苹果可溶性固形物近红外光谱在线检测影响因素研究

光谱仪的性能和样品运动速度是影响近红外光谱在线检测精度的重要因素.三款配置了不同光栅的短波光谱仪被用于在线检测苹果的可溶性固形物含量.分别考察不同光谱仪和五种苹果运动速度对苹果可溶性固形物在线检测精度的影响.经比较,在0.190m/s速度下,使用QE65000光谱仪建立的偏最小二乘模型预测结果最优.最优预测模型的相关系数为0.814,预测均方根误差为0.776.Brix.结果表明选择合适的样品运动速度和光谱仪可提高苹果可溶性固形物在线检测的精度.     

CCD光谱仪性能对苹果可溶性固形物在线检测的影响研究

选择合适的光谱仪是提高农产品品质在线检测精度的重要措施。3款配置了不同探测器和光栅的微型短波CCD光谱仪被用于在线检测苹果的可溶性固形物含量。分别考察了信噪比和不同光谱范围对可溶性固形物在线检测精度的影响。经比较,在550.52～1100.35nm光谱范围内,QE65000光谱仪的信噪比最高,偏最小二乘模型交叉验证结果最优。最优模型的相关系数为0.82,交叉验证均方根误差为0.75oBrix。结果表明:QE65000光谱仪可提高苹果可溶性固形物在线检测的精度。     

两个沙棘品种的果实特征

被研究的两个沙棘品种(Hippophae rhamnoidesL.)的果实分别采集于吉尔吉斯斯坦Ⅰ和乌兹别克斯坦Ⅱ。本文主要研究了这两种沙棘果实在形态学和生物化学特性上的不同。经测定,可滴定酸,抗坏血酸(维生素C)和蛋白质为Ⅰ的果实的主要成分。来自乌兹别克斯坦的沙棘果油中包含更多的游离脂肪酸(酸量2.9mg氢氧化钾)和类胡萝卜素(419.3%)。通常,果肉酸含量是16∶1。而在稀有的果油里的酸,检测到其最低含量为16∶2(1.2%~4.6%)。被研究品种的种子油含有大于40%的必需酸为18∶2和18∶3(VF)。     

水产品中八种磺胺类药物残留高效液相色谱法研究

对农业部958号公告-12-007号进行部分调整,选用二极管阵列检测器,提取过程采用1min涡旋结合2min超声和不添加无水硫酸钠的提取方式,八种磺胺回收率在69.9%-90.1%之间,均高于原方法的回收率,此方法简便,回收率提高,精密度为1.2%-8.9%,便于检测工作者今后的日常工作。     

苹果剖面CT值与其糖含量分布的关系分析

通过对红富士苹果进行CT扫描和试验,并对苹果CT图像特性进行分析,发现苹果某点的糖含量与该点相应CT值之间存在着显著的线性相关关系。因而,可通过某点的CT值得到该点的糖含量,由此找到通过CT图像来在线检测果蔬糖含量分布的新途径。在建立了苹果的糖含量与该点CT值的线性关系模型后,通过无损方法进行了验证,结果证明模型的平均误差率为4．36％。     

苹果内部品质分级机械手设计与试验

为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650～1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。     

高效液相色谱法测定面粉中的曲酸

建立了对面粉中曲酸测定的高效液相色谱方法。以水为提取溶剂,采用振荡和离心对样品进行处理,以甲醇—磷酸二氢钾(0.05mol/L、pH值3)为流动相,流速1.0mL/min,在273nm波长下检测。结果表明:在4～100mg/L浓度范围内线性良好,相关系数R=0.999,目标物的加标回收率99.05%～105.1%,RSD=0.066%,最低检测限为1.0mg/L。该方法具有灵敏度高,精密度和准确度良好,分析速度快,操作简单等优点。     

基于融合注意力机制的苹果品种分类方法

不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBm-Net(针对苹果类型)。该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离。同时,从特征图和类别概率统计图2方面证明了EBm-Net在苹果品种分类方法上的有效性。实验结果表明,EBm-Net网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25%、96.25%、100%、92.50%、98.75%、100%和93.75%,7种苹果类型的总体分类准确率高达96.78%。因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法。     

