鲜枣品种和可溶性固形物含量近红外光谱检

采用近红外光谱分析技术无损鉴别鲜枣品种和测定其可溶性固形物含量.对3个不同品种的鲜枣进行光谱分析,各获取30个样本数据.采用平滑法和多元散射校正方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据.将样本随机分成75个建模样本和15个预测样本,将建模样本的主成分数据作为BP神经网络的输入变量,鲜枣品种和可溶性固形物含量作为输出变量,建立3层人工神经网络鉴别模型,并用该模型对15个预测样本进行预测.结果表明,在阈值设定为±0.17的情况下该模型对预测集样本品种鉴别准确率达到100%,可溶性固形物含量预测值与实测值相对偏差小于10%.     

不同滴灌水肥处理对灵武长枣果实品质的影响

以灵武长枣为试材,研究不同滴灌灌水量与施肥量对灵武长枣果实品质的影响。结果表明:不同滴灌施肥处理对灵武长枣果实可溶性糖、有机酸、Vc等的含量有显著影响;在灌水量1 110m3/hm2、施肥量480kg/hm2处理下,果实的可溶性固形物含量最高;灌水量1 380m3/hm2、施肥量360kg/hm2处理果实的含糖量、维生素C含量最高,糖酸比最低;这两个处理组合下的灵武长枣果实品质好。     

鸭梨黑心病和可溶性固形物含量同时在线检测研究

采用可见近红外漫透射光谱技术,探讨鸭梨黑心病和可溶性固形物含量同时在线检测的可行性。在5个/s运动速度下,采集了黑心果和正常果的可见近红外能量谱。分析了正常果和黑心果的可见近红外光谱响应特性,分别建立了鸭梨黑心病峰值比判别模型和偏最小二乘判别模型。同时建立了可溶性固形物偏最小二乘回归模型,考察了黑心病对鸭梨可溶性固形物偏最小二乘回归模型预测精度的影响,提出了鸭梨黑心病和可溶性固形物含量同时在线检测策略。采用未参与建模的新样品,评价鸭梨黑心病和可溶性固形物含量在线分选的准确性,黑心果判别准确性达到100%,正常果可溶性固形物预测标准差为0.45°Brix,分选正确率达到98%。     

鲜枣内部综合品质光谱评价指标建立与分析

为实现鲜枣内部综合品质的在线无损快速检测,利用可见/近红外光谱漫反射技术,针对完熟期壶瓶枣的内部品质,包括含水率、可溶性固形物含量、硬度、可溶性蛋白质含量、维生素C含量5项指标,分别采用竞争性自适应重加权算法(CARS)提取特征波长并建立最小二乘-支持向量机(LS-SVM)预测模型,硬度预测模型的相关系数和均方根误差分别为0.945 2和41.684 9,其余品质预测模型的相关系数均在0.923 0及以上、均方根误差均在3.779 2及以下。在此基础上,对5项品质指标进行了相关性分析,表明在0.01或0.05水平上两两指标间存在极显著或显著的相关性,故采用因子分析法构建了内部综合品质评价指标,建立了CARS-LS-SVM预测模型,结果表明该模型的相关系数和均方根误差分别为0.924 1和6.063 5,预测精度较高。研究表明,所建立的CARS-LS-SVM模型可有效实现鲜枣内部综合品质的评价。     

基于CARS算法的脐橙可溶性固形物近红外在线检测

采用可见/近红外光谱在线检测装置进行赣南脐橙可溶性固形物含量在线检测模型优化研究。样品以5个/s的速度运动,采集可见/近红外漫透射光谱。光谱经过预处理后,分别应用向后区间偏最小二乘法（BiPLS）、遗传算法（GA）和正自适应加权算法（CARS）筛选特征变量,并通过外部验证评价PLS模型预测能力。一阶微分处理后经CARS筛选特征变量建立的PLS模型预测结果最优,预测相关系数和预测均方根误差分别为0.94和0.42%。结果表明CARS算法可有效简化赣南脐橙可溶性固形物可见/近红外光谱在线检测模型并提高模型的预测精度。     

猕猴桃分级果实表面缺陷的检测方法

猕猴桃的自动化分级中最为复杂、费时的是表面缺陷检测.猕猴桃果实表面缺陷主要包括碰压伤、划伤和日灼,检测过程包括缺陷分割和缺陷识别两个阶段.猕猴桃机器视觉采集系统采用近红外光源采集图像,并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰;图像分析获取最佳阈值,最后图像分割得到猕猴桃果实表面的黑色斑点区域,包括真正的缺陷区域和梗萼区域.通过试验表明,近红外光源能有效提取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷,而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域,通过实验结果,分析针对分割出的可疑缺陷区域如何正确识别,可利用双金字塔数据形式的盒维数快速计算方法,提出描述该区域粗糙度和纹理方向性的特征参数,依此来区分真正缺陷和梗萼区域.     

