紫菜综合品质信息快速检测系统研制.docx

紫菜综合品质信息快速检测系统研制.docx

《紫菜综合品质信息快速检测系统研制.docx》由会员分享，可在线阅读，更多相关《紫菜综合品质信息快速检测系统研制.docx（18页珍藏版）》请在冰豆网上搜索。

紫菜综合品质信息快速检测系统研制

紫菜综合品质信息快速检测系统研制

科技计划项目可行性研究报告

2009年12月

1、立项的背景和意义1

2、国内外研究现状和发展趋势2

3、研究开发内容和技术关键3

3.1研究开发内容3

3.2技术关键4

5、研究方案、技术路线、组织方式与课题分解6

5.1研究方案6

5.2技术路线11

5.3组织方式11

5.4课题分解12

6、计划进度安排12

7、现有工作基础和条件14

3.1研究工作基础14

3.2工作条件14

8、经费预算14

1.立项的背景和意义；

紫菜（Porphyra）俗称“长寿菜”，是藻门（Rhodophyta）、原红藻纲（Protoflorideophy-ceae）红毛菜目（Bangiales）红毛菜科（Bangiaceae）紫菜属（Porphyra）的统称。

我国食用紫菜已有千年以上的历史。

民间常用紫菜作妇女产后催乳剂；患肺脓肿吐臭痰的患者，可常嚼干紫菜；夏天多吃紫菜有消暑热、补身体的功效。

紫菜所含的多糖类，有抑制癌症效果。

紫菜含有高达29～35％的蛋白质以及碘、多种维生素和无机盐类，味鲜美，除食用外还可用以治疗甲状腺肿大和降低胆固醇，是一种重要的经济海藻。

紫菜是温州的传统养殖产业，其产品远销日本、东南亚以及欧美等国家和地区。

温州紫菜养殖主要分布在苍南和洞头两县，其中苍南县有紫菜养殖面积3万多亩，年产量达5000多吨，产值逾1.5亿元。

但是，紫菜市场长期以来没有国家统一标准，使监管者缺乏执法依据，生产者也难以规范生产行为，从而造成该类产品市场混乱、产品品质良莠不齐等现象。

为切实加强对紫菜产品品质的监督，保证紫菜交易市场的顺利运行，迫切需要能够检测紫菜品质的手段和方法。

数字水产业和水产信息技术作为现代水产业最前沿的发展领域之一，是当今世界发展水产业必不可少的技术。

数字化水产业强调的重要一点是对水产业所涉及的对象的商业化产品综合品质信息进行数字化信息获取，分析和管理。

数字化紫菜产业要求能够实现快速、准确、大批量、连续获取紫菜包括重要成分含量、等级和产地等在内的综合品质信息。

显然，传统的实验室小量样本的化学测量分析和品质信息获取方法已经无法满足数字化紫菜产业发展的需要。

因此研究和开发紫菜综合品质信息的快速检测方法和检测系统是数字化紫菜产业研究的热点。

紫菜是蛋白质含量最丰富的海藻之一。

紫菜中的蛋白质含量随着藻的种类及生长时间、地点等而有所不同同，通常蛋白质质量分数占紫菜干质量的25%～50%。

紫菜越在生产初期含量越高,之后随着生长时间的延长,含量逐渐减少。

含水量则是紫菜的另一个重要的品质指标。

紫菜收成后，如果遇到黄梅天，紫菜就有可能发生变质，严重的还会变颜色。

这样的紫菜是不能再食用的。

所以说紫菜的水份含量越高，其保存期越短。

必然会引起市场销售状况不佳，出口受阻。

紫菜的采割，是分次数的，采割过的紫菜可以再生长。

第一次长成的紫菜，头次采割，叫头水。

紫菜后面的依次叫二水，三水，四水。

采壳孢子苗后40-50天，紫菜叶片长到20-30厘米，即可进行第1次采收，以后每隔10-15天左右采收1次。

整个养殖期最多可采收12次左右。

不同等级（头水、二水、三水等）的紫菜在口感、营养价值、产量和价格上都有一定的区别。

头水紫菜的产量低，营养价值最高，口感极其爽滑，食用时几乎不用咀嚼就可下咽，食用口感最佳，是紫菜中的极品。

二水口感则粗些，需要稍加咀嚼。

紫菜外形简单，由盘状固着器、柄和叶片3部分组成。

叶片是由1层细胞（少数种类由2层或3层）构成的单一或具分叉的膜状体。

