高光谱图像技术在水果品质无损检测中的应用

传统的近红外光谱分析法和可见光图像技术应用于水果品质无损检测中存在的检测区域小、检测时间长、仅能检测表面情况等局限性。高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的。根据不同的采集设备,简介了两种获得高光谱图像的方法。综述了国内外将该技术应用于水果品质检测方面的研究进展,检测内容包括外观品质、损伤与缺陷,成熟度和坚实度,含糖量、含水率等内部品质,着重介绍了各高光谱图像的成像波段范围、分辨率、成像源,实验数据处理的方法以及实验结果等。根据综述所得提出了高光谱图像技术应用中需要解决的光谱降维、降低样品差异影响和实时检测平台搭建等问题。     

基于介电特性的海沃德猕猴桃品质检测

为研究猕猴桃的介电特性与其主要品质之间的关系,本试验通过测定不同贮藏时期海沃德猕猴桃的介电特性、营养成分、色差及质构指标,用连续投影算法(SPA)和遗传算法-偏最小二乘法(GA-PLS)筛选出各品质指标(Vc、可溶性固形物、ΔE、硬度、粘聚性和弹性)的特征频率点,建立猕猴桃品质指标的预测模型并进行验证。结果表明,建立 Vc和ΔE值的最优模型为连续投影算法结合神经网络模型,可溶性固形物、硬度、粘聚性和弹性的最优模型为遗传算法-偏最小二乘法结合神经网络模型,模型对各指标预测的决定系数分别为0.971、0.934、0.922、0.984、0.908和0.954,各品质指标预测值与实测值无显著差异(P>0.05)。综上所述,介电检测技术结合SPA和GA-PLS可用于预测猕猴桃的特征品质。本研究结果为猕猴桃品质的无损检测奠定了基础。     

近红外光谱变量筛选提高西瓜糖度预测模型精度

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。     

生物散斑技术在农产品品质分析中的应用

该文综述了生物散斑技术的装置结构、数据处理方法及其在农产品品质检测中的应用进展。生物散斑技术是一种成本较低、快速、无损、实时和可定性/定量的光学无损检测技术,在农产品质量检测的应用中,由于生物散斑活性与农产品的细胞器颗粒大小和细胞质流等生理特征关系密切,因此该技术可用于果皮厚度、成熟度、硬度、酸度、可溶性固形物含量、淀粉含量、水分含量、呼吸速率等理化指标的测量。该文指出今后生物散斑技术的发展需要改进设备,稳定相干光光源,还需要深入研究生物散斑在农产品生理学上的意义,从而实现该技术的标准化和商品化。该文为今后生物散斑技术在农产品品质分析领域的发展提供了一定指导意义。     

手持式可见近红外苹果品质无损检测系统设计与试验

为实现苹果多产地多品质指标的现场快速无损检测与评价，该研究基于可见近红外光谱技术研发低成本、低功耗、小型化的苹果品质手持式无损检测终端。检测终端集成宽谱LED光源和水果特征响应窄带光电探测器，接入物联网云端数据系统，实现检测数据上传和模型的远程更新维护。利用研制的检测系统可有效获取不同产区苹果500～1 050 nm波长范围内的漫反射光谱，优选光谱预处理算法消除干扰并采用不同特征波长提取算法对数据进行降维，分别建立了多产地苹果可溶性固形物含量、硬度和维生素C含量的通用检测模型，模型的预测相关系数分别为0.926、0.798和0.704，预测均方根误差分别为0.585%、1.405 kg/cm2和0.968 mg/100g。将通用检测模型载入云端数据系统作为云模型，检测样本时调用云模型进行计算并反馈至检测终端。通过多个产地独立样本的验证表明，该系统可满足苹果产业现场无损检测的实际需求，为手持式光谱检测仪的实用化设计提供参考。     

苹果腐心病的透射光谱在线检测系统设计及试验

针对苹果内部缺陷在线检测的产业技术需求,研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件,提升在线透射光谱质量、降低热损伤和机械损伤;解决了光电信号干扰问题,开发了专用检测软件,实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异,优化参数后设置在线检测速度3个/秒,触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型,预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。     

大型厚皮水果的无损检测技术研究

无损检测技术在水果品质分级上具有广泛的市场需求和应用前景。本文介绍了国内外对大型厚皮水果品质无损检测方面的研究和应用现状,对目前存在的问题进行了分析,并提出几点建议。     

