发光，故在激发光进入光纤耦合装置3前采用中心波长为λ的滤光片2对光源1所产生的激发光进行滤光处理，以获得特定波长的激发光，故滤光片2可选用窄带滤光片，以用于对激发光进行滤光，得到特定波长的激发光。光纤耦合装置3用于将经滤光处理后所得到的特定波长的激发光耦合到光纤中，并通过光纤传输至样品池5，对样品池5中的待检测牛奶进行照射，光纤耦合装置3可通过sma905接口与光纤连接。
[0030]
样品池5可采用不透光材质，以减少外界杂散光对检测结果的影响，提高系统稳定性和准确度。
[0031]
本实施例的背散射光信号检测由光谱检测模块6完成，光谱检测模块6的波长范围与光源1的波长范围相匹配，其波长范围覆盖[λ
emmin
，λ
emmax
]，λ
em
表示背散射光波长。光谱检测模块6可通过sma905接口与光纤连接，用于接收样品池5中的待检测牛奶在特定波长的激发光的激发下所产生的背散射光信号，生成背散射光谱。光谱检测模块6可使用光电倍增管，也可以使用ccd探测器或cmos探测器。
[0032]
更为具体的，光源1可选用波长范围为360-2600nm的卤钨灯宽谱光源，所产生的激发光通过中心波长为830nm(fwhm：10nm
±
2nm)的窄带滤光片后，由光纤耦合装置3将所产生的830nm的激发光耦合进光纤中，光谱检测模块6的波长范围为200-1070nm。
[0033]
如图3所示，光纤耦合装置3包括透镜套筒31、光纤转接器32和两块透镜33。透镜套筒31的一端和光纤转接器32的一端螺纹连接，透镜套筒31的另一端与滤光片2光连接，光纤转接器32的另一端与光纤相连接，光纤转接器32的另一端上设置有sma905接口，即光纤转接器32通过sma905接口与光纤连接。两块透镜33沿特定波长的激发光的传输方向依次安装于透镜套筒31内部，两块透镜33用于对特定波长的激发光进行先准直后聚焦。透镜33的直径可为1英寸，焦距f＝50mm。
[0034]
本实施例的系统通过光纤完成激发光的传导和背散射光的收集，该光纤可为y型光纤4，如图4所示，y型光纤4包括第一分支段41、第二分支段42和合束段43。第一分支段41和第二分支段42的一端均与合束段43的一端相连接，第一分支段41的另一端与光纤耦合装置3相连接，第二分支段42的另一端与光谱检测模块6相连接，合束段43的另一端与样品池5相连接，用于探测样品。将该合束段43的另一端记为探头，探头用于激发光传导和背散射光收集，本实施例的探头可为浸入式探头(即伸入样品池5中的待检测牛奶中)或者非浸入式探头(即未伸入样品池5中的待检测牛奶中)。
[0035]
第一分支段41包括一根照明光纤，第二分支段42包括多根收集光纤，合束段43包括一根照明光纤和围绕设置于一根照明光纤外侧的多根收集光纤。具体的，第一分支段41
由1根纤芯直径为200μm的照明光纤构成，第二分支段42由6根纤芯直径为200μm的收集光纤构成，合束段43由1根照明光纤和围绕1根照明光纤设置的6根收集光纤构成，激发光经由y型光纤4的照明光纤到达样品池5，并对其中的待检测牛奶进行照射，所产生的背散射光由6根收集光纤收集，并传导至光谱检测模块6进行探测，通过配套软件进行光谱分析。
[0036]
在检测时，根据背散射光谱确定背散射光强度，并以背散射光强度作为输入，利用浓度模型得到待检测牛奶的脂肪浓度。
[0037]
本实施例基于背散射光强度来计算脂肪浓度的基本理论为根据米氏散射所得到的下述公式：
[0038][0039]
式(1)中，i
θ
为背散射光强度；i0为特定波长的激发光的光强；λ为相对散射波长；r为散射粒子到探测点的距离；i1为与入射光方向垂直的光强分量；i2为与入射光方向平行的光强分量；θ为散射角度；m为相对折射率。