从外观上，不管是不同等级还是产地的紫菜都不易区分，尤其是对于普通消费者。

而人为通过外观对紫菜成分含量进行检测就更难了。

温州是我国紫菜养殖的主要产区。

但由于不同产地的养殖环境、所采用的紫菜苗种以及种植方式的不同，造成不同养殖地的紫菜的成分含量，口感，价格上均有所不同。

由此可以看到紫菜的蛋白质和水分等成分含量，紫菜的等级、产地等都是重要的紫菜品质评价指标。

目前国内外对于紫菜重要成分含量的检测主要是采用化学方法进行。

其中蛋白质含量的检测一般采用凯氏定氮法。

含水率的测定一般则采用烘干重力法。

然而这些方法要么需要对被测样品进行化学试剂处理，要么需要耗费大量的时间。

而且这些方法只能对少量样本进行抽查分析，而不能对大量样本进行综合全面的检测。

同时现在还未有针对紫菜等级和产地进行判别分析的方法报道。

日常人们主要是通过口感来估计紫菜品质。

然而通过口感识别容易受到检测人主观因素的影响，并且不能进行大量样本的检测，而且缺乏客观依据和公平原则。

因此为了规范市场交易，维护消费者和经销商的利益，迫切需要一种能够对紫菜重要成分含量、等级和产地等品质信息进行快速、低成本检测的方法。

本项目通过采集紫菜的可见-近红外光谱信息，应用多种化学计量学技术和数据挖掘方法，深入研究可见-近红外光谱和紫菜综合品质信息之间的耦合关系，开展应用可见-近红外光谱技术进行紫菜综合品质信息的快速检测方法研究。

建立紫菜各个品质信息与可见-近红外光谱之间的关系模型。

同时项目将研究不同紫菜等级和不同产地和紫菜重要成分含量之间的关系。

最后在紫菜综合品质信息的快速检测模型提供理论支持的基础上，研制紫菜综合品质信息快速检测系统。

本项目首次采用可见-近红外光谱技术将紫菜综合品质信息数字化，实现紫菜综合品质信息的快速、低成本、大批量检测。

并将研制紫菜综合品质信息快速检测系统。

是信息技术在紫菜综合品质信息检测中的重要应用。

研究成果将有助于规范紫菜交易市场，实现紫菜综合品质信息的标准科学检测，推进我国紫菜产业的科学健康发展。

开发的仪器设备将具有广阔的应用前景和经济价值。

2.国内外研究现状和发展趋势；

国内外关于紫菜等藻类的重要成分含量，等级以及产地快速检测方面的研究还鲜有报道。

现阶段国内外对于紫菜重要成分含量的检测主要是采用耗时费力的化学方法。

其中蛋白质含量的检测一般采用凯氏定氮法。

含水率的测定一般则采用烘干重力法。

此外这些方法只能对少量样本进行抽查分析，不能对大量样本进行综合全面的检测。

同时现在还未有针对紫菜等级和产地进行判别分析的方法报道。

数字化紫菜产业要求能够实现快速、准确、大批量、连续获取紫菜包括重要成分含量、等级和产地等在内的综合品质信息。

显然，传统的实验室小量样本的化学测量分析和品质信息获取方法已经无法满足数字化紫菜产业发展的需要。

可见-近红外光谱分析技术在农产品、食品、水产品等的品质信息检测方面的应用研究是当今世界农业与生命科学领域研究的热点。

可见-近红外光谱（Visibleandnearinfraredspectroscopy,Vis-NIRS）是一个新兴的化学分析方法，它可以充分利用全谱段或多波长的光谱数据对物质的品质、种类、化学成分等进行定性和定量分析，帮助做出品质信息快速检测和生产销售管理决策。

可见-近红外光谱技术已在食品，农业，制药，化工，高分子和石化领域的品质控制和过程分析上都得到了广泛的应用。

可见光谱能够反映物质的颜色信息，而近红外光谱区与有机分子（如有机碳氮源）中的含氢基团（C-H、N-H）振动的合频与各级倍频的吸收一致，可以得到样品中有机分子含氢基团的特征振动信息。

因此通过扫描样品的可见-近红外光谱，可以得到紫菜的成分含量信息，并以此为基础对紫菜的不同等级和产地信息进行鉴别。

与传统的分析化学方法需要破坏样品、操作繁琐、测量成本高等缺点相比，可见-近红外光谱技术具有分析速度快，能够多组分同时测定，分析成本低以及操作简单，不需要专业技术培训等优点。

