基于可见-近红外光谱技术的果蔬品质检测方法

可见-近红外光谱技术利用波长在380～2 500 nm的电磁波获取果蔬中有机分子含氢基团的特征信息,根据样品对不同波长光的吸收信息,实现果蔬的外部、内部缺陷及营养成分定性、定量分析,是目前主流的果蔬内外部品质快速无损检测技术。综述了目前基于吸光度谱和能量谱对果蔬营养物质含量定量分析及缺陷定性分析,所使用的检测模型和变量筛选模型及其检测准确性,为相关研究人员选择高效准确的检测模型提供技术支撑。     

便携式红提葡萄多品质可见/近红外检测仪设计与试验

基于可见/近红外漫反射光谱分析技术,设计了便携式生长期红提葡萄多品质参数无损检测仪,该仪器由光谱采集探头、光谱仪、卤素灯光源、锂电池、控制器及外围电路等部分组成,仪器尺寸为200 mm×160 mm×150 mm,方便携带.以生长期内的红提葡萄果粒为研究对象,采集400～1000 nm的可见/近红外漫反射光谱信息,对原...     

基于可见/近红外光谱的牛肉品质无损检测系统改进

含水率、颜色和pH值是牛肉的重要品质指标,近年来可见/近红外光谱因其成本低、快速无损等特点被广泛应用于肉品检测中。针对现有探头采集样品面积过小、代表性差等问题,利用高效的环形光源对双通道可见/近红外光谱系统进行改进,建立了一种高效、稳定的双通道可见近红外光谱系统。首先,基于多次采集生鲜牛肉样品获得400~2450nm波段的有效光谱数据,对改进前反射探头和环形探头的性能进行了对比分析,发现环形探头的稳定性更有优势,在整个波段的变异系数均小于10%。然后利用改进后探头组成的系统采集了61块生鲜牛肉样品的可见/近红外光谱数据。采用了无处理、SG平滑、哈尔变换、一阶导数、二阶导数、标准正态变换、多元散射校正、去趋势化以及各方法组合等方法对光谱数据进行预处理。利用第1波段数据建立颜色参数L*、 a* 、b*的偏最小二乘模型,分别利用第1波段数据、第2波段数据和双波段数据（双波段简单拼接）建立含水率和pH值的PLSR模型并进行了对比。结果发现：第1波段的数据无需经过预处理,即可对颜色参数L*、 a* 、b*取得较好的预测结果,其PLSR模型验证集相关系数和标准误差分别为0.9603、0.9616、0.9367和1.3332、1.1844、0.6553;对于含水率和pH值,无论光谱数据是否经过预处理,第1波段数据的建模效果要好于第2波段数据,但是经过预处理的双波段数据（400~2450nm波段）能够取得更好的预测结果,其PLSR模型验证集相关系数和标准误差分别为0.9541、0.8716和0.5475、0.1272。结果证明,基于高效环形探头的双通道可见近红外光谱系统建立的牛肉多品质参数预测模型,可实现准确、无损、快速检测,获得比较稳定的检测结果。     

赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

绿茶杀青叶料含水率可见-近红外光谱检测

为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。     

叶酸溶液的二维可见-近红外透射光谱响应研究

叶酸是一种重要的维生素,在日常饮食中人体摄入叶酸普遍不足。探索叶酸的快速检测手段,对富含叶酸食品的检测及其功能性产品的开发有重要的意义。该研究配置了20个浓度梯度的叶酸溶液,采用可见-近红外光谱仪获得了不同浓度下的透射光谱图。视浓度为外扰,应用二维相关光谱相关理论对叶酸溶液进行分析。结果表明,在可见光谱区内有3个较强的特征波,从强到弱依次为430、450和550 nm,并且在这些波段处的吸光度值与叶酸溶液的浓度呈线性相关,其相关系数在0.98以上;在短波近红外光谱区内有6个较明显的特征波,从强到弱依次为1 410、1 440、1 490、1 540、1 520和1 510 nm。该研究明确了在可见-近红外透射光谱作用下,叶酸溶液的敏感波段和敏感程度,为叶酸的快速检测提供了理论依据。      

砂糖橘可溶性总糖可见-近红外光谱无损检测

在波长450-2500 nm范围提取189个砂糖橘的漫反射光谱,使用sym8小波的3层分解对其进行去噪预处理,引入连续投影算法(SPA)对光谱进行压缩,从2051个波长中初步提取14个优选波长,以这14个波长建立的多元线性回归模型(MLR)的预测相关系数为0.8855,预测均方根误差为0.5111,效果优于全谱偏最小二...     

