适合温州蜜柑可溶性固形物无损检测的近红外光谱研究

为提升温州蜜柑可溶性固形物近红外光谱无损检测的精确度,对适合温州蜜柑可溶性固形物无损检测的近红外光谱进行了研究。结果表明,利用间隔偏最小二乘法,建立了温州蜜柑可溶性固形物与近红外光谱模型之间的关系,选出可溶性固形物的显著特征波段为890～918 nm,备选特征波段为830～858 nm、860～888 nm、650～688 nm。组合这些波段再次建模,可大大提高模型的预测能力,模型的拟合优度高达0.904 0,交互验证均方根误差降到0.504 6° Birx。     

近红外光谱法无损检测番茄可溶性固形物含量的研究

应用近红外漫反射光谱技术对番茄可溶性固形物含量进行了非破坏性检测分析,比较了10种不同的光谱预处理方法对偏最小二乘法(PLS)模型的影响.结果表明,常数偏移消除是适合建立近红外光谱法无损检测番茄可溶性固形物含量PLS模型的最优光谱预处理方法,最能反映番茄可溶性固形物含量信息的光谱波段为11998.9-5449.8cm-1和4601.3～4246.5 cm-1.用偏最小二乘法建立的定量分析模型,其预测值和实测值的相关系数为0.954,校正标准差为0.321%,预测标准差为0.475%.近红外漫反射光谱法可非破坏性分析番茄中可溶性固形物的含量.     

光谱预处理对近红外光谱无损检测番茄可溶性固形物含量的影响

为了探索适合近红外光谱无损检测番茄可溶性固形物含量的光谱预处理方法,比较了平均光谱和10种光谱预处理方法对偏最小二乘法建模效果的影响,常数偏移消除预处理后的光谱,所建偏最小二乘法校正模型的预测值和实测值的相关系数为0.954,校正标准差为0.321%,最能代表番茄可溶性固形物含量信息的光谱区为11998.9～5449.8cm-1和4601.3～4246.5cm-1.结果表明常数偏移消除是近红外光谱无损检测番茄可溶性同形物含量的有效预处理方法.     

赣南脐橙可溶性固形物近红外光谱在线无损检测

通过应用近红外漫透射光谱技术结合最小二乘支持向量机等算法,探索脐橙可溶性固形物含量在线无损检测的可行性。139个样本被分成建模集和预测集(103∶36),分别用于建立检测模型和验证检测模型的预测能力。漫透射近红外光谱,经过一阶微分、多元散射校正和移动窗口平滑组合预处理后,分别建立了偏最小二乘、偏最小二乘支持向量机模型,经比较发现,偏最小二乘支持向量机模型的预测能力更强,模型预测的均方根误差和相关系数分别为0.6423%、0.9059。通过对比发现,主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。结果表明:采用近红外漫透射光谱技术结合最小二乘支持向量机算法能够很好地实现脐橙可溶性固形物含量的在线无损检测。     

机械伤害对库车小白杏贮藏品质的影响

以新疆库车小白杏为试验材料,通过模拟运输过程中的机械振动,研究机械振动中的振动频率、振动时间对库车小白杏贮藏品质的影响。结果表明:机械振动后库车小白杏的硬度、可滴定酸含量、维生素C含量、可溶性固形物含量降低,呼吸强度、褐变指数升高;振动频率越大、振动时间越长,贮藏品质变化越大。     

减施尿素增施有机肥对小白杏产量及品质的影响

近年来由于化肥的过量使用导致库车小白杏产量、品质均出现下降趋势，为解决这一问题，本文以库车小白杏为试验材料，按不同尿素用量共设置5个试验处理，在果实成熟期，测定各处理小白杏产量、品质和经济效益等指标。结果表明：基施有机肥+85%施尿素量处理下小白杏产量最高、品质最好、效益最佳。667米2施沤制有机肥1 500千克、尿素18.7千克、磷酸二铵44千克、硫酸钾11千克为库车小白杏有机肥替代化肥技术模式最佳施肥方案。     