可见-近红外光谱检测不需要对样品进行预处理，能直接进行对样品进行原位测定和非破坏性实时分析。

此外可见-近红外光谱仪器也较色谱、核磁、中红外光谱等检测仪器便宜很多。

目前国内外应用可见-近红外光谱技术对于紫菜重要成分含量（蛋白质、含水率等），等级（头水、二水、三水等以及产地等品质信息检测方面的研究还鲜有报道。

综合国内外的研究文献，可以看到可见-近红外光谱技术已经在食品和农业领域得到了广泛的应用。

虽然紫菜综合品质信息的检测可以借鉴以上应用的研究经验，但是不可以直接照搬照抄以往的经验。

目前还未见将Vis-NIRS技术用于紫菜综合品质信息检测的研究报道。

项目负责人在农业与食品领域中的光谱采集以及分析处理等技术方面已有很好的工作积累。

发表了多篇相关的SCI和EI索引期刊论文。

了解国际上与本项目有关领域的最新研究动态。

在已有研究基础上，提出开展基于可见-近红外光谱技术的紫菜品质及等级快速无损检测方法研究。

数字水产业和水产信息技术作为现代水产业最前沿的发展领域之一，是当今世界发展水产业必不可少的技术。

数字化水产业强调的重要一点是对水产业所涉及的对象的商业化产品综合品质信息进行数字化信息获取，分析和管理。

基于光谱技术的紫菜综合品质信息快速检测方法的研究及相关仪器装备开发将有助于实现紫菜产业的数字化、现代化。

并且将为其他水产业产品的各种品质信息的快速检测提供技术和经验支持。

通过开展对紫菜综合品质信息的快速检测研究及相关仪器装备开发将有助于规范紫菜交易市场，实现紫菜综合品质信息的标准科学检测，推进温州乃至全国的紫菜产业的科学健康发展。

开发的仪器设备将具有广阔的应用前景和经济价值。

因此研究和开发紫菜综合品质信息的快速检测方法和检测系统是数字化紫菜产业研究的热点。

今后可通过数字水产业及信息技术相关的重大科技专项，仪器开发、科技成果转化及产业化项目等与政府、科研部门和企业合作，继续开展深入研究，推动技术和产品的产业化。

3.研究开发内容和技术关键；

3.1研究开发内容

本项目以紫菜为研究对象，采集紫菜的可见-近红外光谱，结合化学计量学方法和数据挖掘技术，实现紫菜重要成分含量（蛋白质、含水率等）、等级（头水、二水、三水等）和产地等重要品质信息的快速检测，并研制紫菜综合品质信息的快速检测系统，主要研究开发内容为：

1）建立紫菜重要成分含量、等级和产地等品质信息的快速检测模型。

研究紫菜重要成分含量（蛋白质、含水率等），紫菜等级（头水、二水、三水等）以及紫菜产地等品质信息的可见-近红外光谱响应特性。

采用化学计量学方法和数据挖掘技术，剔除外界干扰因素和无信息的噪声信号，研究紫菜各个品质信息的快速检测机理，建立紫菜综合品质快速检测模型。

并提取针对各个品质信息的光谱特征波段，简化紫菜综合品质信息快速检测的方法和模型。

为研制紫菜综合品质信息快速检测系统提供理论和技术支持。

2）研制紫菜综合品质信息快速检测系统。

紫菜综合品质信息快速检测系统由进样装置，可见-近红外光谱仪、光源和上位计算机组成。

进样装置可以实现紫菜样品的连续进样。

然后通过可见-近红外光谱仪进行紫菜样品光谱采集。

将采集到的光谱数据输入到上位计算机中。

计算机基于紫菜综合品质信息的快速检测模型提供的理论支持，采用Matlab软件进行光谱数据的化学计量学处理，并编写面向对象的紫菜综合品质信息快速检测软件，实现光谱曲线显示、保存和输出，紫菜重要成分含量（蛋白质、含水率等）的快速预测，紫菜等级（头水、二水、三水等）的快速鉴定，紫菜产地判别，人机交互，检测结果显示、保存和输出等功能。

