本發(fā)明涉及一種不同近紅外儀器測定葡萄糖度模型轉(zhuǎn)換的方法，屬于農(nóng)產(chǎn)品質(zhì)量安全快速檢測和監(jiān)測的無損技術(shù)領(lǐng)域。

背景技術(shù)：

葡萄在我國的栽培歷史已有2000多年，是我國重要的果樹樹種之一?？扇苄怨腆w含量(SSC)就是人們通常所說的含糖度是葡萄內(nèi)部品質(zhì)主要指標(biāo)之一，對葡萄的口感有著非常重要的影響。在釀造葡萄酒時，由于對不同含糖度的葡萄要采用不同的釀造工藝，因此也要對葡萄的含糖度進(jìn)行嚴(yán)格控制。葡萄以葡萄糖最多，果糖次之，幾乎無蔗糖。葡萄漿果中除水分外，糖含量最高，一般為15％-20％。在葡萄等漿果類果實(shí)中，蔗糖的濃度很低，主要集中在維管束組織區(qū)。漿果中存在著可溶性的可與細(xì)胞壁結(jié)合的轉(zhuǎn)化酶，將蔗糖轉(zhuǎn)化為果糖和葡萄糖，果實(shí)成熟時已基本上無蔗糖。

葡萄的產(chǎn)后處理、品質(zhì)鑒定檢測一直是農(nóng)產(chǎn)品加工研究的重要課題，葡萄的含糖量也是葡萄品質(zhì)評定的重要指標(biāo)，但傳統(tǒng)的葡萄含糖量的檢測方法需將葡萄漿果搗碎取葡萄汁再進(jìn)行糖含量的測定，這樣不僅耗時費(fèi)力，對葡萄造成損害，而且由于取樣分析時間長，難免造成樣品變質(zhì)而導(dǎo)致較大的人為誤差產(chǎn)生。近年來，近紅外檢測技術(shù)作為一種無損傷、快速地分析和評估各類食物質(zhì)量與安全的方法，得到了廣泛的認(rèn)可。近紅外光譜的光譜區(qū)域范圍是12000-4000cm^-1(800-2500nm)，該譜區(qū)承載的分析信息，主要是分子含氫基團(tuán)振動的倍頻和合頻特征信息，可充分利用全譜或多波長下的光譜數(shù)據(jù)進(jìn)行定性或定量分析。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種不同近紅外儀器測定葡萄糖度模型轉(zhuǎn)換的方法，基于兩種不同近紅外儀器獲取不同波段的葡萄近紅外光譜信息，同時測得葡萄的可溶性固形物含量，通過獲取的光譜數(shù)據(jù)預(yù)測葡萄的品質(zhì)指標(biāo)，并完成兩種不同原理近紅外儀器間的數(shù)據(jù)轉(zhuǎn)換，使得模型達(dá)到通用效果，為葡萄果園的管理及在線檢測提供信息基礎(chǔ)。

為解決上述技術(shù)問題，本發(fā)明提供一種不同近紅外儀器測定葡萄糖度模型轉(zhuǎn)換的方法，其特征是，對兩種儀器的近紅外數(shù)據(jù)進(jìn)行了數(shù)學(xué)處理，并通過模型更新進(jìn)行了兩個儀器間的模型轉(zhuǎn)換，具體包括以下步驟：

1)獲取兩種近紅外儀器下的光譜數(shù)據(jù)：兩種光譜儀分別為主儀器和從儀器，對兩種光譜儀通過漫反射模式采集不同波段內(nèi)的近紅外光譜，測定每個漿果顆粒的可溶性固形物的吸光度；

2)光譜數(shù)據(jù)間的數(shù)學(xué)轉(zhuǎn)換：將從儀器的波數(shù)范圍轉(zhuǎn)換為波長范圍；

3)對兩個儀器的數(shù)據(jù)進(jìn)行共有波長的篩選：從兩個儀器中分別提取共有波長點(diǎn)及對應(yīng)的吸光度；

4)計算轉(zhuǎn)換后的光譜集^sP`：設(shè)定<sup>m</sup>C為主儀器建模集吸光度矩陣,<sup>s</sup>C為從儀器建模集吸光度矩陣，<sup>m</sup>P為主儀器驗(yàn)證集吸光度矩陣，<sup>s</sup>P為從儀器驗(yàn)證集吸光度矩陣，對兩個儀器獲得的光譜數(shù)據(jù)分別進(jìn)行基線校正和均值歸一化后，將3/4的樣品作為建模樣品，1/4的樣品作為驗(yàn)證樣品；對<sup>m</sup>C和<sup>s</sup>C分別求平均，得到兩條平均光譜，對兩條平均光譜求差，得到差值光譜<sup>m-s</sup>M，將<sup>s</sup>P的每一個樣品光譜減去差值光譜<sup>m-s</sup>M得到新的轉(zhuǎn)換后的光譜集<sup>s</sup>P`；