基于激光拉曼光谱的脐橙内部品质无损检测

论文初步探讨了运用激光拉曼光谱技术来检测脐橙内部品质的方法。应用激光拉曼光谱仪获取脐橙拉曼谱线,通过对拉曼谱线处理与分析得到了预测脐橙果肉糖度和硬度的谱线特征值,以四个谱线特征值为输入参数、脐橙糖度和硬度为输出建立了三层BP神经网络模型。结果表明,模型的糖度预测值与实测值之间的误差总体方差为0.0656,模型的硬度预测值与实测值之间的误差总体方差为0.0062。研究表明,采用激光拉曼光谱技术检测脐橙内部品质是可行的。     

鸡蛋内部品质的光特性无损检测

无损检测鸡蛋内部品质是鸡蛋流通、加工中不可缺少的组成部分。为了提高鸡蛋内部品质光特性无损检测的精度,建立了鸡蛋的光学模型,找出了整蛋、内容物、蛋壳三者透射特性之间的关系。通过试验研究,得到了鸡蛋内部品质指标(哈氏单位)与整蛋透射率、蛋壳颜色、鸡蛋几何参数之间的相关关系。并对光特性无损检测的分级精度作了初步分析。     

基于多模型证据融合的苹果分类方法

水果内部品质是水果分类的重要依据之一,利用近红外光谱技术对苹果内部品质进行快速无损检测研究有着非常重要的意义。为提高近红外技术分类模型的预测精度,针对单一预测模型适用性差以及硬分割导致分类不确定性等问题,该研究以烟台红富士苹果为研究对象,利用自行研发的水果在线无损检测系统采集苹果近红外光谱以及可溶性固形物含量 (Soluble Solids Content, SSC),分别采用偏最小二乘（Partial Least Squares, PLS）和极限学习机（Extreme Learning Machine, ELM）法建立苹果预测分类模型,根据SSC的预测值与分类边界的距离提出三角形质量函数生成方法,通过证据理论的Dempster组合规则融合质量函数从而实现2种模型的融合,并探讨基于三角形质量函数的证据理论融合模型对预测精度的影响。研究结果表明：PLS分类模型的准确率为92.25%,ELM分类模型的准确率为 93.80%,而提出多模型融合方法的分类准确率达到了95.35%。而且,该研究提出的三角形质量函数生成法与硬分割生成的质量函数相比方法更符合实际,通过PLS、ELM模型和DS融合模型的混淆矩阵可以看出,融合模型实现了苹果SSC处于分类边界值时的准确分类,三类苹果被错误分类的个数均有减小。该研究提出的多模型证据融合方法不仅提高了模型的预测精度,而且更好地表达了关于类标预测的不确定性,为苹果的在线无损检测分类提供研究基础。     

可见/近红外光谱技术无损检测果实坚实度的研究

该研究的目的是建立可见/近红外光谱与梨果实坚实度之间的数学模型,评价可见/近红外光谱技术无损测量梨果实坚实度的应用价值.在可见/近红外光谱区域(350～1800nm),试验对比分析了不同测量部位、不同光谱预处理方法和不同校正建模算法的梨果实坚实度校正模型.结果表明:赤道部位吸光度一阶微分光谱的偏最小二乘回归所建梨果实坚实度校正模型的预测性能较优,其校正和预测相关系数分别为0.8779和0.8087,校正和预测均方误差分别为1.0804N和1.4455N.研究表明:可见/近红外光谱技术无损检测梨果实坚实度是可行的.     

后熟过程中植物生长调节剂对猕猴桃电阻抗图谱特性的影响

为了探索植物生长调节剂对后熟过程中猕猴桃电阻抗图谱的影响,检测了膨大果和未处理的对照果的电阻抗图谱,观察了2类猕猴桃果肉组织细胞微观结构的变化,利用Hayden等效电路模型分析了后熟过程中猕猴桃果肉组织细胞外液电阻、细胞内液电阻和细胞膜阻抗的电学特性变化。后熟过程中,低频时膨大果阻值较大但变化较小,高频时2类猕猴桃阻值趋于一致;频率为12k Hz时相位角最大;2类果的Cole-cole图均为一段圆弧,对照果的圆弧半径变化较大;膨大果细胞膜阻抗差异不显著,对照果从第7天开始细胞膜阻抗急剧减小;对照果细胞外液电阻低于膨大果,从第7天开始2类果均呈现减小趋势。电阻抗图谱法揭示了后熟过程中对照果与膨大果的电阻抗特性变化规律,为猕猴桃膨大果的检测识别提供了研究基础。     

