基于近红外漫反射光谱技术的芒果糖度无损检测方法研究

近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测。为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.976 59,RMSEC分别为1.628 4,0.205 8,MEP为1.235 0,0.738 3;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9;调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9%降到8.057 6%。研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的。     

花椒挥发油含量的近红外光谱无损检测

应用近红外漫反射光谱技术,采用偏最小二乘法,针对118份完整花椒颗粒定标样品集,研究了扫描分辨率为4、8、16 cm-1,扫描次数为32、64、128的9种扫描参数组合情况下的挥发油含量近红外光谱预测模型.扫描分辨率为16 cm-1、扫描次数为128时,建立的预测模型最优.在最优参数组合情况下,定标集样品的内部验证决定系数R2为0.907,交互验证误差均方根为0.509,用20份样品作为预测集进行外部验证,外部验证决定系数R2为0.973,预测误差均方根为0.272,相对分析误差为6.28.结果表明,近红外光谱分析技术可以快速、无损地检测花椒颗粒中挥发油的含量.     

可见近红外光谱检测河套蜜瓜糖度和硬度研究——基于LS-SVM

最小二乘支持向量机是水果品质可见近红外光谱检测中新近发展起来的建模方法。为此,详细介绍了最小二乘支持向量机的工作原理以及基于Matlab环境的LS-SVM工具箱的使用;在此基础上,运用主成分分析和LS-SVM法建立了基于可见近红外光谱的河套蜜瓜糖度和硬度检测模型,并分析了样品糖度、硬度的真实值和预测值的相关性。预测结果表明:糖度和硬度预测值与真实值决定系数R2分别为0.865和0.852。LS-SVM法建模速度快、准确率高、易于实现,在可见近红外光谱数据分析中有很大的实用价值。     

基于近红外与中红外光谱技术的淀粉回生度检测

淀粉食品在加工、运输及储藏过程中会逐渐出现回生,其回生程度是影响淀粉食品品质的重要因素。利用近红外和中红外光谱技术快速、无损检测淀粉回生度。首先采集了储存不同时间淀粉的近红外和中红外光谱,分别利用近红外、中红外以及两者融合的光谱数据结合化学计量学方法(偏最小二乘法(PLS、iPLS、biPLS、siPLS))建立淀粉回生度检测模型。结果显示,近红外和中红外融合光谱技术的biPLS检测模型最佳,校正集和预测集相关系数分别为0.965 5和0.931 3。研究结果表明,红外光谱技术可以快速、无损检测玉米淀粉回生度,保障了富含淀粉食品的质量与安全。     

不同预处理方法对PLS模型检测哈密瓜糖度的影响

为寻找适合可见近红外光谱检测哈密瓜糖度含量的最佳光谱预处理方法,进行哈密瓜样品可见近红外光谱数据的预处理方法比较与研究。研究比较了4种光谱数据预处理方法对哈密瓜糖度偏最小二乘法建模精度的影响。研究结果表明:标准正态变量变换与二阶导数相结合是哈密瓜糖度含量可见近红外光谱检测的有效光谱预处理方法,其相关系数和内部交叉验证均方差分别为0.6893和0.666,并且利用该方法建立的哈密瓜糖度预测模型的相关系数、预测集均方根误差和校正集的相关系数、校正集均方根误差分别为0.7342、0.573、0.7605、0.588,最佳因子数为11。     

饲料中动物源性成分显微近红外光谱检测分析

探讨了应用显微近红外光谱分析技术检测饲料中动物源性成分的可行性.利用12个动物源性成分饲料样品和14个植物源性成分饲料样品建立偏最小二乘定标模型,数学预处理方法为导数+多元散射校正,利用平均光谱来优化模型实现数据压缩,模型的决定系数、交互验证标准差分别为0.969、0.090.4个配合饲料样品作为外部验证未出现误判.结果表明显微近红外光谱分析技术可用于检测饲料中动物源性成分.     

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。     

鱼粉品质的近红外反射光谱快速检测方法

利用近红外光谱分析技术检测145个鱼粉样品化学成分,其中115个作为定标集,其余30个作为检验集。采用偏最小二乘法(PLS)建立定标模型,并对原始光谱进行预处理。结果表明,以一阶导数和9点卷积平滑预处理效果最佳。用所建立的定标模型对检验集样品进行成分预测,并对预测值与化学分析值之间进行F检验,结果表明,在置信度为99％下,除钙之外,其他成分均为高度显著。近红外光谱分析技术可以检测鱼粉中的水分、粗蛋白、粗脂肪、粗灰分、总磷和盐分,但钙的预测结果不理想。     