[0040]
其中i1和i2具有如下关系：
[0041][0042][0043]
上式中，n为非负整数；an和bn均为mie散射的散射系数；πn和τn均为与散射角有关的函数。
[0044]
式(2)和式(3)中与散射角有关的函数πn和τn为勒让德多项式，具体表示如下：
[0045][0046][0047]
上式中，为一阶n次第一类勒让德函数。
[0048]
参量an和bn定义为：
[0049][0050][0051]
上式中，ψ和ξ为黎卡蒂-贝塞尔(ricatti-bessel)函数，由第一类j
n 1/2
(z)的半整数阶贝塞尔函数表示；α为尺寸参量，其表达式如下式(8)；m为散射粒子的相对折射率，其表达式如下式(9)。
[0052]
[0053]
式(8)中，a为散射粒子的半径，m0为周围介质的折射率，λ0为真空入射波长。
[0054]
m＝n iκ；
ꢀꢀꢀ
(9)
[0055]
式(9)中，n为光的折射率，κ为折射率的虚部。
[0056]
如式(9)所示，当虚部不为零时说明有吸收。当一束光强为i0，相对散射波长为λ的入射光照射样品，由于样品脂肪浓度的不同，会引起m值发生改变，从而引起背散射光强度的变化。
[0057]
基于上述理论基础，本实施例可建立表征脂肪浓度和背散射光强度之间关系的浓度模型，以基于该浓度模型计算待检测牛奶的脂肪浓度。
[0058]
本实施例考虑到背散射光谱技术的优势，提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的系统，基于背散射原理进行系统搭建，采用特定波长λ的激发光检测牛奶中的脂肪浓度。基于该系统能够检测得到待检测牛奶的背散射光谱，基于背散射光谱可确定背散射光强度，以背散射光强度作为输入，利用浓度模型即可确定牛奶中的脂肪浓度，从而能够对牛奶中的脂肪浓度进行直接、在线、实时、非接触和非破坏性检测，提高检测的准确性和快速性。该技术也可扩展至牛奶中蛋白质的浓度检测以及其他溶液中微粒浓度的检测。
[0059]
实施例2：
[0060]
本实施例用于提供一种基于背散射光谱技术在线检测牛奶脂肪浓度的方法，利用实施例1所述的系统进行工作，所述方法包括：
[0061]
s1：获取在特定波长的激发光的激发下所述待检测牛奶对应的背散射光谱；
[0062]
利用实施例1所述的系统，将待检测牛奶置入样品池，即可得到该待检测牛奶对应的背散射光谱。通过切换不同波长的滤光片，即可得到不同的特定波长的激发光。
[0063]
s2：根据所述背散射光谱确定背散射光强度；
[0064]
即选取背散射光谱中的光谱峰值，作为特定波长激发下的背散射光强度。由于光源和滤波片等硬件自身不可避免的误差和波动，背散射光谱中的光谱峰值处对应的波长与滤光片标称的中心波长(也即特定波长)可能会有一定的偏差，但这个偏差不会太大，大多数情况下是重合的，直接取光谱峰值作为背散射光强度，更准确和快捷。
[0065]
s3：以所述背散射光强度作为输入，利用浓度模型得到所述待检测牛奶的脂肪浓度。
[0066]
在s3之前，本实施例的方法还包括构建浓度模型的步骤，对不同脂肪浓度的牛奶样品进行背散射光强度检测，以建立表征脂肪浓度和背散射光强度之间关系的浓度模型。该步骤可以包括：
[0067]
(1)制备不同脂肪浓度的牛奶样品；
[0068]
按照控制单一变量原则配制出具有浓度梯度的不同脂肪浓度的标准的牛奶样品，该牛奶样品作为后期背散射光谱系统的检测对象，用背散射光谱系统对其进行检测，获得牛奶样品的光谱数据，用于支撑浓度模型的建立。具体的，选取脱脂牛奶(即零脂纯牛奶)和纯牛奶作为原料，除脂肪含量不同外两款牛奶其余指标完全一致。向纯牛奶中分别添加不等量的脱脂牛奶，对纯牛奶进行稀释，即可得到不同脂肪浓度的牛奶样品。即以纯牛奶作为母样，通过添加脱脂牛奶对纯牛奶进行稀释，以配制不同脂肪浓度的牛奶样品。