基于音频和近红外光谱融合技术的西瓜成熟度判别

为了满足西瓜成熟度的快速无损检测需求,该研究主要利用声学技术、近红外光谱技术结合K最近邻法(k-nearest neighbor,KNN)、线性判别分析(linear discriminant analysis,LDA)和反向传播人工神经网络(back propagation artificial neural network,BP-ANN)3种化学计量学方法对不同成熟度的西瓜进行定性判别;同时采用联合区间偏最小二乘筛选法(synergy interval partial least squares,Si-PLS)分别建立声学技术、近红外光谱技术、融合技术的西瓜可溶性固形物预测模型。结果表明融合技术处理结果均优于单一信号,其LDA模型数据的西瓜成熟度模型识别率较佳,校正集和预测集的识别率分别为100.00%和91.67%。同时,基于融合技术所建立的西瓜可溶性固形物预测模型效果较佳,其校正集的均方差根误差(root mean squared error of the calibration set,RMSECV)为0.601%,预测集的均方差误差(root mean squared error of the prediction set,RMSEP)为0.725%,相比的单独音频信号其均方根误差分别降低了0.081、0.068个百分点。研究结果可为高精度的西瓜品质快速鉴别提供参考。     

利用高光谱技术预测采前猕猴桃干物质含量的可行性试验

为实现采前猕猴桃果实干物质含量的实时、连续、大量预测,该研究就利用高光谱技术在室外开放环境下进行采前猕猴桃干物质含量预测试验。该研究以种植于贵州省息烽县、修文县的贵长猕猴桃为试验对象,利用高光谱相机获取采前猕猴桃样本果实的高光谱数据;对原始数据进行白板校正、ROI（Region of Interest）裁剪、多元散射校正等处理,获得样本果实光谱反射率曲线;根据光谱曲线特征,选取特征波段,构建多光谱指数;将样本果实划分为训练集、测试集;利用多光谱指数将训练集样本果实特征波段光谱反射率换算为指数值,分析指数值与干物质含量的相关性,确定最优指数,将其拟合公式作为干物质含量预测模型,利用测试集计算误差情况并验证模型预测效果。结果表明,果实干物质含量高,光谱反射率低,反之则光谱反射率高;根据特征波段构建的拟合效果最佳的多光谱指数,所对应的干物质含量预测模型决定系数为0.88,预测值最大绝对误差为1.31%,最大相对误差为8.23%,相对误差均值为3.13%,均方根误差为0.65%,具有较好的预测效果。试验证明,利用高光谱技术进行采前猕猴桃果实干物质含量预测是可行的。     

Use of visible and near infrared spectroscopy and least squares-support vector machine to determine soluble solids content and pH of cola beverage

Visible and near infrared (VIS/NIR) transmission spectroscopy and chemometric methods were utilized for the fast determination of soluble solids content (SSC) and pH of cola beverage. A total of 180 samples were used for the calibration set, whereas 60 samples were used for the validation set. Some preprocessing methods were applied before developing the calibration models. Several PLS factors, extracted by partial least squares (PLS) analysis, were used as the inputs of least squares-support vector machine (LS-SVM) model according to their accumulative reliabilities. The correlation coefficient (r), root mean square error of prediction (rmsEP), bias, and RPD were 0.959, 1.136, -0.185, and 3.5 for SSC, whereas 0.973, 0.053, 0.017, and 4.1 for pH, respectively. An excellent prediction precision was achieved by LS-SVM compared with PLS. The results indicated that VIS/NIR spectroscopy combined with LS-SVM could be applied as a rapid and alternative way for the fast determination of SSC and pH of cola beverage.     

Measurement of Phosphorus in Soils by Near Infrared Reflectance Spectroscopy: Effect of Reference Method on Calibration

Abstract

The use of ultraviolet (UV), visible (VIS), near infrared reflectance (NIR), and midinfrared (MIR) spectroscopy techniques have been found to be successful in determining the concentration of several chemical properties in soils. The aim of this study was to evaluate the effect of two reference methods, namely Bray and Resins, on the VIS and NIR calibrations to predict phosphorus in soil samples. Two hundred (n=200) soil samples were taken in different years from different locations across Uruguay with different physical and chemical characteristics due to different soil types and management. Soil samples were analyzed by two reference methods (Bray and Resins) and scanned using an NIR spectrophotometer (NIRSystems 6500). Partial least square (PLS) calibration models between reference data and NIR data were developed using cross‐validation. The coefficient of determination in calibration (R²) and the root mean square of the cross validation (RMSECV) were 0.58 (RMSECV: 3.78 mg kg^?1) and 0.61 (RMSECV: 2.01 mg kg^?1) for phosphorus (P) analyzed by Bray and Resins methods, respectively, using the VIS and NIR regions. The R² and RMSECV for P using the NIR region were 0.50 (RMSECV: 3.78 mg kg^?1) and 0.58 (RMSECV: 2.01 mg kg^?1). This study suggested that differences in accuracy and prediction depend on the method of reference used to develop an NIR calibration for the measurement of P in soil.     

