传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。...传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30个黄豆、绿豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量20次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例,选取80个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数Rp分别为0.9746、0.9505、0.9607,均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数Ri分别为0.9411、0.9439、0.9334,独立验证均方根误差分别为0.465%、0.604%、0.673%,重复测量20次的平均偏差分别为0.409%、0.623%、0.637%,各参数重复测量20次变异系数分别为1.257%、0.896%、0.964%。结果表明,该装置具有良好的预测精度。以Visual Studio 2015为软件开发平台开发了豆类品质含量实时检测软件,实现多粒豆类品质情况“一键式操作”检测。选用阿里云服务器和MySQL数据库,基于TCP/IP网络通信协议,实现检测数据自动上传至数据库。基于若依开发框架设计了便于豆类品质监测的前端网络监控系统,实时显示数据库信息。展开更多
文摘传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30个黄豆、绿豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量20次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例,选取80个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数Rp分别为0.9746、0.9505、0.9607,均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数Ri分别为0.9411、0.9439、0.9334,独立验证均方根误差分别为0.465%、0.604%、0.673%,重复测量20次的平均偏差分别为0.409%、0.623%、0.637%,各参数重复测量20次变异系数分别为1.257%、0.896%、0.964%。结果表明,该装置具有良好的预测精度。以Visual Studio 2015为软件开发平台开发了豆类品质含量实时检测软件,实现多粒豆类品质情况“一键式操作”检测。选用阿里云服务器和MySQL数据库,基于TCP/IP网络通信协议,实现检测数据自动上传至数据库。基于若依开发框架设计了便于豆类品质监测的前端网络监控系统,实时显示数据库信息。
