小麦籽粒微量元素快速无损检测方法.pdf

《小麦籽粒微量元素快速无损检测方法.pdf》由会员分享，可在线阅读，更多相关《小麦籽粒微量元素快速无损检测方法.pdf（7页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010354185.1 (22)申请日 2020.04.29 (71)申请人 中国农业大学 地址 100193 北京市海淀区圆明园西路2号 (72)发明人 王志敏胡乃月张英华李伟 于康孙振才杜承航周晓楠 刘洋刘忠伟 (74)专利代理机构 北京纪凯知识产权代理有限 公司 11245 代理人 吴爱琴 (51)Int.Cl. G01N 21/31(2006.01) G01N 21/3563(2014.01) G01N 21/359(2014.01) G01N 21/73(2006。

2、.01) G01N 1/28(2006.01) G06F 30/20(2020.01) (54)发明名称 一种小麦籽粒微量元素快速无损检测方法 (57)摘要 本发明公开了一种小麦籽粒微量元素快速 无损检测方法， 具体涉及农产品无损检测技术领 域。 所述方法包括以下步骤： 采集试验样本、 数据 获取、 数据处理和构建模型。 本发明以不同小麦 品种为材料， 利用高光谱成像技术对不同年份、 不同管理措施下小麦籽粒微量元素进行检测。 高 光谱成像技术克服了传统测定方法费时、 费力的 缺点， 在无损籽粒水平上实现了小麦籽粒微量元 素含量的快速检测。 本发明提供的方法可用于麦 类籽粒营养品质的快速分级筛选。

3、， 对于推动改善 “隐性饥饿” 问题具有重要作用。 权利要求书1页 说明书4页 附图1页 CN 111398198 A 2020.07.10 CN 111398198 A 1.一种检测小麦籽粒微量元素含量的方法， 包括如下步骤： 1)收集小麦籽粒样本； 2)构建高光谱成像系统， 利用高光谱成像系统采集小麦籽粒的高光谱图像； 3)获取籽粒光谱反射率 对步骤2)获得的样本原始高光谱图像进行校正， 将原始光谱辐射率图像转换为光谱反 射率图像， 然后从光谱反射率图像中提取样本的平均光谱反射率数据； 4)测定籽粒各微量元素的含量； 5)使用偏最小二乘回归PLSR方法建立反映平均光谱反射率数据与小麦籽粒各。

4、微量元 素的含量之间关系的模型； (1)筛选和删除微量元素含量数据集和高光谱数据的异常值； (2)建立模型； 6)利用高光谱成像系统采集待测小麦籽粒的高光谱图像， 提取小麦籽粒光谱反射率， 将小麦籽粒光谱反射率输入建立好的模型， 预测出待测小麦籽粒中各微量元素的含量。 2.根据权利要求1所述的方法， 其特征在于： 步骤1)中， 所述小麦籽粒样本为来自不同 年份、 不同品种、 不同管理措施条件下的小麦籽粒样本， 但不限于小麦， 麦类谷物籽粒均可。 3.根据权利要求1或2所述的方法， 其特征在于： 步骤2)中， 所述高光谱成像的光谱范围 为350-1050nm。 4.根据权利要求1-3中任一项所述。

5、的方法， 其特征在于： 步骤3)中， 根据高光谱成像仪 用户手册对步骤2)获取的样本原始高光谱图像进行校正。 5.根据权利要求1-4中任一项所述的方法， 其特征在于： 步骤4)中， 采用化学方法测定 小麦籽粒各微量元素的含量； 具体为， 所述方法包括： 用去离子水清洗样本5次， 烘干； 室内研磨； 采用化学方法高温 消煮制备待测液； 使用电感耦合等离子体原子发射光谱法分析待测液中的各微量元素的含 量。 6.根据权利要求1-5中任一项所述的方法， 其特征在于： 步骤4)中， 所述微量元素包括： 硼、 钙、 铜、 铁、 镁、 锰、 钼、 锌。 7.根据权利要求1-6中任一项所述的方法， 其特征在于。

