便携式大米多品质参数无损检测仪设计与试验

基于近红外漫透射光补偿光谱分析技术,设计了便携式大米多品质参数无损检测仪,检测仪包括光谱采集单元、光源单元、控制与显示单元、供电单元、专用参考校正盒等,光谱采集单元通过光补偿杯和聚焦准直透镜有效提高了采集光谱的信噪比,整个装置尺寸为207 mm×90 mm×148 mm,携带方便。选取52个籼米样品,基于便携式大米多品质参数无损检测仪建立了大米含水率、直链淀粉质量分数和蛋白质质量分数的偏最小二乘预测模型,含水率、直链淀粉质量分数和蛋白质质量分数的校正集相关系数分别为0. 980 3、0. 977 0、0. 932 3,校正集均方根误差分别为0. 279 1%、0. 727 4%、0. 204 5%,验证集相关系数分别为0. 979 3、0. 957 1、0. 924 9,验证集均方根误差分别为0. 300 9%、1. 106 7%、0. 212 7%。基于MFC软件开发工具,采用C/C++语言编写了实时检测及控制软件,实现了便携式大米多品质参数检测仪的一键式操作。试验验证了便携式大米品质无损检测仪的检测精度和稳定性,结果表明,利用该装置预测大米含水率、直链淀粉质量分数和蛋白质质量分数的最大变异系数分别为0. 024、0. 079、0. 034,大米样品的含水率、直链淀粉质量分数和蛋白质质量分数的预测值和标准理化值的相关系数分别为0. 972 7、0. 940 9、0. 901 5,预测均方根误差为0. 363 2%、1. 318 1%、0. 243 0%。这表明自行设计的检测仪可以实现大米含水率、直链淀粉和蛋白质质量分数的实时无损检测。     

便携式豆类品质监控系统研究

传统的破坏性检测方法已难以满足豆类品质快速检测的需求。现有的无损检测设备存在稳定性及准确性不高等问题,为提高豆类品质含量检测装置的性能,基于近红外光谱技术研发了豆类品质无损检测装置,体积小、便于携带,能够适用于现场检测。基于所研发的装置,各取30个黄豆、绿豆、红豆、黑豆样本,通过旋转静态采集多次光谱求平均值与采集1次光谱的方式,对同一样品重复测量20次,得出随着采集次数的增加,光谱反射率变异系数平均值逐渐减小直至平缓,选取最佳豆类采集次数分别为16、8、14、16,对应的光谱变异系数平均值为2.9%、2.435%、2.763%、3.019%。以黄豆为例,选取80个样品,使用不同的预处理方法,分别建立黄豆蛋白质、粗脂肪和淀粉含量的偏最小二乘预测模型,结果表明,蛋白质、粗脂肪、淀粉质量分数预测的最优模型预处理方式分别为SG-MSC、SNV、SNV,其预测集相关系数R_p分别为0.974 6、0.950 5、0.960 7,均方根误差分别为0.249%、0.572%、0.623%。取40个黄豆样本对装置模型进行试验验证,蛋白质、粗脂肪、淀粉质量分数的独立验证相关系数R     

玉米主要品质便携式检测装置设计与试验

我国玉米产量高,高效、便携、低成本的玉米成分检测技术及其装置对于玉米品质的检测至关重要,基于可见/近红外光谱技术,设计了一款玉米主要品质便携式检测装置。为探究所设计方案的可行性,自行搭建了可见/近红外光谱采集系统,对不同品种共72份玉米样本进行光谱采集,分别建立了玉米籽粒蛋白质、脂肪和淀粉含量的偏最小二乘（PLS）预测模型以及结合竞争性自适应重加权算法（CARS）的CARS-PLS预测模型。结果表明,CARS方法可以有效筛选出各组分的相关变量,提升模型效果,各组分质量分数的预测集均方根误差（RMSEP）均有所下降, 蛋白质质量分数的RMSEP由0.4866%降至0.4068%;脂肪质量分数的RMSEP由0.1549%降至0.0989%;淀粉质量分数的RMSEP由0.4714%降至0.4675%。预测集相关系数Rp均有所提高,蛋白质质量分数的Rp由0.9309提升至0.9603;脂肪质量分数的Rp由0.9497提升至0.9770;淀粉质量分数的Rp由0.9520提升至0.9605。基于CARS方法所筛选的各组分特征变量,选择了合适的近红外光谱传感器,在此基础上设计了检测装置的光谱采集单元、控制单元、显示单元、电源单元以及散热单元,并基于NodeMCU开发板和Arduino IDE开发工具,采用Arduino语言对装置控制程序进行开发,实现“一键式”快速检测。试验验证了该装置的检测精度和稳定性,结果表明,预测玉米籽粒蛋白质、脂肪和淀粉质量分数的相关系数分别为0.8431、0.8243、0.8154,预测均方根误差分别为0.3576%、0.2318%、0.2333%,相对分析误差分别为1.8577、1.7761、1.5735。对同一样本多次重复预测,各组分预测值的变异系数分别为0.235%、0.241%和0.028%。     

