近红外技术对南疆冬枣糖度无损检测的研究

筛选具有代表性的100个新疆南疆和田冬枣作为试验样品,采用近红外光谱分析技术对冬枣样品的糖度进行分析。结果表明:通过相关系数法选取特征波长区间的波数分别为5 303~5 600 cm-1、6 205~6 302cm-1、7 308~7 405 cm-1,然后作多元散射校正、一阶导数和Savitzky-Golay卷积平滑法预处理后,建立的偏最小二乘法(PLS)校正模型效果最好,校正标准偏差(SEC)为0.613,预测标准偏差(SEP)为0.573,相关系数(R)为0.967,具有良好的预测效果,满足生产实践的要求。试验表明,近红外光谱分析技术适合南疆冬枣的糖度无损检测。     

马氏距离与浓度残差剔除近红外异常样品研究

以新疆南疆灰枣为研究对象,采用马氏距离法对近红外校正集中异常光谱样品进行剔除,并运用浓度残差法对异常化学值样品进行剔除,从校正集中的100个红枣样品剔除了1个异常光谱样品和23个异常化学值样品,用剩下的76个样品建立红枣水分校正模型,并对预测集的51个红枣样品进行预测分析,用预测相关系数(RP)、预测标准偏差(SEP)、平均相对误差(Er)来作为评价指标。结果表明:RP为0.9258,RMSEP为1.6197,Er为0.0333,与剔除前校正集所建模型相比,模型的稳定性和预测精度得到显著的提高。     

偏振光谱在枣叶无损检测中的应用

红枣通过光谱无损检测技术可以快速预测红枣水分、糖分等参量,而将偏振光谱技术应用于红枣叶片的无损检测可以快速对枣叶的水分、叶绿素进行预测,进而预测枣树的生长状态.利用近红外偏振光谱技术对南疆红枣叶片含水量和叶绿素含量进行无损检测,分别选用偏最小二乘法(PLS)和主成分回归分析法(PCR)的化学计量学方法建立红枣叶片校正模...     

近红外透射光谱无损检测赣南脐橙糖度的研究

探讨了近红外透射光谱无损检测赣南脐橙内部糖度指标的可行性,并建立近红外透射光谱与赣南脐橙内部糖度指标之间的关系.以80个赣南脐橙为研究对象,利用透射光谱测定法获取完整赣南脐橙的近红外光谱(200～1100nm),选取不同的光谱波段范围对水果样本的透射光谱进行有效信息的提取,并结合多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘法(PLS)3种不同的数学校正方法对赣南脐橙的糖度(SC)进行定量分析.实验结果为:在550～900nm波段范围内,PLS校正模型的预测精度最好,其相关系数为0.9032,预测样本均方根误差为0.2421.实验结果表明,近红外透射光谱可以作为一种准确、可靠、无损的检测方法,用于检测赣南脐橙内部的糖度指标.     

不同预处理方法对PLS模型检测哈密瓜糖度的影响

为寻找适合可见近红外光谱检测哈密瓜糖度含量的最佳光谱预处理方法,进行哈密瓜样品可见近红外光谱数据的预处理方法比较与研究。研究比较了4种光谱数据预处理方法对哈密瓜糖度偏最小二乘法建模精度的影响。研究结果表明:标准正态变量变换与二阶导数相结合是哈密瓜糖度含量可见近红外光谱检测的有效光谱预处理方法,其相关系数和内部交叉验证均方差分别为0.6893和0.666,并且利用该方法建立的哈密瓜糖度预测模型的相关系数、预测集均方根误差和校正集的相关系数、校正集均方根误差分别为0.7342、0.573、0.7605、0.588,最佳因子数为11。     

基于近红外漫反射光谱技术的芒果糖度无损检测方法研究

近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测。为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.976 59,RMSEC分别为1.628 4,0.205 8,MEP为1.235 0,0.738 3;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9;调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9%降到8.057 6%。研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的。     

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。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

苹果糖度高光谱图像可视化预测的光强度校正方法

针对类球形水果表面曲率变化引起高光谱图像光响应强度差异较大,难以有效预测各部位的品质信息的问题,以富士苹果为研究对象,对高光谱图像进行黑白标定后,以糖度测试部位为感兴趣区域提取平均光谱并建立糖度的定量预测模型,校正集相关系数Rc为0.930 5,校正均方根误差RMSEC为0.433 1;高光谱图像经构建掩模消除样本背景噪声后,提出了高光谱图像光强度校正方法,比较校正前后的高光谱图像能量分布图可以发现光强度得到有效补偿,对校正后的高光谱图像标记空间信息并提取对应光谱,用已建立的苹果糖度模型计算各像素点对应的糖度值,绘制苹果糖度的伪彩色分布图。研究结果表明,高光谱图像经强度校正可以快速无损的预测苹果的糖度及其分布。     