基于近红外光谱扫描的马铃薯内部品质检测装置设计

设计了一种近红外光谱扫描的马铃薯内部品质检测装置,其结构包括马铃薯输送机构、近红外光谱扫描装置、拨叉机构、计算机处理系统和信号传感系统。采用近红外光谱对马铃薯营养成分及有害物质进行检测,样品无须用任何化学或物理方法处理,可直接检测,且检测速度快、环保,检测过程无污染;对样品无损耗,测定后仍可作它用;仪器的构造比较简单,易于维护。      

翠冠梨坚实度可见/近红外光谱在线检测

采用可见/近红外光谱技术对翠冠梨的坚实度进行在线检测研究,并对不同预处理方法和不同平滑点数的影响进行研究.试验采用USB4000微型光纤光谱仪在0.5 m/s的水果运动速度下采集翠冠梨的透射光谱,并应用偏最小二乘(PLS)算法建立预测模型.试验样品为176个,119个样品作为校正集,57个样品作为预测集.研究结果表明,应用可见/近红外光谱技术检测翠冠梨的坚实度是可行的,确定580～840 nm为较合适的建模波段;光谱经一阶微分和变量标准化(SNV)处理后建立的预测模型性能最优,其相关系数R为0.820,校正标准差为2.50 N,预测标准差为3.02 N;对于S-G平滑处理,5点S-G平滑的效果最好,其相关系数R为0.848,校正标准差为2.31N,预测标准差为2.85 N.     

基于多元校正法的香梨糖度可见/近红外光谱检测

应用可见/近红外光谱透射技术结合多元校正法探讨了样品在不同温度条件(5、10、15、20℃)下香梨糖度的快速无损检测。在波长500~900nm范围内,用逐步多元线性回归(SMLR)、偏最小二乘法(PLS)、最小二乘支持向量机(LS-SVM1、LS-SVM2)和遗传算法-偏最小二乘法(GA-PLS)等多种多元校正法进行了建模预测比较研究。预测结果从优到差依次为LS-SVM2、LS-SVM1、GA-PLS、PLS、SMLR。     

基于色敏传感器结合光谱技术的大米储藏期鉴别

应用色敏传感器阵列(CSA)结合可见/近红外(Vis-NIR)光谱检测技术,对大米储藏时间进行鉴别。大米按不同储藏期(0、1、2、4、6个月)分为5组。色敏传感器由氟硼吡咯类色敏材料制成,与大米挥发性气体发生反应后,分别提取色敏材料的光谱数据。光谱数据经SNV算法预处理后,用Si-PLS算法提取3类光谱数据的最佳光谱区间并合成一个数据集。分别用遗传算法(GA)、无信息变量消除法(UVE)和蚁群算法(ACO)提取光谱变量。并结合主成分分析(PCA)和线性判别分析(LDA)进行模式识别。结果表明,用Si-PLS-UVE提取的光谱变量建立的LDA预测模型正确识别率最高。取主成分数为9时,训练集正确识别率为98%,校正集正确识别率为96%,为大米储藏时间的检测提供了一种可行的方法。     

基于紫外可见光谱的红葡萄酒关键质量指标快速监测

对葡萄酒发酵和陈酿过程中质量进行有效监控,是葡萄酒品质的重要保证。通过监测葡萄酒发酵和陈酿过程中酚类物质和颜色的演变规律,以及紫外-可见吸收光谱特征,建立基于紫外-可见吸收光谱的酚类物质和颜色参数的偏最小二乘回归(Partial least squares regression, PLSR)模型。结果显示总酚、总单宁和总黄烷醇质量浓度在发酵过程中不断增加,在陈酿过程中逐渐减小。而总黄酮醇在发酵过程中先增加而后减小,在陈酿过程中逐渐减小。浸渍过程和发酵初期是颜色形成的关键时期,在陈酿过程中颜色逐渐老化。基于紫外-可见光谱的酚类物质和颜色参数预测模型的校正集决定系数R_cal²及验证集决定系数R_val²均不小于0.84,残余预测偏差(Residual predictive deviation, RPD)均不小于2.54,模型可以达到预测的目的。因此,紫外-可见光谱结合化学计量学是快速监测红葡萄酒发酵和陈酿过程中酚类化合物及色泽演变的一种简单经济且高效可行的手段。     

基于特征光谱提取的有机基质全氮含量快速检测方法

以醋糟有机基质为研究对象,采用便携式可见/近红外光谱仪获得基质样品的光谱信息,经过归一化和一阶微分预处理后,采用逐步回归法提取对有机基质全氮反应敏感的特征光谱,建立基于特征波长组合的线性回归模型.其中,以1 699、746、1 864和2 154 nm为特征波长的四元回归模型为最佳,其预测相关系数和预测均方根误差分别为0.933 4和1.04.结果表明,利用可见/近红外光谱技术,通过特征光谱的提取并建立相应的回归模型,可以实现对有机基质全氮含量的快速准确检测.     