6、： 步骤5)(1)中， 使用Tukey方法 筛选和删除微量元素数据中的异常值， 使用基于蒙特卡罗交叉验证的方法检筛选和删除光 谱反射率异常值； 步骤5)(2)中， 随机选取80的数据组成训练数据集用于建立模型， 剩余20的数据组 成测试数据集用于验证模型； 其中， 所述数据均为步骤5)(1)中获得的经过异常值筛选的微 量元素数据和光谱反射率数据。 8.根据权利要求1-7中任一项所述的方法， 其特征在于： 步骤5)还进一步包括(3)： 以光 谱反射率为模型输入， 以籽粒微量元素含量为输出， 利用PLSR对小麦籽粒微量元素进行预 测， 使用预测值和真实值线性回归的决定系数R2和均方根误差RMSE来。

7、评价模型的准确度和 精度。 9.高光谱成像技术在小麦籽粒微量元素检测中的应用。 权利要求书 1/1 页 2 CN 111398198 A 2 一种小麦籽粒微量元素快速无损检测方法 技术领域 0001 本发明涉及农产品无损检测技术领域， 具体涉及一种小麦籽粒微量元素快速无损 检测方法。 背景技术 0002 小麦是最重要的粮食作物之一， 为全球提供了20的饮食能量和蛋白质。 同时， 小 麦还含有许多其他重要的营养物质， 包括膳食纤维、 维生素(尤其是维生素B)、 脂质以及微 量元素。 但现有的小麦品种微量元素含量不能够满足人体的营养需求， 因此， 一些以小麦为 主食的发展中国家 “隐性饥饿” 问题。

8、尤为严重。 2008年 哥本哈根共识 将微量营养素缺乏列 为人类健康面临的第五大全球挑战。 据统计， 全球共有20亿人患有一种或多种慢性微量营 养素缺乏症， 其中中国占15。 因此， 进一步提高小麦的微量元素含量、 为全世界的人们提 供高营养品质的小麦非常重要。 提高小麦的微量元素含量这一目标存在很多限制因素， 其 中一项就是微量元素含量的测定。 长期以来， 传统的小麦籽粒微量元素含量的测定都是通 过室内研磨、 化学方法高温消煮、 电感耦合等离子原子发射光谱仪或原子吸收分光光度计 检测而实现的， 需要投入大量时间、 精力， 同时操作过程复杂， 分析成本高， 还会产生化学废 气污染环境。 因此，。

9、 非常有必要寻找一种能够快速监测小麦籽粒微量元素的方法。 0003 随着科学技术的发展， 一种实验室条件下利用可见光-近红外光谱进行研究的新 技术： 高光谱成像技术被开发， 该技术融合了光谱技术和成像技术的优点， 可以获得图像中 每个像素的光谱(化学或物理)信息， 非常适合分析非均质性的样本。 同时， 近红外波段的光 谱包含C-H、 O-H和N-H化学键的信息， 能够在不破坏样本的前提下实现有机分子含氢基团的 特征信息获取。 由于该技术具有分辨率高、 速度快、 无损、 经济、 环保等特点， 所以非常适合 应用于农产品无损检测技术领域。 该技术已成功应用于检测小麦呕吐毒素污染水平(沈飞 等， 2。

10、019)、 小麦赤霉病抗性(梁琨等， 2019)、 玉米淀粉含量(陈立平等， 2019)和坚果矿物质 含量(Bai et al.2018)。 然而目前还没有将高光谱成像技术用于小麦籽粒微量元素预测的 先例。 发明内容 0004 本发明的目的是基于高光谱成像技术， 提供一种简单、 快速、 无损检测小麦籽粒微 量元素含量的方法。 0005 本发明所提供的检测小麦籽粒微量元素含量的方法， 包括如下步骤： 0006 1)收集小麦籽粒样本； 0007 2)构建高光谱成像系统， 利用高光谱成像系统采集小麦籽粒的高光谱图像； 0008 3)获取籽粒光谱反射率 0009 对步骤2)获得的样本原始高光谱图像进行。

11、校正， 将原始光谱辐射率图像转换为光 谱反射率图像， 然后从光谱反射率图像中提取样本的平均光谱反射率数据； 0010 4)测定籽粒各微量元素的含量； 说明书 1/4 页 3 CN 111398198 A 3 0011 5)使用偏最小二乘回归PLSR方法建立反映平均光谱反射率数据与小麦籽粒各微 量元素的含量之间关系的模型； 0012 (1)筛选和删除微量元素含量数据集和高光谱数据的异常值； 0013 (2)建立模型； 0014 6)利用高光谱成像系统采集待测小麦籽粒的高光谱图像， 提取小麦籽粒光谱反射 率， 将小麦籽粒光谱反射率输入建立好的模型， 预测出待测小麦籽粒中各微量元素的含量。 0015。