基于融合注意力机制的苹果品种分类方法

不同品种苹果之间往往存在较大的价格差异,为了防止从采购到销售过程中因苹果品种分类不当产生经济损失,提出了一种基于融合注意力机制的自动识别和分类模型EBm-Net（针对苹果类型）。该模型通过融合通道注意力和空间注意力机制充分提取了苹果表面的形状轮廓特征和颜色纹理特征,从而进一步增加苹果类型之间的特征距离。同时,从特征图和类别概率统计图2方面证明了EBm-Net在苹果品种分类方法上的有效性。实验结果表明,EBm-Net网络模型在红富士、乔纳金、秦冠、小国光、金冠、澳洲青苹、嘎啦上的分类准确率分别为96.25%、96.25%、100%、92.50%、98.75%、100%和93.75%,7种苹果类型的总体分类准确率高达96.78％。因此,将视觉图像与深度学习相结合对苹果品种进行分类和识别是可行的,为苹果品种的实时检测提供了一种新的方法。     

高效液相色谱法(HPLC)检测牛奶中阿维菌素残留研究

为了建立一种可检测牛奶中阿维菌素含量的方法,试验以流动相乙腈:水=90:10,荧光检测器,激发波长365nm,发射波长475nm,流速为1.0m L/min为检测条件的高效液相色谱法测定其含量。结果表明:15min内可将阿维菌素完全分离,线性范围为2.0~500.0μg/L,相关系数为0.9998,牛奶中阿维菌素平均回收率为102.0%~104.7%,相对标准偏差在2.8%~3.9%。该方法简便、灵敏、准确,适用于牛奶中阿维菌素残留量的测定,并能满足国内和国外检测的要求。     

三种沙棘浆果成熟过程中的糖、有机酸、黄酮醇和类胡萝卜素组分的变化

在Askola、Hergo和Leikora三个德国沙棘品种的浆果中,根据不同采集时间来测定其可溶性固形物,糖,有机酸,黄酮醇和类胡萝卜素的含量,用以提供一个更为完善的浆果成熟期内沙棘品质变化的情况。沙棘浆果成熟期内主要有机酸是苹果酸（1940-4660mg／100g）,奎宁酸（810～2820mg／100g）,维生素C（180～370mg／100g）和柠檬酸（90～160mg／100g）。在这3个沙棘品种中所有有机酸的浓度在成熟过程中呈现显著下降趋势。而其糖类如葡萄糖（0．26～2．10g／100g）和果糖（0．14～0．54g／100g）在3个品种中成分变化略有不同。所有3个沙棘品种维生素C浓度在成熟过程中呈现下降趋势。含有的主要黄酮醇是异鼠李素（350-660mg／kg）,槲皮素（30～100mg／kg）和山奈酚（2-5mg／kg）。在3个沙棘品种中黄酮醇浓度在成熟过程中显示出不同的变化趋势。主要类胡萝卜素是玉米黄素（30～150mg／kg）,β-胡萝卜素（3～50mg／kg）和β-隐黄质（5～19mg／kg）。基因型对类胡萝卜素的收集和类胡萝卜素的形态都有影响,但在3个沙棘品种成熟期间类胡萝卜素浓度呈现增加趋势。在成熟期间抗氧化剂的分类表现出不同的组成变化,最大浓度也出现在不同的收获期。     

介电特性在番茄和苹果品种识别中的应用

为了探索应用介电特性识别果品品种的方法,对FA189、402、国粹番茄以及红富士、红星苹果的介电特性进行了研究。以10kHz与100kHz下番茄相对介电常数的比值kε以及10kHz下的相对介电常数εr′10作为番茄品种识别的指标,并提出了识别方法,该方法对样品的平均识别率为81%。基于红富士和红星苹果相对介电常数εr′和电阻率ρ的差异,提出将εr′/ρ作为识别苹果品种的指标,该方法对红富士和红星苹果的平均识别率为91%。     

高效液相色谱法检测食品中防腐剂——乳酸链球菌素

采用高效液相色谱仪（配紫外检测器）,选择C18柱,检测波长为220nm,以梯度洗脱检测乳酸链球菌素的含量。试验证明,标准曲线有较好的线性关系,该方法回收率达95%,RSD〈3.0%,精密度高。     

