水果甜度計算
https://www.oceaninsight.com/knowledge-hub/spectrometer-randr-internal/
- 產品說明 (點擊展開觀看)
-
当我们走进水果店时，会发现同一种水果会分不同的价格售卖，而影响价格的主要原因是其品质，这时我们就会产生疑问:什么样的荔枝核小而甜？什么样的西瓜皮薄瓤多脆又甜？
我们今天来分享一些关于：如何用科学的方法区分不同品质的水果（当然也能区分同一类水果的不同产地与品种）
随着生活质量提高和消费水平的改变，消费者对于水果品质不同的需求也就促成了水果的销售分级处理；利用非接触式水果分选检测技术，不断细分果品，以便满足不同消费市场的需求。
水果分选
一般来说，将其分为四类：大小、重量、外观品质（颜色、新鲜度）、内部品质。
其中在内部品质分选中，主要判断的指标如下：
糖度
硬度
酸度
内部缺陷
传统的破坏性检验方法不仅成本高，还会造成资源浪费，因此光谱无损检测的方法成为一大趋势。
水果分选机因其具有检测速度快、可同时检测多种内部成分等优点，近年在农产品内部品质检测方面发展迅速。
其基本原理是：当用近红外光照射水果时，不同的水果内部成分对于不同波长的光学吸收和散射程度不同，而内部光谱也会随着水果内部成分质量分数的不同而发生变化。利用这一特性，即可根据近红外光谱特征分析水果中的主要成分及其质量分数。
近红外光谱
近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团Ｘ－Ｈ（Ｘ＝Ｃ、Ｎ、Ｏ）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效的载体。
近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射某样品时，由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过检测器分析透射或反射光线的光密度，就可以确定该组分的含量。
优势 劣势 无损检测分析技术
不是一种直接测量样品组份的分析测量方法,需要结合理化化学方法和建立模型算法。
可对待测样品的多种组分含量同时测量
光谱数据受环境影响大
重现性好,受外界因素参数影响小
只能测定光线照射部分的成分
但是近红外经过两百多年的发展与应用开发，仪器的进步与算法的革新，仪器制造商与科学家们已经可以将越来越多的劣势规避，从而更好地发挥了近红外不消耗化学试剂，不污染环境等优点，因此也受到越来越多人的青睐。
应用案例
——基于近红外光谱技术检测水果糖度（水分/黑心病【可见+近红外】）
主要过程：
（1）选取具有代表性的水果
（2）通过漫反射或透射方式采集水果样品相关光谱数据；
（3）对光谱数据预处理，消除不同因素对水果模型精度带来的误差，选择更有代表性样品的光谱数据；
（4）采用国家和国际认证的化学分析方法测量水果样品成分的准确含量；
（5）建立预测模型
（6）未知水果样品近红外光谱的采集，然后用所建立的预测模型预测未知样品的成分含量。
（7）用标准的化学分析方法测量未知水果样品成分的含量，验证所建立预测模型的准确性，然后对预测模型进行校正和优化。
典型装置设计
三大功能模块：
光路模块
附件模块
数据处理模块
光路模块的光源对待测水果样品进行有效照射，通过光纤传递给光纤探头，再将透过水果样品的光谱信息进行收集，并通过光纤传递给数据处理模块的光谱仪。通过微处理器进行处理、计算和分析，从而完成对待测水果样品糖度的预测，在显示屏上获取结果，实现水果糖度的无损检测。
由于水果的尺寸大小、果肉薄厚，糖酸度高有低，且分布不均的情况，在光谱采集模块中有多种方式：
（图片摘自仪器信息网）
采集谱图案例
脐橙原始光谱采集（可见+近红外）
苹果吸收光谱（可见+近红外）
香蕉的不同反射光谱（近红外）
并做归一化平均
草莓反射光谱（可见+近红外）
正常与不同腐变程度的苹果透射光谱比较图（可见+近红外）
化学计量学建模
在完成光谱采集后，数据处理成为整个装置的核心步骤。再建立准确化学值与光谱信息之间的化学计量学模型。
化学计量学模型的建立主要包括两个过程：校正和预测
硬件：光谱采集模块
① 光谱仪（近红外系列光谱仪，可见-近红外光谱仪）
② 光源（海洋光学提供集成和光路设计方案，解决客户在光学部分的 担忧；因集成到在线设备，我们推荐使用高度可集成化、高稳定性的光源，以适应在线设备的光路设计和长时间稳定运行。）
③ 光谱收集附件（可选配/定制/也可空间光耦合的光纤、准直镜附件，帮助客户解决系统中光传输和耦合问题。）
软件
① 光谱读取软件定制/二次开发（Omnidriver/Seabreeze）
② 近红外光谱建模软件（可根据需求选取不同建模软件）
③ 数据传输与分选机制协议定制
针对不同的水果产线和分选机制，为客户定制数据传输模块及协议方式。由于通讯方式的差异及需求差异，我们还可以为客户进行光谱仪器协议、固件等开发，实现同样光谱设备在不同应用中发挥其不同长处。
① 触发准确性