滴灌肥不同施用量对设施灵武长枣生长、产量和品质的影响

与传统施肥方式相比较,滴灌肥具有提高肥料利用率、施肥肥效快等诸多优势,以5a生灵武长枣为研究对象,分别设置405、540、675、810kg/hm~2滴灌肥施用量处理以及复合肥施用量900kg/hm~2的常规施肥处理,研究不同滴灌肥处理对长枣生长及产量和品质的影响,试验结果表明675kg/hm~2处理下,长枣新梢生长量、枣吊数、果实维生素C、可溶性固形物均显著高于其余各处理,产量比常规施肥提高了17.3%;在滴灌肥施用量为405kg/hm~2处理下,果实中总酸含量最低,果实硬度最高;在施肥量675kg/hm~2处理下,长枣生长状况良好,产量最高,品质较好。     

基于NIR和Raman光谱的果蔬质量检测研究进展与展望

主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析（包括糖、酸等内部成分含量和坚实度等组织物理属性等）、果蔬品质的定性分析（如缺陷检测、成熟度分级、货架期/储藏期判断等）、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析（尤其是类胡萝卜素含量）、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。     

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。     

玉米秸秆饲料营养成分NIRS在线检测

玉米秸秆本身营养成分含量低,需作为粗饲料和其它饲料混合生产全混合日粮或经黄贮等技术工艺改善其品质。为在利用和改善处理过程中对其营养成分含量进行实时检测,采用217个玉米秸秆样品,利用优化后的近红外在线光谱采集系统,探索了利用近红外光谱技术在线检测玉米秸秆水分、粗蛋白、酸性洗涤纤维和可溶性糖等营养成分含量的可行性。研究结果表明利用近红外光谱技术可以实现对玉米秸秆饲料营养成分的定量分析。水分、粗蛋白、酸性洗涤纤维、可溶性糖含量模型的相对标准偏差和相对分析误差分别为9.03%和1.97、11.36%和2.31、3.75%和2.02、16.18%和3.61。     

苹果内部品质近红外光谱检测的异常样本分析

应用声光可调谐滤光器近红外光谱仪检测苹果内部品质(可溶性固形物含量、总糖、总酸和硬度)时,综合利用Cook距离、马氏距离、杠杆值和学生化残差,判断疑似异常样本点,然后用二审剔除判别法确定异常样本点.最终可溶性固形物含量、总糖、总酸模型都剔除了11个异常样本,硬度模型剔除了6个异常样本.其偏最小二乘回归模型的相关系数分别从0.868、0.791、0.443、0.693提高到0.904、0.849、0.501、0.718,校正误差均方根(RMSEC)分别从0.882 °Brix、9.213 g/L、0.805 g/L、0.105 MPa降低到0.733 °Brix、7.300 g/L、0.687 g/L、0.097 MPa.所建的苹果各品质模型更加稳定,准确度更高.     

高光谱成像结合模式识别无损检测猕猴桃成熟度

为实现“贵长”猕猴桃成熟度的快速无损检测,提出高光谱成像结合模式识别建立识别模型的检测方法。首先利用可见/近红外(390～1 030 nm)高光谱成像系统采集不同成熟阶段猕猴桃样本的高光谱图像,并获取整个样本区域的光谱反射率。然后对比3种光谱预处理方法：二阶导数、标准正态变换以及多元散射校正对原始光谱的预处理效果。最后分析偏最小二乘判别分析(PLS-DA)和简化的K最近邻(SKNN)模式识别方法对猕猴桃成熟度的识别性能。结果表明：相对于标准正态变换和多元散射校正两种光谱预处理方法,二阶导数预处理方法对原始光谱的预处理效果相对较好。另外,PLS-DA识别模型对猕猴桃成熟度的识别性能要优于SKNN识别模型,其正确识别率达到100%。表明采用高光谱成像技术结合模式识别方法判别“贵长”猕猴桃成熟度是可行的。     

