案例 SuccessfulCase
拉曼光谱
拉曼光谱
模块拉曼
显微拉曼
角分辨光谱
角分辨光谱
微观角分辨
宏观角分辨
显微光谱
显微光谱
荧光
反射
辐射
通用光谱
通用光谱
反射
荧光
辐射
吸收
透射
全部案例
全部案例
全部案例
您当前所在的位置> 首页> 成功案例 >NIR1700 近红外光谱仪 | 水果快速分选
▌NIR1700 近红外光谱仪 | 水果快速分选


         


      背景
      近年来,随着农业科技的发展和人民生活水平的提高,国内外水果品种越来越多,人们对水果的品质也有了更高的要求。为了提高水果的加工质量和出品等级,需要对水果进行严格的质量分级和大小分级。
      
      一般来说,水果的分选主要四类:
      1、大小的分选,此分选大多使用机械方法分类,少数使用视觉传感非接触式分类;
      2、重量分选,此分选主要通过电子称量的方法进行分类;
      3、外观品质分选,此方法主要通过光电式色泽分选和计算机处理分选,通过计算水果的颜色和灰度等数据对水果的外观一致性进行分类;
      4、内部品质分选,此类分选主要判断水果的糖度、酸度。
      
      以往,内部品质分选主要依靠破坏性检验方法,例如使用甜度计,近年来,通过光谱进行无损检测逐渐成为主流趋势。针对这一趋势,近红外傅里叶光谱仪已经不适用这种水果的品质分选,新型的微型光纤光谱仪凭借体积小、便携、快速、稳定性好的特点在工业在线光谱分析中获得了推广和普及,尤其适合水果的品质管理环节
      
图1,近红外水果在线分选现场

基本原理   
      近红外(NIR),谱区介于可见光(VIS)和中红外(MIR)之间,波长范围为 780–2500 nm,其频率为 13000 – 4000 cm-1,该谱区覆盖了含氢基团(O-H、N-H、C-H)振动的倍频与合频特征信息。含氢基团振动模型的倍频和合频会导致吸收重叠,致使NIR光谱对农产品而言,一般有较宽的波峰。
      
       通常一张NIR光谱上的各个波峰同时有几种组分的信息,运用近红外光谱分析农产的质量时,需通过获取农产品(如谷物、水果等)反射的NIR光谱数据与成分含量已知的样品的光谱数据进行对比建立数据模型。
      
      测试方法
      NIR应用于农产品检测时,可采用漫反射或漫透射方式 (见下图)。
      
      在检测过程中,漫透射方式需求大功率的光源,测量过程中,被测水果会在短时间内被加热;此外,漫透射方式对于被测水果的要求被测水果大小规格较为一致。漫反射方式对于光源功率要求不像漫透射方式中那么高,对于被测水果大小也没有很严格的限制,但受测量面积的限制。
      
图2,近红外水果检测方法--漫透射(图左)、漫反射(图右)

实验搭建
      基于近红外光谱仪(NIR1700)、 30积分球(IS-30-6-R)、大功率卤素灯(iDH2000H-HP)搭建的漫反射光谱测量系统,分别对表面完好以及表面有损伤的水蜜桃进行光谱测量。
      
      表面完好(good)以及表面有损伤(bad)的水蜜桃,分别在980nm、1160nm以及1450nm附近有较宽的吸收峰,而且,容易看出表面完好的水蜜桃,在1450nm位置的吸收峰要明显大于表面有损伤的水蜜桃。对测得光谱进行数据处理后,曲线基本重合,在1140nm(对应实际光谱1160nm)以及1390nm(对应实际光谱1450nm)附近的光谱变化,有很直观的区别。
      
      
图3,水蜜桃漫反射测量结果

图4,水蜜桃漫反射测量结果 -- 数据处理后

结论
      分析表皮完好的水蜜桃水分要远高于表面受损的水蜜桃(1450nm附近为水的吸收峰)。利用这点,可以使用近红外光谱测量系统,测量水果或农作物的鲜度以及是否受损。对于糖分以及淀粉的测定,则需要测量光谱的同时,利用化学方式测量糖分及淀粉作为参照,运用化学计量学方法建立测量模型,最终实现水果品质测量。
      
推荐产品:


近红外光谱仪
 

积分球
 

大功率卤素灯