12、 上述方法步骤1)中， 所述小麦籽粒样本可为来自不同年份、 不同品种、 不同管理措 施条件下的小麦籽粒样本， 但不限于小麦， 麦类谷物籽粒均可； 0016 所述小麦籽粒样本为多份， 具体可为600份； 0017 在利用高光谱成像系统采集小麦籽粒的高光谱图像前， 还需将所述小麦籽粒样本 自然风干； 0018 上述方法步骤2)中， 所述高光谱成像系统包括高光谱成像仪(SOC710-VP， USA)、 一 个暗箱、 4个60W的卤素灯组成的照明系统、 放置样本的升降台和电脑； 0019 所述高光谱成像的光谱范围为350-1050nm； 0020 SOC710-VP(便携式可见光-近红外高光谱成像仪)。

13、覆盖的光谱范围从350到 1050nm， 共128个波段； 0021 上述方法步骤3)中， 根据高光谱成像仪用户手册对步骤2)获取的样本原始高光谱 图像进行校正； 0022 上述方法步骤4)中， 采用化学方法测定小麦籽粒各微量元素的含量； 0023 所述测定小麦籽粒各微量元素的含量的方法， 包括： 室内研磨； 采用化学方法高温 消煮制备待测液； 使用电感耦合等离子体原子发射光谱法分析待测液中的各微量元素的含 量； 0024 其中， 所述微量元素包括： 硼(B)、 钙(Ca)、 铜(Cu)、 铁(Fe)、 镁(Mg)、 锰(Mn)、 钼 (Mo)、 锌(Zn)。 0025 具体操作如下： 将步骤。

14、1)中采集到的样本全部用去离子水清洗5次， 在70下烘干 至恒重， 使用球磨仪和氧化锆研磨罐研磨， 称取0.20.3g(精确至0.0001g)样品置于微波 消解管中， 然后加入2:1HNO3:H2O2溶液， 静置12h， 用微波消解仪(CEM Mars6， USA)消煮样品 和酸混合溶液， 消煮完成后将冷却的消煮液转移至一个25ml的容量瓶中， 加去离子水稀释 至刻度线， 摇匀， 然后过0.45 m滤膜， 使用电感耦合等离子体原子发射光谱仪(Thermo- ICAP6300， USA)对滤液中硼(B)、 钙(Ca)、 铜(Cu)、 铁(Fe)、 镁(Mg)、 锰(Mn)、 钼(Mo)、 锌(Z。

15、n)进 行分析。 0026 上述方法步骤5)(1)中， 使用Tukey方法筛选和删除微量元素数据中的异常值， 使 用基于蒙特卡罗交叉验证的方法检筛选和删除光谱反射率异常值； 0027 上述方法步骤5)(2)中， 随机选取80的数据组成训练数据集用于建立模型， 剩余 20的数据组成测试数据集用于验证模型； 其中， 所述数据均为步骤5)(1)中获得的经过异 常值筛选的微量元素数据和光谱反射率数据； 0028 上述方法步骤5)(2)中， 在建模过程中， 主成分的个数最大设为50； 为防止模型过 拟合， 训练模型时进行5次10折交叉验证； 同时， 对模型输入的光谱反射率数据进行中心化 和归一化的预处理。

16、； 说明书 2/4 页 4 CN 111398198 A 4 0029 上述方法步骤5)还可进一步包括(3)： 以光谱反射率为模型输入， 以籽粒微量元素 含量为输出， 利用PLSR对小麦籽粒微量元素进行预测， 使用预测值和真实值线性回归的决 定系数R2和均方根误差RMSE来评价模型的准确度和精度。 0030 高光谱成像技术在小麦籽粒微量元素检测中的应用也属于本发明的保护范围。 0031 本发明提供了一种基于高光谱成像技术的小麦籽粒微量元素含量测定的方法， 与 现有的测定方法相比， 具有以下明显的优点： 0032 1)本发明具有操作简单、 快速、 成本低、 效率高等优点； 无需对小麦籽粒进行与处。