QuEChERS-高效液相色谱法测定果蔬中多菌灵残留

建立了一种以高效液相色谱（HPLC）测定果蔬中多菌灵残留的方法,该方法采用QuEChERS技术为前处理方法,以乙腈作为提取溶剂,以PSA（Primary Secondary Amine,N-丙基乙二胺）和C18填料作为净化材料。试验结果表明:多菌灵标准品在0.1～10.0 mgL范围内线性相关系数为1.000;方法定量限为0.1 mg/kg（SN=10）;加标浓度为0.5和5.0 mg/L的平行5次测试结果相对标准偏差分别为2.98%和1.72%;0.1、0.5和5.0 mg/L 3个不同浓度的加标回收率在96%~110%之间。      

反高效液相法多波长同时测定营养强化食品中7脂溶性维生素

建立了同时测定营养强化食品中VA、VD2、VD3、δ-VE、γ-VE、α-VE和Vk17种脂溶性维生素的反高效液相色谱法。采用C18ODS色谱柱用乙腈-甲醇(70∶30)混合流动相体系,根据维生素出峰时间的不同进行变换波长测定,结果令人满意。该方法操作能对7种脂溶性维生素同时进行测定,采用较为普通的色谱柱,实现了δ-VE、γ-VE、VD2和VD3的完全分离,缩短了检测时间。     

基于改进型LeNet-5的苹果自动分级方法

针对目前传统机器学习对苹果分级的局限性,改进经典卷积神经网络LeNet-5模型以提高分级准确率。试验在原基础上添加卷积层至4层以加深网络深度,改用LeakyReLU激励函数并加入Dropout层防止过拟合,修改输入图像大小为32×32×3。同时将此与GoogLeNet迁移模型、初始LeNet-5模型、传统机器学习进行对比。试验对不同等级的红富士苹果进行训练与测试,发现改进后的LeNet-5效果最好,测试集准确率达98.37%、AUC值为0.907 5,识别一个苹果仅需0.12 s,能够满足工厂自动化分级的需求。综上,改进型LeNet-5模型可用于苹果的高效分级。     

低糖苹果脯保存技术研究

研究了降水分活性剂(食盐、甘油、葡萄糖浆)、复合包裹液(高良姜醇提液、蜂胶酊、壳聚糖)、杀菌技术和包装对低糖苹果脯保质期的影响。根据各自的影响规律,得出了低糖苹果脯保存的适宜途径。在糖煮时加入1.2%食盐、1.0%甘油、40%葡萄糖浆,以柠檬酸调节pH值至2.5,烘烤后,再以20%的高良姜醇提液、1.5%蜂胶酊、2.0%壳聚糖复合包裹液包裹后,该散装低糖苹果脯在30℃恒温条件下,保质期达到67d;将该低糖苹果脯装入高密度聚乙烯袋或蒸煮袋中,经100℃、15min的常压蒸煮杀菌后,保质期在30℃恒温下达到4个月以上。     

基于高光谱成像的苹果品种快速鉴别

以乔纳金苹果,红富士苹果和秦冠苹果共90个试验样本为试材分别采集865~1 711 nm的近红外波段高光谱图像,选取苹果图像感兴趣区域(ROI),以分辨率2.8 nm提取其平均反射光谱数据,分别利用K近邻法(KNN)和径向基核函数支持向量机(RBF-SVM)进行品种判别,5折交叉检验。结果表明,3种苹果的近红外高光谱图像均在波长941~1 602 nm之间变得清晰,该区域200个波段下的平均反射光谱数据经KNN法中的10种距离算法评判,当K取值3和5时,切比雪夫距离、欧几里得距离和明可夫斯基距离3种距离算法的识别正确率均达到100%;SVM-RBF核函数模型中,γ取值为2-8~1的范围内识别正确率均在92%以上,当γ取值2-5,C取值为16和32时,识别正确率最高,为96.67%。故利用近红外高光谱图像技术结合KNN计算对苹果品种进行快速鉴别是优异和可靠的方案。