基于近红外光谱技术的叶面药液浓度检测

提出了一种应用近红外光谱技术快速检测叶面药液浓度的方法。采用漫反射测量方式获取了叶面药液的近红外光谱。选用标准偏差归一化、三点滑动平均滤波和一阶导数为最优组合预处理。通过7种波段方案的对比,得出最优波段为350～1 900 nm。采用偏最小二乘法建立了叶面药液质量浓度与光谱反射率的定量分析模型。其预测集相关系数为0.994,预测均方根误差为0.039。结果表明,利用近红外光谱技术检测叶面药液浓度具有实际指导意义。     

大豆豆荚炭疽病严重度的光谱检测

利用可见/近红外光谱技术对大豆豆荚炭疽病严重度进行检测。分别采用主成分分析法(PCA)结合反向传输人工神经网络(BPNN)和连续投影算法(SPA)结合BPNN 2种组合模型进行分析预测。利用SPA的数据压缩功能和BPNN的学习预测能力实现对大豆豆荚炭疽病严重度的检测。以样本检测的准确率作为模型评价指标。实验结果显示SPA-BPNN的检测准确率最高,为90%。研究表明,SPA能够有效地进行波长选择,使BPNN模型获得满意的检测率。     

近红外光谱技术检测溶液中毒死蜱含量试验

用近红外光谱(NIR)方法对溶液中极微量毒死蜱进行了测定,通过模拟蔬果成分背景,配制了47个混合液样本,其中37个样本为含有质量比为0.005～0.100mg/kg毒死蜱的混合液样本,用于定量分析,同时10个不含农药的混合液样本,用于聚类分析.结果表明,近红外光谱法对混合溶液中质量比在0.008～0.090mg/kg之间的毒死蜱取得良好的检测效果.     

基于可见近红外光谱结合不同光谱选择方法检测生姜含水率研究

快速检测生姜含水率对生姜的存储加工和国际贸易非常重要。本文应用可见近红外光谱快速检测生姜含水率,采集330个生姜的可见近红外光谱(光谱范围350~1800nm),然后用烘干法测定生姜的含水率,把330个生姜样本按照含水率的大小以2:1的比例分成校正组和预测组。应用专业知识法、偏最小二乘法和遗传算法三种光谱选择方法建立生姜含水率的预测模型,其模型的精度比应用全光谱(包含1451个光谱变量)所建立的模型精度高。通过比较,应用遗传算法所得预测模型的效果最好,选定的光谱数和因子数分别是300和6,预测组的相关系数、均方根误差和分别是0.9900和4.4440。     

西瓜可溶性固形物含量近红外透射检测技术

设计的近红外透射式西瓜可溶性固形物含量（SSC）检测系统主要包括光纤光谱仪、光纤透射附件、数据采集卡以及自制光源。对50个麒麟瓜SSC进行了预测试验,采用主成分回归和偏最小二乘回归法分别建立了样品的原始光谱、一阶微分光谱、二阶微分光谱和SSC的预测模型,结果表明偏最小二乘回归法建立的模型具有较高的相关性,相关系数为0．951,均方根校正误差0．347,均方根预测误差0．302,样本真实值与预测值的相关系数为0．910。     

基于小波变换的大米直链淀粉波长选择方法

提出了一种基于小波变换的近红外光谱波长选择方法,小波分解低频系数是原光谱的离散近似,将最佳小波分解低频系数与原光谱数据进行关联,求出小波分解低频系数与原光谱数据的列相关系数R,取与原光谱数据相关系数较大的波长组合,作为最后参与建模的谱区.不仅考虑了浓度矩阵对波长选择的影响,且由于把小波分解结构中的高频系数全部滤除,避免了高频噪声的干扰,减小建模和预测运算时间,使最终建立的近红外光谱模型的预测精度提高.在大米直链淀粉含量的近红外光谱分析中进行了验证,并与其他常用波长选择方法进行了比较,结果表明,该方法波长点数最少,减小为原光谱数据点数的20%,校正模型和预测效果都较理想.