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。     

基于机器视觉的葡萄品质无损检测方法研究进展

我国葡萄产量逐年上升,田间葡萄品质检测有益于提高葡萄收获后流入市场的经济效益。传统田间葡萄品质检测主要依靠人工进行破坏性检测,存在经验差异导致的误差。随着深度学习、图像检测技术的发展,基于机器视觉的田间葡萄品质检测克服了传统人工检测的局限性,以快速精准、实时无损检测的优势得到了大量应用。葡萄品种不同,衡量其内、外在品质评级的指标也不同。本文根据葡萄品种与品质评价指标,从品种的机器视觉检测方法、品质的机器视觉检测方法展开,对国内外基于机器视觉技术的田间葡萄品质无损检测相关研究进行系统性分析与总结。总结了不同机器视觉检测方法对葡萄品质指标检测的优缺点,并对田间葡萄品质无损检测研究面临的问题进行了讨论,指出了今后的发展趋势与研究方向。     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

典型拉曼光谱技术及其在农业检测中应用研究进展

拉曼光谱是一种散射光谱,具有快速、不易受水分干扰、样品无需预处理和在体检测等特点,可作为分析、测试物质分子成分和结构强有力的表征手段。随着拉曼光谱技术的不断发展,其在农业检测领域中逐渐发挥出极其重要的作用。本文概述了拉曼光谱的检测原理,从共聚焦显微拉曼光谱、傅里叶变换拉曼光谱、表面增强拉曼光谱、针尖增强拉曼光谱、共振拉曼光谱、空间偏移拉曼光谱、移频激发拉曼差分光谱、基于非线性光学的拉曼光谱等8个方面介绍了拉曼光谱技术,重点总结了拉曼光谱技术在植物检测、土壤检测、水质检测、食品检测等方面的应用研究进展,并提出了其在农业检测领域中应用需要解决的难题和未来的发展方向,以期对未来农业生产和研究带来启发。     

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。     

基于在线近红外光谱的堆肥全过程关键参数快速检测

为探究在线近红外光谱仪对堆肥全过程含水率、pH值、电导率、有机质质量分数、总碳质量分数、总氮质量分数和碳氮比等关键参数进行实时分析的可行性,以采集的60个堆肥全过程样品为研究对象,利用在线近红外光谱仪、结合偏最小二乘法,建立了有机肥堆肥过程中含水率、pH值、电导率、有机质质量分数、总碳质量分数、总氮质量分数和碳氮比的近红外定量分析模型。研究结果显示:在线近红外光谱仪可实现堆肥全过程上述关键参数的速测(RSD10%),其中,含水率和总氮质量分数的R_(2C)和R_(PD)分别为0. 94和3. 62、0. 92和3. 14,模型效果优秀; pH值、总碳质量分数和碳氮比的R_(2C)和R_(PD)分别为0. 90和1. 89、0. 83和2. 12、0. 82和2. 15,模型效果良好;电导率和有机质质量分数的R_(2C)和R_(PD)分别为0. 79和1. 85、0. 80和1. 93,模型效果一般,模型精度有待提高。各参数近红外预测值与实际测量值之间的偏差很小,并且近红外预测值与实际测量值随堆肥时间的变化趋势具有较好的一致性。     

基于太赫兹光谱的土壤重金属铅含量检测初步研究

探索应用太赫兹时域光谱用于农田土壤重金属含量检测的机理和可行性,尝试发展一种新的检测方法和手段。研究了样品制备测量方法,确定了最佳的制备参数为：聚乙烯样品盒尺寸为35mm×3.5mm×35mm,中间空隙1.5mm;压片法样品质量220mg,2.5t压力;分别制作一定浓度梯度（30~900mg/kg）的含铅土壤样品30组,使用Z-2型太赫兹时域光谱仪采集相应的土壤样品太赫兹透射光谱数据,对光谱数据进行预处理,包括平滑处理、多元散射校正、基线校正,采用全谱-偏最小二乘法、区间-偏最小二乘法和遗传算法-偏最小二乘法建立土壤样品中重金属元素铅含量的定标模型并对预测集样本进行预测。实验结果表明,采用样品盒法制作土壤样品并且基于遗传算法进行特征波段选择、结合偏最小二乘法的建模效果最佳,含重金属铅的土壤样本模型的标定集和预测集的相关系数分别为0.86和0.81,标定均方根误差和预测均方根误差分别为23.55mg/kg和39.52mg/kg。本研究通过分析土壤样品的太赫兹透射光谱吸收系数与重金属元素铅含量的相关关系,建立了较好的预测模型。