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400~1000nm的可见/近红外漫反射光谱信息,对原始光谱进行预处理和特征波长提取,分别建立了红提SSC、总酸质量分数、pH值、硬度和含水率的最优偏最小二乘回归（PLSR）预测模型,所建各指标的最优PLSR预测模型的预测集相关系数分别为0.9545、0.9778、0.9878、 0.9456、 0.9028, 均方根误差分别为1.0122°Brix、2.0225%、0.0747、7.2813N、0.9799%。基于MFC开发工具,运用 C++语 言编写了仪器实时分析处理软件,将所建红提葡萄多品质参数的最优PLSR预测模型植入硬件装置中,实现了生长期红提葡萄果粒的多品质参数一键式无损检测。经检验测试,果粒SSC、总酸质量分数、pH值、硬度和含水率预测集相关系数Rp 分别为0.9414、0.9687、0.9768、0.9348、0.9006,预测集均方根误差分别为1.1567°Brix、2.3645%、0.0986、8.3571N、1.1051%,且该检测仪一次检测时间不超过2s,说明该仪器可完成生长期红提葡萄果粒的实时无损检测。     

便携式水产品多品质参数拉曼检测装置设计与试验

水产品在捕捞后极易发生腐败变质，传统的品质检测系统体积大、移动不便、操作复杂，不利于实际应用推广。为了满足水产品品质快速、实时、无损的检测需求，基于拉曼光谱技术，研发了便携式水产品多品质参数检测装置。该装置的硬件系统主要包括光源模块、光谱采集模块、系统控制处理模块、电源模块、通信模块。采用标准正态变量变换、Whittaker平滑算法、自适应迭代重加权惩罚最小二乘算法对该硬件系统采集的拉曼光谱数据进行平滑和背景扣除处理，结合国标方法采集到的鲳鱼颜色b*、硫代巴比妥酸标准理化值（TBA值）、挥发性盐基氮（Total volatile basic nitrogen, TVB N）含量，建立了鱼肉品质多指标偏最小二乘定量预测模型。鲳鱼颜色b*、TBA值、TVB N含量的验证集相关系数分别为0.907、0.897、0.915，验证集均方根误差分别为1315、0104mg/(100g)、2875mg/(100g)。基于MFC基础类库完成实时分析控制软件设计，将预测模型植入软件内，交叉编译下载到检测装置中，实现水产品多品质参数指标一键检测。最后对装置的稳定性进行了测试，18条鲳鱼样品的颜色b*、TBA值、TVB N含量的装置预测值与标准理化值的相关系数分别为0.927、0.883、0.904，均方根误差分别为1139、0271mg/(100g)、1896mg/(100g)。结果表明，便携式水产品多品质参数拉曼检测装置可以实现鲳鱼颜色b*、TBA值、TVB N含量的多指标实时无损检测。     

基于特征LED光源的苹果多品质参数无损检测装置研究

为了实现对优质果品的快速无损筛选,设计了便携式苹果多品质一体化无损检测装置。利用可见/近红外光谱检测平台,获取苹果样本的漫反射光谱信息,采用随机蛙跳算法提取了可溶性固形物含量、可滴定酸含量和果肉硬度的特征波长,优选出3个参数的10个共享特征波长。在此基础上,采用特征窄带LED光源与光电二极管相结合的检测方式,设计了漫反射检测光路、窄带LED环形光源、检测探头及控制电路等硬件系统。选取144个苹果样本,通过检测装置获取漫反射特征电压强度,由传感器感光系数计算出对应的光强,建立了苹果可溶性固形物含量、可滴定酸含量和果肉硬度的多元线性回归模型,预测集相关系数分别为0. 812 9、0. 807 3和0. 773 6,均方根误差为0. 603 6°Brix、0. 063 6%和1. 732 5 N。基于QT和Python3开发工具,采用Python语言开发了装置的实时控制与分析软件,植入苹果多品质参数预测模型,实现了多品质参数的同时检测与分析。为测试该装置的检测精度和稳定性,另选取46个样本,每个样本重复检测8次,预测苹果可溶性固形物含量、可滴定酸含量和果肉硬度的相关系数分别为0. 809 6、0. 796 2和0. 758 9,均方根误差0. 697 3°Brix、0. 070 3%和1. 832 3 N,装置重复采样最大变异系数分别为0. 010 6、0. 011 6和0. 006 2。结果表明:基于多特征窄带LED光源研发的低成本、便携式无损检测装置可实现对苹果多品质参数的实时无损检测,可满足农户田间生产及电商销售优质果筛选要求。     