基于近红外漫反射光谱的多品种桃可溶性固形物的无损检测

【目的】研究基于近红外漫反射光谱的多品种桃可溶性固形物含量的无损检测技术。【方法】在获得3个不同品种桃近红外漫反射光谱的基础上,采用多元散射校正(MSC)方法处理原始光谱,以SPXY算法划分样品集,分别建立了可溶性固形物含量的偏最小二乘回归(PLSR)、极限学习机(ELM)和最小二乘支持向量机(LSSVM)预测模型,并比较和评价了移动窗口偏最小二乘法(MWPLS)和连续投影算法(SPA)优选有效特征波长对于简化模型运算量、改善模型预测性能的影响。【结果】虽然全光谱可以获得较好的识别效果,但是模型比较复杂;MWPLS与SPA优选的有效特征波长均能有效地减少建模变量并简化模型,但MWPLS在提高建模效率和改善模型预测精度方面有更明显的优势;PLSR、ELM与LSSVM模型都取得了较理想的预测结果,其中PLSR方法较适用于全光谱建模分析;MWPLS-ELM模型对样品集中桃可溶性固形物含量的预测性能最好,其校正相关系数、校正均方根误差、预测相关系数和预测均方根误差分别为0.991,0.397,0.983和0.497。【结论】近红外漫反射技术可用于多品种桃可溶性固形物含量的准确、无损检测,也为其他品种果品的内部品质指标快速、无损检测提供了技术借鉴。     

成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测

【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。     

脐橙可溶性固形物含量的光谱检测技术研究

以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光 谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原 始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因 子为5时,其对于可溶性固形物预测相关系数为最大(R=0.8367)、预测均方根误差(RMSEP)为最小(RMSEP= 0.4903);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.9058)、预测均方根 误差为最小(RMSEP=0.5236).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选, 获得果面光谱建模特征波段组合为1000~1107,1750~1857,2071~2177和2178~2284nm,建立的校正集和 预测集模型相关系数分别为0.9462和0.9020,RMSECV为0.3596,RMSEP为0.4309;获得用于果汁光谱建模 的特征波段组合为1000~1125,1251~1375,1376~1500和1626~1750nm,校正和预测模型相关系数分别为 0.9894和0.9596,RMSECV为0.1631,RMSEP为0.3128.结果表明:试验所筛选出的果面和果汁近红外光谱 特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测 精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的.     

红松仁脂肪的近红外光谱定量检测

为实现红松仁脂肪无损、简便检测,利用近红外光谱分析技术对红松仁脂肪进行定量分析,用偏最小二乘法构建去壳红松仁脂肪定量分析模型,采用多种预处理方法优化模型,并且利用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法进行特征波段的筛选。结果表明,红松仁光谱经一阶导数预处理后建立的模型最佳;波段优选可以提升模型质量,其中反向间隔偏最小二乘法的筛选结果最佳,其松仁脂肪模型校正集相关系数为0.911 4,验证集相关系数为0.882 0,验证集均方根误差为0.646 8。可见,经过优化后,模型的预测性能较好,实现了去壳红松仁脂肪的快速、无损检测。     

多品种苹果可溶性固形物近红外无损检测通用模型研究

苹果可溶性固形物含量(soluble solid content,SSC)是影响果实质量的重要因素,利用近红外光谱(NIR)技术则可以实现对苹果SSC的无损检测.为获得稳健的多品种苹果无损检测通用模型,本研究将模型更新方法与变量筛选方法相结合,对红富士(Red Fuji)、青苹果(Green apple)、黄元帅(Go...     

基于可见/近红外光谱西葫芦硬度的无损检测模型的建立

利用近红外光谱(350～2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。     

脐橙可溶性固形物的在线近红外光谱检测

【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。     

基于近红外光谱无损检测的水果品质定量分析与预测

针对近红外光谱原理、检测技术及特点,利用近红外光谱检测漫反射技术在水果品质检测方法上的定量分析进行了深入系统研究.在光谱数据预处理上平滑和导数法最常见.建立模型以偏最小二乘法较常见.以遗传算法结合偏最小二乘法、小波分析结合偏最小二乘法等为代表的建模方法,其测量精度有所提高.模型优劣评价指标主要以相关系数(R)、校正集标准偏差(RMSEC)和预测集标准偏差(RMSEP)等参数决定.最后对相关研究进行展望.     

