西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验，采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型，结果表明偏最小二乘回归法建立的模型具有较高的相关性，相关系数为0．951，均方根校正误差0．347，均方根预测误差0．302，样本真实值与预测值的相关系数为0．910。     

基于LED组合光源的水晶梨可溶性固形物和大小在线检测

该文探讨了近红外光谱技术结合发光二极管（LED）组合光源探头在线检测水晶梨的可溶性固形物和大小的可行性。试验中采用850、880和940 nm 3盏LED组成组合光源探头，每个水晶梨在均匀成单列的输送线上以每秒5个梨的速度运动，采用漫反射方式采集水晶梨的漫反射光谱。应用偏最小二乘（PLS）和最小二乘支持向量机（LS-SVM）方法建立了可溶性固形物和大小2个理化参数的校正模型，同时对不同光谱预处理方法（平滑、一阶微分、二阶微分）建立的模型的预测性能进行了对比分析，并通过外部验证来检验模型预测的准确性。利用平     

近红外漫反射光谱检测土壤有机质和速效N的研究

利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。     

近红外光谱检测梨果硬度研究

应用近红外漫反射无损检测梨果硬度。采集240个梨样品的光谱数据,150个梨样品数据用于建模集来建立模型,另外90个样品数据用于预测集,评价模型的性能。采集完整梨果的近红外漫反射光谱(350~1 800nm),为简化模型,原始光谱经小波算法去除噪声,然后采用CARS算法,波长由最初的1 451个降低为58个,采用偏最小二乘回归建立梨果硬度的定量预测数学模型。研究发现,CARS算法在简化模型同时,模型的预测评价指标优于原始光谱建模的模型,硬度定量预测数学模型的决定系数(Rp2)为0.66,均方根误差(RMSEP)为1.66。近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的硬度。     

基于CARS算法的脐橙可溶性固形物近红外在线检测

采用可见/近红外光谱在线检测装置进行赣南脐橙可溶性固形物含量在线检测模型优化研究。样品以5个/s的速度运动,采集可见/近红外漫透射光谱。光谱经过预处理后,分别应用向后区间偏最小二乘法（BiPLS）、遗传算法（GA）和正自适应加权算法（CARS）筛选特征变量,并通过外部验证评价PLS模型预测能力。一阶微分处理后经CARS筛选特征变量建立的PLS模型预测结果最优,预测相关系数和预测均方根误差分别为0.94和0.42%。结果表明CARS算法可有效简化赣南脐橙可溶性固形物可见/近红外光谱在线检测模型并提高模型的预测精度。     

猕猴桃硬度近红外漫反射光谱无损检测

为了给猕猴桃成熟度判定提供一种无损检测手段,进行了基于近红外漫反射光谱定量分析技术检测冷藏期间猕猴桃硬度的试验研究。采用偏最小二乘法对“华优”猕猴桃的近红外光谱进行了分析,并且比较和讨论了4种光谱预处理方法的建模结果。试验结果表明,在全谱范围内,一阶微分光谱所建模型效果最佳,其校正相关系数为0.963,预测相关系数为0.852。     

可更换探头的手持式多果品内部品质无损检测仪研究

为了实现多果品内部品质的现场无损快速检测,基于多光谱技术设计了一种可更换探头的手持式多果品内部品质无损检测仪。该检测仪的硬件系统由主机和多光谱采集探头组成。主机包括微处理器、电源管理模块、稳压驱动模块及输入输出模块。多光谱采集探头由12个不同波长的发光二极管和数字光电传感器组成。在MDK 5.0开发环境下用C语言开发了检测仪的软件。利用开发的检测仪分别采集了“华优”猕猴桃和“雪”梨的漫反射多光谱,并基于偏最小二乘法建立了预测猕猴桃和梨的可溶性固形物含量(SSC)和硬度的模型。将预测模型导入到检测仪后对仪器的性能进行了测试。结果表明,该检测仪对猕猴桃SSC和硬度的测量均方根误差分别为1.51%和5.13 N,对梨SSC和硬度的测量均方根误差分别为0.52%和4.57 N,检测时间在2 s以内,可通过更换探头实现对多种果品内部品质的无损快速检测。     

鸭梨黑心病和可溶性固形物含量同时在线检测研究

采用可见近红外漫透射光谱技术,探讨鸭梨黑心病和可溶性固形物含量同时在线检测的可行性。在5个/s运动速度下,采集了黑心果和正常果的可见近红外能量谱。分析了正常果和黑心果的可见近红外光谱响应特性,分别建立了鸭梨黑心病峰值比判别模型和偏最小二乘判别模型。同时建立了可溶性固形物偏最小二乘回归模型,考察了黑心病对鸭梨可溶性固形物偏最小二乘回归模型预测精度的影响,提出了鸭梨黑心病和可溶性固形物含量同时在线检测策略。采用未参与建模的新样品,评价鸭梨黑心病和可溶性固形物含量在线分选的准确性,黑心果判别准确性达到100%,正常果可溶性固形物预测标准差为0.45°Brix,分选正确率达到98%。     

醋糟有机基质含水率的可见/近红外光谱检测

以醋糟有机基质为研究对象,采用便携式可见/近红外光谱仪采集了不同含水率基质样品(69个)的漫反射光谱,通过选择不同的光谱预处理方法并确定其主成分数,建立了基于偏最小二乘法(PLS)的醋糟基质含水率定量分析模型.结果表明,以滑动平均滤波(MAF)和一阶微分(FD)相结合作为原始光谱的预处理方法所建立的模型(主成分数为5)对基质含水率的检测效果较好,其校正模型和预测模型决定系数分别为0.9930和0.9901,校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.0676和0.071 5.因此,可见/近红外光谱技术可以作为醋糟有机基质含水率快速检测的一种可靠方法.     

表皮对果蔬品质漫反射光谱检测精度的影响

基于近红外漫反射光谱进行了马铃薯淀粉含量快速检测,并分析了表皮对光谱及淀粉含量检测精度的影响问题。本文对110个样品的漫反射光谱进行平均化(Mean centering)、微分处理及Norris滤波,建模方法选用主成分回归(PCR)及偏最小二乘法(PLS)。检测结果表明:近红外漫反射光谱检测马铃薯淀粉含量具有可行性,但表皮对光谱及检测精度有影响。采用PLS法对经Norris滤波处理的去皮马铃薯一阶微分光谱与淀粉含量建模,效果最好,相关系数r为0.893,根校正偏差RMSEC为1.01%;对预测集样品预测,均方根预测偏差RMSEP为1.38%,精度明显优于带皮马铃薯的建模及预测精度(r为0.834,RMSEC为1.29%,RMSEP为1.74%)。果蔬品质光谱检测中,如要实现样品品质精确检测,表皮影响需进一步校正。