基于多元非线性回归分析的马铃薯加工品质特性预测

为快速准确检测马铃薯加工品质,对希森3号及希森6号马铃薯的加工品质指标干物质和还原糖含量在马铃薯内部的分布规律进行研究。通过试验得出,两种马铃薯干物质含量在马铃薯中呈与马铃薯形状相似的椭球分布,在中心部位有最小值。采用拟牛顿算法和通用全局优化算法,结合对试验数据进行多元非线性回归分析,得出希森3号和希森6号马铃薯干物质含量关于检测点坐标值x、y和z的回归模型,决定系数分别为0.909 9和0.912 3,均能有效预测马铃薯干物质含量。马铃薯还原糖含量在马铃薯中心位置含量最高,由中心向表皮还原糖含量逐渐降低,在马铃薯茎部的还原糖含量低于马铃薯顶部关于中心对称位置的还原糖含量。两种马铃薯还原糖含量的多元非线性回归模型,决定系数分别为0.833 6和0.824 6,可预测马铃薯内部各点还原糖含量。通过对试验数据归纳分析得出,马铃薯靠近表皮位置干物质含量高,还原糖含量低,适合加工薯片薯条。     

基于多元非线性预测马铃薯加工品质特性

为快速准确检测马铃薯加工品质,对希森3号及希森6号马铃薯的加工品质指标干物质和还原糖在马铃薯内部的分布规律进行研究。通过试验得出两种马铃薯干物质在马铃薯中呈与马铃薯形状相似的椭球分布,在中心部位有最小值。采用拟牛顿算法和通用全局优化算法结合对试验数据进行多元非线性回归分析,得出希森3号和希森6号马铃薯干物质含量关于检测点坐标值x、y和z的回归模型,决定系数分别为0.9099和0.9123,均能有效预测马铃薯干物质含量。马铃薯还原糖含量在马铃薯中心位置含量最高,由中心向表皮还原糖含量逐渐降低,在马铃薯茎部的还原糖含量低于马铃薯顶部关于中心对称位置的还原糖含量。两种马铃薯还原糖含量的多元非线性回归模型,决定系数分别为0.8336和0.8246,可预测马铃薯内部各点还原糖含量。通过对实验数据归纳分析得出马铃薯靠近表皮位置干物质含量高,还原糖含量低,适合加工薯片薯条。     

便携式猪肉营养组分无损实时检测装置研究

为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。     

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。     

婴幼儿奶粉中多种掺假物近红外高光谱图像检测方法

奶粉市场是食品掺假行为频发领域,其中婴幼儿配方奶粉价格高,其质量是消费者、生产企业和执法部门关注的重点。近红外高光谱成像（Near infrared-hyperspectral imaging, NIR-HSI）技术结合化学计量学和机器学习算法可以检测奶粉中单一掺假物含量。基于NIR-HSI技术研究了不同品牌婴幼儿奶粉中多掺假物（三聚氰胺、香兰素和淀粉）的定量预测。对基于像素点预处理后的高光谱图像划分感兴趣区域（Region of interest, ROI）,提取ROI平均光谱。基于经典的过滤式特征选择算法拉普拉斯分数（Laplacian score）（无监督）和ReliefF（有监督）挑选建模关键变量,建立偏最小二乘回归模型（Partial least squares, PLS）。开发包含自定义选择层的一维卷积神经网络模型（One-dimensional convolutional neural networks, 1DCNN）。自定义层根据权重系数绝对值,可确定重要波长变量。Laplacian score-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.1110%、0.0570%、0.0349%和0.3481%。ReliefF-PLS模型对预测集中奶粉、三聚氰胺、香兰素和淀粉预测结果均方根误差分别为0.1998%、0.0540%、0.0455%和0.1823%。1DCNN模型对预测集中奶粉、三聚氰胺、香兰素和淀粉质量分数预测结果均方根误差分别为0.8561%、0.0911%、00644%和0.2942%。对Laplacian score、ReliefF和自定义选择层挑选出的前15个重要波长进行对比分析,不同特征选择方法挑选的特征波长子集有所区别,但都选择 1210、1474、1524、1680nm等附近波长。基于ReliefF-PLS模型的可视化结果表明了其良好的预测能力。     