基于可见/近红外光谱的菠萝水心病无损检测

水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义。该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段（400～1 100、900～1 700和400～1 700 nm）的检测器对菠萝样本进行采样,随后人工标定水心病发生程度。研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为：采用全波段进行多项式平滑（Savitzky Golay,SG）处理,再进行标准正态变量校正（Standard Normal Variate,SNV）,最后结合概率神经网络（Probabilistic Neural Network,PNN）建模识别。其中,400～1 100 nm所建模型对菠萝水心病训练集的回判正确率为98.51%,对验证集的检测正确率为91.18%;900～1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为62%;400～ 1 700 nm所建模型对菠萝水心病训练集的回判正确率为100%,对验证集的检测正确率为91.18%。主成分分析（Principal Component Analysis,PCA）和偏最小二乘回归（Partial Least Squares Regression,PLSR）分析结果均显示,采用400～ 1 700 nm能轻微提升400～1 100 nm的检测效果。综合考虑实际应用成本与效果,实际应用建议采用400～1 100 nm光谱结合SG + SNV + PNN对菠萝水心病进行识别。研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考。     

Estimating Deoxynivalenol Content of Ground Oats Using VIS‐NIR Spectroscopy

The potential of VIS‐NIR spectroscopy as a rapid screening method for resistance of Fusarium‐inoculated oats to replace the costly chemical measurements of deoxynivalenol (DON) was investigated. Partial least squares (PLS) regression was conducted on second‐derivative spectra (400–2,350 nm) of 166 DON‐contaminated samples (0.05–28.1 ppm, mean = 13.06 ppm) with separate calibration and test set samples. The calibration set had 111 samples, and the test set had 55 samples. The best model developed had three PLS components and a root mean square error of prediction (RMSEP) of 3.16 ppm. The residual predictive deviation (RPD) value of the prediction model was 2.63, an acceptable value for the purpose of rough screening. Visual inspection and the VIS spectra of the samples revealed that high‐DON samples tended to be darker in color and coarser in texture compared with low‐DON samples. The second‐derivative spectra showed that low‐DON samples tended to have more water and fat content than high‐DON samples. With an RMSEP value of 3.16 and RPD of value of 2.63, it seems possible to use VIS‐NIR spectroscopy to semiquantitatively estimate DON content of oats and discard the worst genotypes during the early stages of screening.     

NIR spectroscopy and partial least-squares regression for determination of natural alpha-tocopherol in vegetable oils

Near-infrared (NIR) spectroscopy and partial least-square regression were used for determination of alpha-tocopherol in edible oils after extraction with ethanol. The standard error of calibration and the standard error of prediction were calculated for evaluation of the calibration models. The chemometric calibration model was prepared in spectral region 6500-4500 cm(-1) for standard alpha-tocopherol solutions (0.54-53.54 mg/mL). Obtained mean concentrations of natural alpha-tocopherol in different types of oils varied from 17.53 to 57.10 mg/100 g. Net analyte signal calculation was used to estimate detection limit (DL = 0.12 mg/mL), quantification limit (QL = 0.40 mg/mL), sensitivity (SEN = 0.045 mg/mL), and selectivity (SEL ranged between 0.24 and 0.54% of the measured reflectance signal) of the proposed NIR method. The comparable precision (RSD = 0.68-2.80% and 0.79-3.06%) and accuracy (recovery, 97.2-102.4% and 96.8-103.2%) for the proposed NIR and standard HPLC methods, demonstrate the benefit of the NIR method in the routine analysis of alpha-tocopherol in vegetable oils.     

果蔬品质手持式近红外光谱检测系统设计与试验

为满足果蔬加工过程快速检测和质量控制的实际需求,研发近红外光谱技术的低成本、实用化、小型化的果蔬品质手持式检测系统。在分析当前近红外光谱实用化过程的瓶颈问题的基础上,提出果蔬品质的手持式检测系统设计方案,阐述了硬件系统选择和软件系统构建,介绍了检测系统的工作原理;选用近红外微机电系统的数字微镜器件作为分光元件,以单点探测器获取检测信息,从而实现光谱检测系统的微型化设计和系统成本的显著降低。以检测番茄为例,利用设计的手持式检测系统,获取番茄900~1 700 nm范围的近红外光谱,利用先选择特征波段再优选波长的建模策略,分别建立了番茄中番茄红素和可溶性固形物含量的定量检测模型;可溶性固形物含量模型的预测相关系数和预测均方根误差分别为0.899和0.133%;番茄红素模型的预测相关系数和预测均方根误差分别为0.886和2.508 mg/kg。研究表明该系统能够满足果蔬品质的快速无损检测要求,可为实用化、小型化的手持式光谱检测仪设计和开发提供参考。