[0069]
(2)获取在特定波长的激发光的激发下每一牛奶样品对应的背散射光谱，并根据
背散射光谱确定背散射光强度；
[0070]
分别将每一牛奶样品放置到样品池内，利用实施例1的背散射光谱系统获得在特定波长的激发光的激发下每一牛奶样品对应的背散射光谱，并根据背散射光谱确定背散射光强度。具体的，本实施例可采用浸入式光纤探头获取在特定波长λ的激发光的激发下不同脂肪浓度的牛奶样品的背散射光谱，当然，本方法可进行扩展，使用非浸入式光纤探头进行非接触测量，获取在特定波长λ的激发光的激发下不同脂肪浓度的牛奶样品的背散射光谱。
[0071]
(3)根据所有牛奶样品的脂肪浓度和背散射光强度构建浓度模型。
[0072]
具体的，构建浓度模型可包括如下两种方法：
[0073]
1)对所有牛奶样品的脂肪浓度和背散射光强度进行线性回归，构建浓度模型。即获取特定波长λ处的背散射光强度i，通过线性回归方法建立表征脂肪浓度c和背散射光强度i关系的浓度模型，其中wi为常数系数。根据测得的待检测牛奶的背散射光强度i，通过浓度模型反演即可得到待检测牛奶的脂肪浓度c。
[0074]
具体的，对脂肪浓度c和背散射光强度i进行回归分析，根据脂肪浓度与背散射光强度的对应关系(c，i)在直角坐标系中作散点图，如进行一元线性回归，则总体的回归模型可设为：i＝β0 β1c ε；其中ε～n(0,σ2)，β0，β1是常数，随机扰动项ε是无法直接观测的随机变量。对上式求均值则有：e(i)＝β0 β1c，该式即为背散射光强度i关于脂肪浓度c的回归直线方程，即浓度模型。
[0075]
本实施例在获得脂肪浓度与背散射光强度的数据后，后期回归分析建立浓度与背散射光强度的关系模型，达到通过背散射光强度反演脂肪浓度的目的。
[0076]
2)以所有牛奶样品的脂肪浓度和背散射光强度作为输入，利用机器学习的方法构建浓度模型。
[0077]
具体可采用支持向量机、神经网络等方法来建立浓度模型。
[0078]
以下，通过一实验对本实施例的浓度模型的建立过程予以说明：
[0079]
本次实验采用了上述配样方法，配制了脂肪浓度分别为0g/l、10g/l、11.4g/l、12.7g/l、14.3g/l、16.3g/l、19g/l、22.8g/l、28.5g/l、38g/l这10个浓度的标准牛奶样品，并用实施例1所搭建的系统对其进行了光谱检测，取光谱的峰值强度作为浓度模型的因变量，脂肪浓度作为自变量对其进行一元线性回归分析，如图5所示，其为本实验的回归分析结果，可得到如下回归方程：
[0080]
i＝888.4 31.5
×
c；
[0081]
其中，c为牛奶中的脂肪浓度，i为830nm检测下的背散射光谱峰值强度；根据系统检测到待检测牛奶的i值，由上式即可反演得到待检测牛奶的脂肪浓度c。
[0082]
本实施例所提供的基于背散射光谱技术在线检测牛奶脂肪浓度的方法，可对牛奶中的脂肪浓度进行直接、在线、实时、非接触检测、非破坏性检测，同时能够实现对牛奶品质的检测，提高检测的准确性和快速性。该技术可扩展至牛奶中蛋白质的浓度检测以及其他溶液中微粒浓度的检测。
[0083]
本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0084]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说
明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。