基于近红外光谱技术的红枣水分无损检测

目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。     

葡萄可溶性固形物的高光谱无损检测技术

为明确采用高光谱成像技术对葡萄可溶性固形物(SSC)检测的可行性。以高光谱成像系统为试验仪器,采集葡萄样本的漫反射光谱,对比分析不同光程校正方法、不同预处理方法对建模精度的影响,建立不同的葡萄SSC定量预测模型。研究结果表明,在波段500~1 000 nm的范围内,采用经过标准正态变化、一阶微分和Savitzky-Golay平滑相结合预处理后的偏最小二乘法建模方法预测能力最强,校正集相关系数(r_c)为0.912 6,校正集均方根误差(RMESC)为0.542,预测集相关系数(r_p)为0.854 0,预测集均方根误差(RMESP)为0.758。由结果可知,应用高光谱成像技术可以对葡萄可溶性固形物含量进行无损检测。     

红松籽中脂肪的近红外光谱快速检测研究

采用近红外光谱分析方法对红松籽脂肪进行定量分析,建立红松籽脂肪的快速检测方法,利用多种预处理方法优化模型,同时采用间隔偏最小二乘法、反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,红松籽样本光谱经矢量归一化预处理后建立的模型最佳;波段优选能够提高模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其红松籽脂肪模型校正集相关系数为0.889 2,验证集均方根误差为0.765 1。由此可知,经过优化后,模型的预测性能较好,实现了红松籽脂肪快速、无损检测。     

草莓品质光谱检测方法比较研究

为快速、无损检测草莓色度及糖度,采用近红外光谱和高光谱成像技术对草莓的色度和糖度进行光谱分析,采用偏最小二乘法构建预测模型,并对这两种光谱检测方式进行简单的对比分析。近红外光谱试验采用近红外光谱仪结合SpectraSuite光谱采集软件对草莓进行近红外光谱信息提取,高光谱成型技术采用高光谱成像系统结合高光谱图像采集软件Hyper Spectral Image以及图像处理软件HSI Analyzer采集草莓图像,并利用ENVI软件从图像中提取高光谱信息,最后利用The Unscrambler9.7软件对草莓的色度和糖度进行这两种光谱的建模和预测。结果表明:对于红色度值,通过近红外光谱建模得到的判定系数R~2=0.9913,校正均方根误差RMSEC=0.1313,预测均方根误差RMSEP=0.1307,通过高光谱建模得到的R~2=0.9894,RMSEC=0.1559,RMSEP=0.1528;对于可溶性固形物含量,通过近红外光谱建模得到的R~2=0.9917,RMSEC=0.1092,RMSEP=0.1028,通过高光谱建模得到的R~2=0.9849,RMSEC=0.1489,RMSEP=0.1397。通过分析发现绝大多数样本的残差值都在±1.0之间,检验集样本真实值和预测值之间的有很强的相关性,通过两种光谱建立模型的各指标数据均能达到要求。近红外光谱技术相比于高光谱成像技术更加稳定和准确。     

基于近红外光谱的五味子提取过程在线检测方法研究

目的 利用近红外(NIR)光谱法,建立定量模型,实现五味子提取过程中关键指标的快速检测。方法 在线采集五味子提取液的近红外光谱,以高效液相色谱法和差重法获取参照,采用最小二乘回归法(PLSR)分别建立五味子醇甲、果糖、葡萄糖和可溶性固形物的定量模型。结果 定量模型的校正集相关系数R、校正均方根误差RMSEC、预测均方根误差RMSEP分别为：五味子醇甲0.99792、1.41、8.76,果糖0.99246、0.0919、0.333,葡萄糖0.99371、0.0954、0.448,可溶性固形物0.98723、3.07、11.2。结论 该方法快速、便捷,结果准确,适用于五味子提取过程的快速检测。     

基于近红外光谱的烟草种子蛋白含量定标模型构建

为探索近红外光谱技术(near infrared spectroscopy,简称NIRS)在无损检测烟草种子蛋白含量方面的应用,研究120份烟草种子的近红外光谱,利用光谱影响值法(Leverage)对异常光谱进行处理后,在4 000~9 000 cm-1波数,利用主成分回归法(简称PCR)建立烟草种子蛋白质含量的定标模型,并采用外部独立验证的方式对模型进行检验。结果表明,标准正态变量转换法(简称SNV)处理结合De-trending算法下,建立的烟草种子蛋白含量定标模型的确定系数高达99.86%,校正标准差、预测标准差分别为0.71、0.68,校正集、验证集的预测值与化学测定值间均达极显著正相关,说明该近红外光谱定量分析模型效果较好,可用于烟草种子粗蛋白的测定。