5)轉(zhuǎn)換后模型的構(gòu)建：將矩陣^mC作為建模集，新矩陣^sP`作為驗(yàn)證集，利用支持向量機(jī)建模，構(gòu)建可溶性固形物的預(yù)測模型。

進(jìn)一步地，對兩個儀器的數(shù)據(jù)進(jìn)行共有波長的篩選的具體步驟為：設(shè)定i是主儀器的i nm波長點(diǎn)，^mA是主儀器的吸光度矩陣，^mA_i是所有樣品在i nm處的吸光度；k是從儀器的k nm波長點(diǎn)，^sA是從儀器的吸光度矩陣，^sA_k是所有樣品在k nm處的吸光度，當(dāng)i＝1000nm時，如果存在k使得|i-k|≤0.1nm成立，則保留i和^mA_i，若存在多個k滿足條件，對所有滿足條件的^sA_k求平均，形成新的^sA_k`；循環(huán)該計算直至i從1000nm至1800nm，確保所有的主儀器的波長點(diǎn)均被考慮，從兩個儀器中分別提取共有波長點(diǎn)及對應(yīng)的吸光度。

進(jìn)一步地，所述主儀器覆蓋近紅外范圍為1000～1800nm，所述從儀器覆蓋近紅外范圍為進(jìn)一步地，所述主儀器的分光原理為光柵掃描，檢測器為Ex_InGaAs，分辨率<10.9±0.3nm。

進(jìn)一步地，所述從儀器的分光原理為傅里葉轉(zhuǎn)換，檢測器為DTGS，分辨率為16cm^-1。

進(jìn)一步地，將從儀器的波數(shù)范圍轉(zhuǎn)換為波長范圍的計算公式為：

其中，Y為波長，單位nm；X為波數(shù)。

本發(fā)明所達(dá)到的有益效果：本發(fā)明基于兩種不同近紅外儀器獲取不同波段的葡萄近紅外光譜信息，同時測得葡萄的可溶性固形物含量，通過獲取的光譜數(shù)據(jù)預(yù)測葡萄的品質(zhì)指標(biāo)，并完成兩種不同原理近紅外儀器間的數(shù)據(jù)轉(zhuǎn)換，使得模型達(dá)到通用效果，為葡萄果園的管理及在線檢測提供信息基礎(chǔ)。

附圖說明

圖1是本發(fā)明的研究技術(shù)路線；

圖2是兩種近紅外光譜儀測得的預(yù)處理后近紅外光譜圖(a:VECTOR 22N測得的紅寶石平均光譜；b:SupNIR測得的紅寶石平均光譜；c:VECTOR 22N測得的夏黑平均光譜；d:SupNIR測得的夏黑平均光譜)；

圖3是兩個品種葡萄利用兩種儀器測得的平均光譜圖(RV:VECTOR 22N測得的紅寶石平均光譜RS:SupNIR測得的紅寶石平均光譜；SV:VECTOR 22N測得的夏黑平均光譜SS:SupNIR測得的夏黑平均光譜)；

圖4是轉(zhuǎn)換后基于LS-SVM的葡萄可溶性固形物預(yù)測效果(真實(shí)值/預(yù)測值)。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。

1.材料與方法

云南夏黑葡萄(Summer Black)80串，煙臺紅寶石葡萄(Ruby Seedless)40串，從每串夏黑葡萄上隨機(jī)選取10粒葡萄漿果，共800顆，編號1-800；每串紅寶石葡萄上隨機(jī)選取25個葡萄漿果，共1000顆，編號1-1000。對所挑選的葡萄漿果進(jìn)行預(yù)處理，除去表面粉塵泥沙。