基于高光谱成像技术的面条中马铃薯全粉含量检测

为了快速检测面条中马铃薯全粉含量，研究近红外高光谱成像技术定量检测面条中马铃薯全粉含量的可能性，自制了马铃薯全粉质量分数在0~35%内随机均匀分布的120个面条样品，在900~2500nm范围采集高光谱图像，随机选取80个样品作为校正集，分别采用原始光谱和经过6种预处理方法预处理后的光谱建立了偏最小二乘回归、主成分回归、支持向量机回归模型。结果表明经标准化预处理后用偏最小二乘回归建模效果最好，校正集决定系数（R2C）为0.8653，交叉验证集决定系数（R2CV）为0.6914。用回归系数法在经过标准化预处理后的光谱数据中提取了与全粉含量相关的特征波长，建立了马铃薯全粉含量偏最小二乘回归简化模型, 校正集决定系数（R2C）为0.8685，交叉验证集决定系数（R2CV）为0.8021，基于特征波长建立的模型效果优于全波段模型，模型效果得到了一定的提高。以剩余40个未参与校正模型建立的样品作为预测集，基于特征波长建立了标准化-偏最小二乘回归简化预测模型，预测集决定系数（R2P）为0.8546，模型具有较好的预测能力。结果表明利用近红外高光谱成像技术可检测面条中马铃薯全粉含量，可为马铃薯全粉面条的快速无损检测建立新的方法。     

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

运用近红外漫反射技术检测苹果内部品质

为了建立山东烟台富士苹果糖度和硬度的近红外光谱测定法,本实验应用光纤漫反射近红外光谱检测技术快速定量分析苹果的糖分含量和硬度。使用偏最小二乘法建立预测模型,样品糖分预测值和实测值之间的相关系数为0.97210,校正标准差(RMSEC)为0.363;样品硬度预测值和实测值的相关系数为0.95452,校正标准差(RMSEC)为0.594。通过本次试验研究表明,近红外光谱测定法能准确地对富士苹果糖分含量和硬度进行无损快速定量分析。     

鲜枣内部综合品质光谱评价指标建立与分析

为实现鲜枣内部综合品质的在线无损快速检测,利用可见/近红外光谱漫反射技术,针对完熟期壶瓶枣的内部品质,包括含水率、可溶性固形物含量、硬度、可溶性蛋白质含量、维生素C含量5项指标,分别采用竞争性自适应重加权算法(CARS)提取特征波长并建立最小二乘-支持向量机(LS-SVM)预测模型,硬度预测模型的相关系数和均方根误差分别为0.945 2和41.684 9,其余品质预测模型的相关系数均在0.923 0及以上、均方根误差均在3.779 2及以下。在此基础上,对5项品质指标进行了相关性分析,表明在0.01或0.05水平上两两指标间存在极显著或显著的相关性,故采用因子分析法构建了内部综合品质评价指标,建立了CARS-LS-SVM预测模型,结果表明该模型的相关系数和均方根误差分别为0.924 1和6.063 5,预测精度较高。研究表明,所建立的CARS-LS-SVM模型可有效实现鲜枣内部综合品质的评价。     

An analysis of the effect of quality on prices of horticultural produce

This paper reports an analysis of price data for apples, tomatoes and bananas from three metropolitan markets in Australia. Weekly quantities, average prices and price differences for apples and tomatoes on the Brisbane market show large differences in prices at any particular time, irrespective of supplies and average price. Price data from the Sydney and Melbourne markets for Delicious apples and bananas, respectively are also examined for price level and variation for specific product lines.The attributes of quality in horticultural produce are described and classified as either sensory or objective. It is postulated that the reputation of a product line, and hence its average price, is influenced primarily by the composite of all attributes, particularly those sensory ones which are taste- and time-dependent. The price variation or bandwidth is controlled by a limited number of factors—appearance and colour, and, on the wholesale level, package weight. Objective quality attributes are of concern in the control of post-harvest deterioration and in nutritional matters.A framework for the analysis and price-quality relationships is proposed, based on the effects of supply and demand, reputation and price bandwidth of particular lines. This framework forms the basis for the prediction of prices of horticultural produce.     

An Aroma Sensor for Assessing Peach Quality

A gas concentration transducer has been used to build an aroma sensor whose signals are related to concentration levels of delta and gamma decalactones, which are the main volatiles that compose peach aroma. In order to estimate the efficiency of assessing peach quality with the sensor, its readings were compared with peach quality classes determined by experts depending on fruit external appearance (colour, firmness, and estimated maturity). The sensor was able to reproduce this classification with a 75–85% success rate. No clear relationship was found between the signal of the sensor and other quality parameters, such as sugar content or firmness. However, preliminary tests have succesfully demonstrated the possibility of using these transducers to detect rotten fruit in cool chambers.     