17、 理， 直接采集其高光谱图像即可； 0033 2)本发明在操作过程中不使用有毒化学试剂， 对环境无污染。 附图说明 0034 图1为本发明所提供的高光谱成像系统的示意图(a)和小麦籽粒样本(b)。 0035 图2为小麦籽粒的平均光谱。 具体实施方式 0036 下面通过具体实施例对本发明进行说明， 但本发明并不局限于此。 0037 下述实施例中所使用的实验方法如无特殊说明， 均为常规方法； 下述实施例中所 用的试剂、 材料等， 如无特殊说明， 均可从商业途径得到。 0038 实施例1、 基于高光谱成像的小麦籽粒元素快速无损检测方法 0039 1、 采集样本 0040 小麦籽粒样本采集自2017-。

18、2019年中国农业大学吴桥实验站。 本试验包括13个小 麦品种， 分别是北京8号、 丰抗8号、 藁优2018、 藁优5766、 邯麦15、 京411、 济麦22、 农大139、 农 大399、 石麦22、 中麦1062、 中麦175和中麦578。 小麦成熟后， 本试验共采集了631份小麦籽粒 样品。 将这些样品自然风干， 备用。 0041 2、 籽粒高光谱图像获取 0042 (1)构建一个高光谱成像系统， 如图1所示。 本发明的高光谱成像系统包括高光谱 成像仪(SOC710-VP， USA)、 一个暗箱、 4个60W的卤素灯组成的照明系统、 放置样本的升降台 和电脑。 SOC710-VP是一台。

19、便携式可见光-近红外高光谱成像仪， 覆盖的光谱范围从350到 1050nm， 共128个波长。 0043 (2)将步骤1采集到的样本全部进行高光谱成像。 具体步骤为将小麦籽粒样本(3- 5g)分别装入圆形塑料盒(直径7cm， 高4cm)中， 然后放置在升降台上， 通过调节升降台来控 制成像区域内的样本数量。 每次扫描可同时获得9个样本的高光谱图像。 0044 3、 籽粒光谱反射率的获取 0045 根据高光谱成像仪用户手册对步骤2获取的样本原始高光谱图像进行校正， 将原 始光谱辐射率图像转换为光谱反射率图像， 然后从光谱反射率图像中提取样本的平均光谱 反射率数据。 631个样本的平均光谱反射率及。

20、变异特征如图2所示。 0046 4、 籽粒微量元素含量的测定 0047 将步骤1采集到的样本全部用去离子水清洗5次， 在70下烘干至恒重， 使用球磨 仪和氧化锆研磨罐研磨， 称取0.20.3g(精确至0.0001g)样品置于微波消解管中， 然后加 说明书 3/4 页 5 CN 111398198 A 5 入2:1HNO3:H2O2溶液， 静置12h， 然后用微波消解仪(CEM Mars6， USA)消煮样品和酸混合溶 液， 消煮完成后将冷却的消煮液转移至一个25ml的容量瓶中， 加去离子水稀释至刻度线， 摇 匀， 然后过0.45 m滤膜， 使用电感耦合等离子体原子发射光谱仪(Thermo-IC。

21、AP6300， USA)对 滤液中硼(B)、 钙(Ca)、 铜(Cu)、 铁(Fe)、 镁(Mg)、 锰(Mn)、 钼(Mo)、 锌(Zn)进行分析。 0048 5、 使用偏最小二乘回归PLSR方法建立模型 0049 (1)使用Tukey方法筛选和删除微量元素数据中的异常值， 使用基于蒙特卡罗交叉 验证的方法检筛选和移除光谱反射率异常值。 0050 (2)随机选取80的数据组成训练数据集用于建立模型， 剩余20的数据组成测 试数据集用于验证模型。 在建模过程中， 主成分的个数最大设为50； 为防止模型过拟合， 训 练模型时进行5次10折交叉验证； 同时， 对模型输入的光谱反射率数据进行中心化和。

22、归一化 的预处理。 0051 (3)以128个波长下的光谱反射率为模型输入， 以籽粒微量元素含量为输出， 利用 PLSR对小麦籽粒微量元素进行预测。 使用预测值和真实值线性回归的决定系数R2和均方根 误差RMSE来评价模型的准确度和精度。 各微量元素的PLSR模型结果如表1所示， R2最高可达 0.82， 对应的RMSE为0.08， 可以看Mo、 Mg、 Zn和Ca等微量元素预测效果较好， 说明本发明可以 用于测定小麦籽粒多种微量元素的含量。 0052 表1不同微量元素的PLSR模型结果 0053 说明书 4/4 页 6 CN 111398198 A 6 图1 图2 说明书附图 1/1 页 7 CN 111398198 A 7 。