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。     

紫薯馅料广式月饼的工艺优化

研究了转化糖浆、花生油、紫薯泥及白砂糖用量对紫薯馅料广式月饼品质的影响。结果表明:各因素对紫薯馅料广式月饼品质影响的主次顺序为转化糖浆＞花生油＞白砂糖＞紫薯泥。通过正交试验确定了紫薯馅料广式月饼加工的较优配方为枧水1 mL,花生油5.5 mL,糕点用低筋粉21 g,奶粉1 g,紫薯泥57 g,白砂糖4.7 g,小麦淀粉1.3 g,转化糖浆14 g。      

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。     

马铃薯联合收获机环形减损集薯升运装置设计与试验

针对现有马铃薯联合收获机升运输送行程长而导致伤薯率高、破皮率高、机具结构不紧凑等问题,结合北方马铃薯主产区收获模式,设计了一款适用于马铃薯升运作业的环形减损集薯升运装置。在阐述总体结构及工作原理基础上,结合马铃薯运动学模型和碰撞特性分析,得到影响升运效率和薯块损伤的主要因素,通过DEM-MBD耦合构建薯块和装置模型,得到最优参数组合：升运挡板高度为199.21 mm、升运挡板与升运输送带间夹角为75.86°、相邻两升运挡板间距为240.35 mm。台架试验表明：上料量为24 t/h,升运输送带运行速度为0.8、1.0、1.2 m/s时,电子马铃薯采集的碰撞加速度峰值平均值为636.63、593.29、685.63 m/s²,破皮率为1.13%、1.06%、1.21%,碰撞加速度峰值均小于马铃薯临界损伤阈值。田间试验表明：作业速度为0.6、0.7、0.8 m/s时,伤薯率为0.94%、1.06%、1.12%,破皮率为1.09%、1.21%、1.33%,环形减损集薯升运装置运行正常,未出现薯块掉落等现象,各部件配合协调,满足装袋型马铃薯联合收获机高效稳定的作业要求。     

可移动式苹果内部品质果园产地分级系统

为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除（Multiplicative Effect Elimination,MEE）的光谱校正方法,用于消除苹果物理属性差异导致的有效光程变化对光谱的影响。利用该系统获取苹果600~900 nm漫透射光谱数据,分别采用多元散射校正（Multiple Scattering Correction,MSC）、标准正态变量变换（Standard Normal Variate Transform,SNV）和MEE算法对苹果光谱预处理后,建立糖度偏最小二乘回归（Partial Least Squares Regression, PLSR）预测模型和霉心病偏最小二乘判别（Partial Least Squares - Discriminant Analysis,PLS-DA）模型。结果表明,MEE算法相比于MSC和SNV算法建模结果更好,糖度预测模型的校正集相关系数（Rc）、校正集均方根误差（Root Mean Square Error of Calibration,RMSEC）、预测集相关系数（Rp）和预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）分别为0.959、0.430%、0.929和0.592%;霉心病判别模型的校正集敏感性、校正集特异性、校正集准确率、预测集敏感性、预测集特异性和预测集准确率分别为98.33%、96.67%、97.50%、100.00%、90.00%和95.00%。将建立的最佳预测模型导入分级系统进行试验,结果表明该系统的分级准确率为90.00%,分级速度约3个/s。该系统具有成本低、结构简单、移动方便等优点,可以满足苹果内部品质果园产地检测分级需求。     

三七渣发酵生产蛋白饲料的总糖和淀粉降解动力学

在黑曲霉/产朊假丝酵母固态发酵三七渣生产蛋白饲料过程中,考察了总糖含量、淀粉含量、还原糖含量、产品收率和pH值随时间的变化,并建立了总糖和淀粉降解动力学模型.研究结果表明,总糖和淀粉的降解动力学适合采用四参数对数模型进行描述,该模型能准确预测发酵过程中总糖和淀粉含量的变化情况.在发酵过程中总糖和淀粉的半衰期分别为58.32 h和42.47 h,其降解速率分别在发酵后46.1 h和29.1 h到达峰值.总糖和淀粉在快速降解阶段的平均降解速率是其慢速降解阶段的平均降解速率的2倍以上.在快速降解阶段,淀粉的平均降解速率大于总糖的平均降解速率,但在慢速降解阶段则相反.     

高取代度阳离子变性淀粉絮凝剂制备与应用

以马铃薯淀粉为原料,3-氯-2-羟丙基三甲基氯化铵为阳离子醚化剂,采用预干燥干法制备出取代度为0.3903的高取代度阳离子变性淀粉絮凝剂,并将其与聚合硫酸铁复配使用。通过正交试验优化出最佳絮凝工艺：阳离子淀粉质量分数为0.15%、聚合硫酸铁质量分数为0.15%,废液初始pH值为7.0。经过絮凝处理的马铃薯淀粉生产废液的化学需氧量去除率(COD)为64.31%。