3.2、技术关键

本检测系统以最新的光谱采集技术，光谱信号预处理技术，化学计量学光谱建模技术和计算机软件开发技术为基础，研究的技术关键涉及到以下几个方面：

①光谱信号采集技术。

采集到光谱信号一般包含有用信息和无用信息。

如何采集到含有更多有用信息的光谱信号是本系统实现的技术关键之一。

②光谱信号预处理技术。

采用预处理技术进一步消除采集后的光谱信号中的无用信息是本系统实现的技术关键之二。

③光谱建模技术和可视化的检测系统软件技术。

光谱建模是研制紫菜综合品质信息快速检测系统的核心。

系统的商业化市场推广及应用需要稳定和通用的光谱分析模型和方便使用的操作软件。

4预期目标（主要技术经济指标、知识产权申请情况、应用前景）；

4.1、主要技术经济指标

本研究将以检测模型，检测系统，论文、学术报告、专利、著作权登记等形式提供研究成果，具体预期成果如下：

①检测系统指标：

a）光谱采样时间：

≤1s；

b）成分含量检测误差≤5%；

c）等级识别正确率≥95%；

d）产地识别正确率≥95%；

e）蛋白质含量检测范围：

25%-50%；

f）含水率检测范围：

10%-15%；

g）数据传输实现USB接口通讯；

h）有效光谱信号范围：

420-1000nm；

i）光谱分辨率≤0.25nm；

j）特征波段个数：

5-10个；

系统可最终实现光谱曲线显示、保存和输出，紫菜成分（蛋白质、含水率等）含量的快速预测，紫菜等级（头水、二水、三水等）的快速鉴定，紫菜产地判别，人机交互，检测结果显示、保存和输出等功能。

②本系统的使用实现紫菜综合品质信息的快速、低成本、大批量检测。

以填补紫菜综合品质检测无法快速、低成本、大批量检测的空白。

③研究成果将有助于规范紫菜交易市场，维护消费者和经销商的利益，实现紫菜综合品质信息的标准科学检测，推进我国紫菜产业的科学健康发展。

④本系统研制成功后，将在某海洋养殖研究所使用一段时间，待产品成熟后向市场推广。

以这个研究所为例子，研究所需要4套紫菜综合品质信息快速检测系统，此研究所下属的三个基地各需要2套紫菜综合品质信息快速检测系统，若以每套系统2.5万元计，就这个研究所本身就将有25万元的市场规模。

若将该系统投放到整个温州紫菜养殖区，市场保有产值500万元，利税50万元。

4.2、知识产权申请情况

可见-近红外光谱分析技术在农产品、食品、水产品等的品质信息检测方面的应用研究是当今世界农业与生命科学领域研究的热点。

项目负责人近年在应用可见-近红外光谱技术在食品和农业应用领域开展了大量的工作，并根据研究成果发表了多篇相关的SCI索引高水平期刊论文。

国内外关于紫菜等藻类的重要成分含量，等级以及产地及道地性快速检测方面的研究还鲜有报道。

通过本项目的开发，研制相关检测仪器和系统，还可以进行相关专利申请和国家软件著作权登记。

相信本项目的开展也能够取得丰硕的学术成果。

项目预计发表SCI、EI收录论文3篇。

在国际相关学术会议上进行学术报告1次。

申请专利1项，国家软件著作权登记1项。

4.3、应用前景

紫菜是寿司、佐菜调味品等的主要原料，不同等级（头水、二水、三水等）和产地的紫菜之间的品质和口感都有不同。

作为消费者必然不希望自己购买的紫菜是低等级紫菜或者其他产地生产的低品质紫菜。

然而从外观上，人们很难对紫菜的重要成分含量（如蛋白质、含水率等）进行估计。

不同等级或者产地之间紫菜的外观也是很难区别的。

尤其是对于普通消费者就更难判断了。

同时通过专家人工品尝进行识别也存在精度不高，主观因素大，难以大批量检测等缺点。

为了规范市场交易，维护消费者和经销商的权益，迫切需要一种能够对紫菜重要成分含量，等级以及产地等品质信息进行快速、低成本检测的方法和仪器。

通过开展《紫菜综合品质信息快速检测模型研究及检测系统开发》项目，研究紫菜综合品质信息快速检测模型，开发可见-近红外光谱技术的紫菜综合品质信息快速检测系统，可以实现紫菜重要成分（蛋白质、含水率等）的含量，紫菜等级（头水、二水、三水等）以及紫菜产地等重要品质信息的快速检测。

温州作为浙江省重要的沿海经济发达地区，以高新技术应用为主要特点的现代水产业的发展非常迅速，对新技术新设备的需求十分强烈，是将来本课题成果潜在的用户。

同时也为本课题研究的相关仪器的应用提供了非常便利的条件。

相信本项目研究的相关仪器一旦能够开发成功，可很快形成批量生产。

并且有望获得一批具有完全知识产权的技术和产品。

本项目的实施，有望提升温州市甚至全国范围的紫菜产业数字化技术开发及应用水平，对促进紫菜产业增产，养殖户和经销商增收，推动紫菜产业信息化，发展现代紫菜产业具有重大意义。