在水果分选设备产线中，光谱仪工作在外触发模式，当传输带送入一个水果到测量位置，立即触发光谱仪开始积分，积分时间100ms，因此对触发的准确性要求很高。而竞争对手的产品外触发时间不准确，如果产线使用的是高功率卤钨灯，多停留一段时间就有可能造成水果的热损伤。
②量产能力
机器人自动校正并保证每台设备的精准校调，确保每条产线的分选标准一致。
③量身定制
在线系统中如果出现系统故障会影响整条产线的正常运行，我们可为客户定制系统运行自测协议，减少人为检验步骤，提高生产效率
当我们走进水果店时，会发现同一种水果会分不同的价格售卖，而影响价格的主要原因是其品质，这时我们就会产生疑问:什么样的荔枝核小而甜？什么样的西瓜皮薄瓤多脆又甜？
我们今天来分享一些关于：如何用科学的方法区分不同品质的水果（当然也能区分同一类水果的不同产地与品种）
随着生活质量提高和消费水平的改变，消费者对于水果品质不同的需求也就促成了水果的销售分级处理；利用非接触式水果分选检测技术，不断细分果品，以便满足不同消费市场的需求。
水果分选
一般来说，将其分为四类：大小、重量、外观品质（颜色、新鲜度）、内部品质。
其中在内部品质分选中，主要判断的指标如下：
糖度
硬度
酸度
内部缺陷
传统的破坏性检验方法不仅成本高，还会造成资源浪费，因此光谱无损检测的方法成为一大趋势。
水果分选机因其具有检测速度快、可同时检测多种内部成分等优点，近年在农产品内部品质检测方面发展迅速。
其基本原理是：当用近红外光照射水果时，不同的水果内部成分对于不同波长的光学吸收和散射程度不同，而内部光谱也会随着水果内部成分质量分数的不同而发生变化。利用这一特性，即可根据近红外光谱特征分析水果中的主要成分及其质量分数。
近红外光谱
近红外光谱属于分子振动光谱的倍频和主频吸收光谱，主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，具有较强的穿透能力。近红外光主要是对含氢基团Ｘ－Ｈ（Ｘ＝Ｃ、Ｎ、Ｏ）振动的倍频和合频吸收，其中包含了大多数类型有机化合物的组成和分子结构的信息。由于不同的有机物含有不同的基团，不同的基团有不同的能级，不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别，且吸收系数小，发热少，因此近红外光谱可作为获取信息的一种有效的载体。
近红外光照射时，频率相同的光线和基团将发生共振现象，光的能量通过分子偶极矩的变化传递给分子；而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。因此，选用连续改变频率的近红外光照射某样品时，由于试样对不同频率近红外光的选择性吸收，通过试样后的近红外光线在某些波长范围内会变弱，透射出来的红外光线就携带有机物组分和结构的信息。通过检测器分析透射或反射光线的光密度，就可以确定该组分的含量。
优势 劣势 无损检测分析技术
不是一种直接测量样品组份的分析测量方法,需要结合理化化学方法和建立模型算法。
可对待测样品的多种组分含量同时测量
光谱数据受环境影响大
重现性好,受外界因素参数影响小
只能测定光线照射部分的成分
但是近红外经过两百多年的发展与应用开发，仪器的进步与算法的革新，仪器制造商与科学家们已经可以将越来越多的劣势规避，从而更好地发挥了近红外不消耗化学试剂，不污染环境等优点，因此也受到越来越多人的青睐。
应用案例
——基于近红外光谱技术检测水果糖度（水分/黑心病【可见+近红外】）
主要过程：
（1）选取具有代表性的水果
（2）通过漫反射或透射方式采集水果样品相关光谱数据；
（3）对光谱数据预处理，消除不同因素对水果模型精度带来的误差，选择更有代表性样品的光谱数据；
（4）采用国家和国际认证的化学分析方法测量水果样品成分的准确含量；
（5）建立预测模型
（6）未知水果样品近红外光谱的采集，然后用所建立的预测模型预测未知样品的成分含量。
（7）用标准的化学分析方法测量未知水果样品成分的含量，验证所建立预测模型的准确性，然后对预测模型进行校正和优化。
典型装置设计
三大功能模块：
光路模块
附件模块
数据处理模块
光路模块的光源对待测水果样品进行有效照射，通过光纤传递给光纤探头，再将透过水果样品的光谱信息进行收集，并通过光纤传递给数据处理模块的光谱仪。通过微处理器进行处理、计算和分析，从而完成对待测水果样品糖度的预测，在显示屏上获取结果，实现水果糖度的无损检测。
由于水果的尺寸大小、果肉薄厚，糖酸度高有低，且分布不均的情况，在光谱采集模块中有多种方式：（图片摘自仪器信息网）
采集谱图案例
脐橙原始光谱采集（可见+近红外）
苹果吸收光谱（可见+近红外）
香蕉的不同反射光谱（近红外）
并做归一化平均草莓反射光谱（可见+近红外）
正常与不同腐变程度的苹果透射光谱比较图（可见+近红外）
化学计量学建模
在完成光谱采集后，数据处理成为整个装置的核心步骤。再建立准确化学值与光谱信息之间的化学计量学模型。
化学计量学模型的建立主要包括两个过程：校正和预测