2.光譜數(shù)據(jù)采集

上海聚光生產(chǎn)的SupNIR 1000，覆蓋近紅外范圍為1000～1800nm，分光原理為光柵掃描，檢測器為Ex_InGaAs，分辨率<10.9±0.3nm，該儀器作為主儀器；德國bruker公司生產(chǎn)的VECTOR 22N近紅外光譜儀，覆蓋的近紅外范圍為12000cm-1～4000cm-1，分光原理為傅里葉轉(zhuǎn)換，檢測器為DTGS，分辨率為16cm-1，該儀器作為從儀器。手持糖度儀(以°Brix記，精確到0.1)測定可溶性固形物含量作為參考化學(xué)值。

3.數(shù)據(jù)處理

將獲得的光譜值進(jìn)行移動窗口平滑和標(biāo)準(zhǔn)正態(tài)變換以降低噪聲和消除光散射的干擾；然后進(jìn)行主成分分析(principle component analysis，PCA)，基于95％的置信橢圓剔除光譜異常值；將剔除異常值后的光譜及物理化學(xué)參考值一一對應(yīng)，保留同時包含光譜和參考值的樣本數(shù)據(jù)，然后利用公式(1)將VECTOR 22N的波數(shù)范圍轉(zhuǎn)換為波長范圍，

Y為波長，單位nm；X為波數(shù)；

對兩個儀器的數(shù)據(jù)進(jìn)行共有波長的篩選：當(dāng)i＝1000nm時，如果存在k使得|i-k|≤0.1nm成立，則保留i和^mA_i，若存在多個k滿足條件，對所有滿足條件的^sA_k求平均形成新的^sA_k`；循環(huán)該計算直至i從1000nm至1800nm，確保所有的主儀器的波長點(diǎn)均被考慮。最終，從兩個儀器中分別提取了270個共有波長點(diǎn)及對應(yīng)的吸光度。此處，i是主儀器的i nm波長點(diǎn)(范圍為1000-1800)，^mA是主儀器的吸光度矩陣(SupNIR)，^mA_i是所有樣品在i nm處的吸光度；k是從儀器的k nm波長點(diǎn)，^sA是從儀器的吸光度矩陣，^sA_k是所有樣品在k nm處的吸光度。

對兩個儀器獲得的光譜數(shù)據(jù)分別進(jìn)行基線校正和均值歸一化后，將3/4的樣品作為建模樣品(^mC：主儀器建模集吸光度矩陣,^sC:：從儀器建模集吸光度矩陣)，1/4的樣品作為驗(yàn)證樣品(^mP：主儀器驗(yàn)證集吸光度矩陣，^sP：從儀器驗(yàn)證集吸光度矩陣)。對^mC和^sC分別求平均，得到兩個平均光譜，對兩條平均光譜求差，得到差值光譜^m-sM。最后，將^sP的每一個樣品光譜減去差值光譜^m-sM得到新的轉(zhuǎn)換后的光譜集^sP`。

將矩陣^mC作為建模集，新矩陣^sP`作為驗(yàn)證集，利用支持向量機(jī)建模，完成可溶性固形物的預(yù)測模型對應(yīng)的可溶性固形物值為參考因變量，利用支持向量機(jī)建模，完成轉(zhuǎn)換后的可溶性固形物的預(yù)測模型。

4.可溶性固定物建模分析

基于模型更新的儀器間數(shù)據(jù)轉(zhuǎn)換建立的最小二乘-支持向量機(jī)(LS-SVM)回歸達(dá)到了較好的預(yù)測效果，紅寶石葡萄的建模集相關(guān)系數(shù)高達(dá)0.95，預(yù)測集相關(guān)系數(shù)為0.882；夏黑葡萄的建模集相關(guān)系數(shù)高達(dá)0.886，預(yù)測集相關(guān)系數(shù)為0.802；紅寶石和夏黑的混合樣本的的建模集相關(guān)系數(shù)高達(dá)0.954，預(yù)測集相關(guān)系數(shù)為0.901；三個模型的所有均方根誤差(RMSE)均低于1％，顯示出很好的建模效果，模型RPD均高于1.5。證明該模型轉(zhuǎn)換方法的可靠性。

表1兩種葡萄可溶性固形物含量分布

(SSC：可溶性固形物；N：樣本數(shù)量；Mean：平均值；SD：標(biāo)準(zhǔn)差)

表2基于模型更新的LS-SVM建模效果

(R_c：建模集相關(guān)系數(shù)；R_p：驗(yàn)證集相關(guān)系數(shù)；RMSEC：建模集均方根誤差；RMSEP：驗(yàn)證集均方根誤差；RPD：驗(yàn)證集均方根誤差與標(biāo)準(zhǔn)差的比值)。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。