整个项目的研究成果也将为其他藻类综合品质信息的快速检测研究提供技术和经验支持，并进一步带动其他藻类综合品质的客观、快速检测，标准市场，带动相关产业健康发展。

5研究方案、技术路线、组织方式与课题分解；

5.1、研究方案

1）设计可见-近红外光谱采集方案。

提高基于可见-近红外光谱技术进行紫菜综合品质信息快速检测的可靠性、通用性和稳定性。

I.采用美国海洋光学公司（OceanOptics）OEM光谱仪（USB4000MiniatureFiberOpticSpectrometer）进行可见-近红外光谱数据采集。

光谱仪配备HL-2000-CAL卤素灯作为光谱采集的光源。

同时通过光纤和探头作为光谱获取媒介。

II.通过比较不同的采样角度（30°，60°，90°），不同的采样距离（0.25cm，0.50cm，0.75cm，1.00cm），不同的扫描时间间隔（5.0ms，7.5ms，10.0ms，12.5ms），不同的扫描次数（1次，5次，10次，15次，20次）条件下获得的光谱信号，寻找最佳的光谱采集参数。

III.通过在样品和探头外围安装光线屏蔽装置，减少外界光进入光谱采集探头，有效避免外界环境和背景对紫菜光谱采集的影响。

图1可见-近红外光谱采集方案设计流程图

2）可见-近红外光谱分析模型建立与特征波段选择。

I.采用并深入分析比较多种可见-近红外光谱预处理算法。

本项目将深入分析比较的光谱预处理算法包括Savitzky-GolaySmoothing平滑法（SGS），多元散射校正（MSC）、标准归一化（SNV）、一阶和二阶导数，小波去噪等。

II.采用并深入分析比较多种用于可见-近红外光谱分析的化学计量学建模方法。

将光谱仪采集到的全波段可见-近红外光谱（350-1050nm）作为输入变量，输入化学计量学计算模型中。

模型根据输入自变量已经对应样本的应变量值，建立两者之间的关系模型。

同时，本项目将深入分析比较的化学计量学建模方法包括支持向量机（SVM）、人工神经网络（ANN）、多元线性回归（MLR）、偏最小二乘回归（PLSR）、主成分回归（PCR）、簇类独立软模式法（SIMCA）、主成分分析（PCA）等方法。

其中多元线性回归、偏最小二乘回归和主成分回归为线性模型，支持向量机和神经网络为非线性模型，簇类独立软模式法和主成分分析为模式聚类模型。

III.采用多种光谱模型评价指标对所建立的各种光谱分析模型的效果进行综合评估。

通过比较建模集样本的建模确定系数（rc2），建模集均方根误差（RMSEC），预测残差平方和（PRESS），交叉验证均方差（RMSECV）以及预测集样本的预测确定系数（rp2），预测集均方根误差（RMSEP），和剩余预测偏差（RPD）等评价指标，对所建立的各种光谱分析模型的效果进行评估，从而选择精度高，计算速度快，冗余度低，稳定性好的模型。

IV.通过采用多种光谱变量优化选择算法及其组合算法对全波段的光谱变量进行选择和特征光谱信号提取，同时深入分析并比较最优的光谱特征变量选择算法。

本项目将深入分析比较的变量优化选择算法包括遗传算法（GA）、退火算法（SA）、连续投影算法（SPA）、无信息变量去除（UVE）、小波变换（WT）与小波包变换（WPT）等。