蜜瓜糖度透射光谱检测技术

采用便携式USB光纤光谱仪建立了蜜瓜糖度透射光谱检测系统,光源能量300W,光谱采集积分时间500ms,离散光谱累计采集次数为4次,光谱平滑采用厢车法,平滑点数为4点。利用该系统对140个非网纹类蜜瓜糖度进行了检测试验,采用经典最小二乘法(CLS)、逐步多元线性回归(SMLR)、主成分回归分析(PCR)和偏最小二乘法(PLS)对样品光谱和糖度的建模与预测结果表明,PLS法的建模与预测结果较好,相关系数r为0.857,均方根校正误差为0.655,均方根预测误差为0.838。     

便携式马铃薯多品质参数局部透射光谱无损检测装置

基于可见/近红外局部透射光谱,根据马铃薯大小及形状特征,设计了便携式马铃薯多品质无损检测装置,包括光谱采集模块、光源模块、控制与显示模块、供电模块和黑白参考盒,装置尺寸为11 cm×6.5 cm×9.5 cm。选取大西洋品种马铃薯样品85个,基于装置建立了马铃薯含水率、淀粉质量分数和还原糖质量分数的偏最小二乘定量预测模型,马铃薯含水率、淀粉质量分数和还原糖质量分数预测模型验证集相关系数分别为0.927 8、0.914 6、0.933 8,均方根误差分别为0.325 3%、0.344 9%、0.041 6%。基于QT开发工具,采用C/C++语言编写了装置实时分析控制软件,将所建预测模型植入到软件中,实现了马铃薯多品质参数实时无损检测一键式操作。最后对便携式马铃薯多品质无损检测装置的检测精度进行了验证。20个马铃薯样品含水率、淀粉质量分数和还原糖质量分数的装置预测值与标准理化值的相关系数分别为0.914 1、0.912 2和0.914 0,均方根误差分别为0.352 7%、0.340 4%和0.040 0%,平均偏差分别为0.295 1%、0.253 6%和0.031 6%,重复采样最大变异系数分别为0.006 7、0.012 4和0.123 1。结果表明:马铃薯多品质局部透射无损检测装置可以实现马铃薯含水率、淀粉质量分数和还原糖质量分数的实时无损检测。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

苹果内部品质近红外光谱检测的异常样本分析

应用声光可调谐滤光器近红外光谱仪检测苹果内部品质(可溶性固形物含量、总糖、总酸和硬度)时,综合利用Cook距离、马氏距离、杠杆值和学生化残差,判断疑似异常样本点,然后用二审剔除判别法确定异常样本点.最终可溶性固形物含量、总糖、总酸模型都剔除了11个异常样本,硬度模型剔除了6个异常样本.其偏最小二乘回归模型的相关系数分别从0.868、0.791、0.443、0.693提高到0.904、0.849、0.501、0.718,校正误差均方根(RMSEC)分别从0.882 °Brix、9.213 g/L、0.805 g/L、0.105 MPa降低到0.733 °Brix、7.300 g/L、0.687 g/L、0.097 MPa.所建的苹果各品质模型更加稳定,准确度更高.     

湍流模型对离心泵扬程预测准确性的影响

为研究涡黏性类湍流模型和雷诺应力类湍流模型在离心泵扬程预测中的准确性,采用CFX 14.0软件分别对10台不同比转数n_s的离心泵在3个不同流量(0.3Q,1.0Q,1.2Q)下的扬程进行预测,并将模拟值与试验值进行对比.研究结果表明:在0.3Q流量下,低比转数离心泵采用雷诺应力类中的BSL-EARSM模型可以获得更为准确的扬程值;在1.0Q,1.2Q流量下,采用雷诺应力类模型中的BSL-RS模型相对于常用的RNG k-ω和k-ω模型具有更好的准确性.当采用涡黏性类模型对1.0Q流量下的扬程进行预测时,预测值均小于试验值.对于文中研究的比转数大于103的扬程预测,在3个流量下,模拟值均小于试验值.研究结果为离心泵扬程预测的数值模拟方案选择提高提供了参考.     

苹果糖度近红外光谱小波去噪和iPLS建模

为了提高苹果近红外光谱糖度预测模型的精度,利用多尺度小波去噪法对苹果近红外光谱进行了预处理,并用改进后的间隔偏最小二乘法(iPLS)建立预测模型。应用结果表明,多尺度小波去噪法滤除了原始光谱中的部分噪声,但又保留了原光谱中的主要信息。运用间隔偏最小二乘法对预处理后的光谱建模,其校正时的相关系数rc和校正均方根误差RMSEC分别为0.9635和0.3026,预测时的相关系数rp和预测均方根误差RMSEP分别为0.9214和0.4113,主因子数为5个。结果表明,用多尺度小波去噪和间隔偏最小二乘法所建立的苹果糖度模型不但精度有所提高,而且更加简洁、数据运算量也更少。