图2可见-近红外光谱分析模型建立与特征波段选择流程图

3）建立紫菜综合品质信息的快速检测模型。

I.蛋白质和含水率是紫菜的两种重要的成分。

通过选取不同等级和产地的紫菜样本，使紫菜样本的包含的蛋白质和水分含量呈现由低到高的分布，以便于所获取的数据具有足够的梯度和代表性。

研究采用凯氏定氮法测量紫菜中的蛋白质含量，采用重力法测量含水率。

通过大量的对比试验，采集紫菜的可见-近红外光谱，结合数据处理算法，建立紫菜重要成分含量的快速准确检测模型。

II.通过分别选择温州洞头和苍南产的不同等级的紫菜样本，以便于所获取的数据具有足够的代表性。

通过大量的对比试验，分别采集温州洞头和苍南产的不同等级的紫菜的可见-近红外光谱，结合数据处理算法，分别建立上述两个产地紫菜等级的快速准确检测模型。

III.通过获取浙江（温州、舟山）、江苏（南通、连云港）以及福建（泉州）等产地的紫菜样本，以便于所获取的数据具有足够的梯度和代表性。

通过大量的对比试验，分别采集浙江、江苏、福建等产地的紫菜的可见-近红外光谱，结合数据处理算法，建立紫菜不同产地信息的快速准确检测模型。

IV.根据紫菜光谱有用信息分布，无用信息分布，冗余信息分布，噪声分布等，提取对应不同品质信息的光谱波段，剔除干扰因素的影响，简化模型。

图3紫菜重要成分含量信息的快速检测模型建模流程图

图4紫菜等级信息的快速检测模型建模流程图

图5紫菜产地信息的快速检测模型建模流程图

4）开发紫菜综合品质信息快速检测系统

I.紫菜综合品质信息快速检测系统由进样装置，可见-近红外光谱仪、光源和上位计算机组成。

可实现光谱曲线显示、保存和输出，紫菜重要成分含量（蛋白质、含水率等）的快速预测，紫菜等级（头水、二水、三水等）的快速鉴定，紫菜产地判别，人机交互，检测结果显示、保存和输出等功能。

II.进样装置可以实现紫菜样品的连续进样。

进样装置由转盘以及分布在转盘圆周上的样品池组成。

样品池能够依次置于光谱仪光谱采集探头下方。

III.通过可见-近红外光谱仪进行紫菜样品光谱采集。

可见-近红外光谱仪的核心是采用3648像素TOSHIBA线性CCD阵列检测器为核心的可见-近红外光谱模块。

模块的性噪比为300：

1，包含16位模/数转换器，积分时间为3.8毫秒至10秒，分辨率0.3至10.0nm。

整个可见-近红外光谱仪由光源、可见-近红外光谱模块，Y型光纤和USB传输线组成。

可见-近红外光谱模块通过USB传输线与上位计算机相连，Y型光纤的末端为光谱采集探头，另外两端分别连接光源和可见-近红外光谱模块；光源发出的可覆盖可见-近红外范围的光通过光纤照射到紫菜样品表面，光线经过表面吸收反射和漫反射后，由探头，通过光纤，最后进入近可见-近红外光谱模块。

可见-近红外光谱模块通过模/数转换，将采集到的光谱模拟信号转换成数字信号，经过放大电路后，通过USB传输线输入到上位计算机。

IV.计算机基于紫菜综合品质信息的快速检测模型提供的理论支持，采用Matlab软件进行光谱数据的化学计量学处理，并编写面向对象的紫菜综合品质信息快速检测软件。

软件界面设计部分已初步完成（图7）。

软件内置紫菜综合品质信息快速检测化学计量学模型程序，从而可以完成紫菜品质信息的快速计算。

检测结果将通过软件显示在显示器上。

图6紫菜综合品质信息快速检测系统结构示意图

图7基于Matlab程序编写的紫菜综合品质信息快速检测软件运行界面完成部分

5.2、技术路线

图8整个检测系统的技术路线流程图

5.3、组织方式

整合各专业工作人员等各方面资源，建立不同领域专业人员的沟通与协调机制是确保项目取得成功的必要条件。

项目开发和实施过程同时也是知识转移的过程，通过完整的项目实施过程及其管理，实现对检测应用系统的持续完善与增强。

在项目的建设项目中，既要对项目各个阶段进行管理，又需要对总体项目的进度进行控制。

有条不紊地按照预定计划进行，保证阶段目标的按时实现。

尽量减少和协调项目内部以及项目之间的冲突，充分发挥每个项目成员的工作效率。

以课题负责人为组织者和协调人，经过充分协商和论证之后，确定建立紫菜综合品质信息的快速检测模型为整个项目核心，各个环节的任务将服务于此中心。

5.4、课题分解

为了使项目建设高质量按期完成，并切实符合系统的要求，建立一只能够研发设计队伍是本项目成功的一个非常重要的因素。

在获得本项目立项资格之后，将集中相关人员组成项目组进行研发。

项目组包括以下分小组，每个小组完成相应的工作职责：

（1）光谱信号采集技术研究组；

（2）光谱信号预处理与建模组；

（3）紫菜综合品质信息快速检测模型建立和系统软件设计组。

6计划进度安排；

2010.0