苹果糖度近红外光谱小波去噪和iPLS建模

为了提高苹果近红外光谱糖度预测模型的精度,利用多尺度小波去噪法对苹果近红外光谱进行了预处理,并用改进后的间隔偏最小二乘法(iPLS)建立预测模型。应用结果表明,多尺度小波去噪法滤除了原始光谱中的部分噪声,但又保留了原光谱中的主要信息。运用间隔偏最小二乘法对预处理后的光谱建模,其校正时的相关系数rc和校正均方根误差RMSEC分别为0.9635和0.3026,预测时的相关系数rp和预测均方根误差RMSEP分别为0.9214和0.4113,主因子数为5个。结果表明,用多尺度小波去噪和间隔偏最小二乘法所建立的苹果糖度模型不但精度有所提高,而且更加简洁、数据运算量也更少。     

运用近红外透射光谱技术检测苹果内部品质

通过运用近红外透射光谱技术快速分析了苹果的糖度和硬度,使用偏最小二乘法建立预测模型,得出校正集苹果糖度的最佳主因子维数为3,相关系数R为0.9943,校正标准差为0.2476;校正集苹果硬度交叉校验的最佳主因子维数为3,相关系数R为0.9644,校正标准差为0.3529。研究结果表明：运用近红外透射光谱技术可以准确地无损快速定量分析苹果糖度和硬度。     

运用近红外漫反射技术检测苹果内部品质

为了建立山东烟台富士苹果糖度和硬度的近红外光谱测定法,本实验应用光纤漫反射近红外光谱检测技术快速定量分析苹果的糖分含量和硬度。使用偏最小二乘法建立预测模型,样品糖分预测值和实测值之间的相关系数为0.97210,校正标准差(RMSEC)为0.363;样品硬度预测值和实测值的相关系数为0.95452,校正标准差(RMSEC)为0.594。通过本次试验研究表明,近红外光谱测定法能准确地对富士苹果糖分含量和硬度进行无损快速定量分析。     

竞争性自适应加权采样算法和连续投影算法在南疆冬枣水分模型中的分析

采用两种不同的波长变量选择方法对南疆冬枣进行偏最小二乘(PLS)建模分析,使用连续投影算法建立的模型预测标准偏差(RMSEP)为1.0672,校正标准偏差(RMSEC)为0.5997,相关系数(R)为0.9017,主因子数为10。使用竞争性自适应加权采样算法建立的模型预测标准偏差(RMSEP)为1.0941,校正标准偏差(RMSEC)为0.6148,相关系数(R)为0.9275,主因子数为7。结果表明连续投影算法和竞争性自适应加权采样算法都能够有效地优选出全光谱的256个变量中的13个变量,降低建模的波长变量,减小了模型的复杂性,提高了模型的精度。两种算法在筛选南疆冬枣的特征波长是可行的。     

基于混合线性分析的苹果糖度近红外光谱检测

将主要用于纯组分定量分析的混合线性分析法的一种变形算法（HLA/XS法）移植到苹果糖度这一非纯组分含量指标的近红外光谱检测中,并与偏最小二乘法（PLS）进行比较.应用结果表明,虽然最佳的HLA/XS校正模型（18个主因子）比最佳PLS校正模型（11个主因子）复杂,但其精度却明显优于PLS模型：利用校正集的28个苹果样本建立的糖度HLA/XS校正模型,其相关系数r2和校正标准偏差SEC分别为0.925 09和0.406 18;该校正模型经预测集的11个样本验证,r2和预测标准偏差SEP分别达到0.876 11和0.484 80.HLA/XS糖度模型对苹果光谱的SEC和SEP分别比PLS法的SEC（0.414 73）和SEP（0.504 73）减小了2%和3.9%.结果表明,在诸如苹果糖度这一类农产品品质综合指标（非纯组分含量指标）的光谱检测中,应用混合线性分析法（HLA/XS）进行定量分析是可行的.并且其结果可与偏最小二乘法（PLS）的结果相同.     

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。     

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。     

基于近红外光谱的活性米品质检测研究

选取105份具有代表性的活性米样品,研究光谱范围在918~1 045nm内12个波长点的近红外反射光谱与其品质的相关性。利用近红外光谱技术和多元线性回归、主成分回归和偏最小二乘法3种校正方法对活性米中γ-氨基丁酸、水分、蛋白质、淀粉、明度值、红度值及黄度值进行定量分析;选出最优校正模型,模型的预测决定系数分别为0.903、0.964、0.953、0.951、0.949、0.961、0.916,预测标准偏差分别为0.598、1.367、1.367、2.688、0.996、50.144、0.952。研究结果表明:应用近红外光谱技术检测活性米品质是可行性的。     

不同贮存温度蜂花粉的可见-近红外光谱鉴

利用可见-近红外光谱技术结合最小二乘支持向量机(LS-SVM)对不同贮存温度下的蜂花粉进行鉴别.选择-20、4、15、25和40℃ 5个温度下分别贮存60d后的蜂花粉为研究对象.对原始光谱数据进行平滑和附加散射校正(MSC)的预处理后进行主成分分析,选择4～20个主成分作为输入变量进行LS-SVM建模.模型预测参数比较结果显示,当主成分数取20时模型的预测效果最好,预测相关系数r2p≥0.9919,预测标准偏差(SEP)和预测均方根误差(RMSEP)分别为1.7854和1.7675,优于偏最小二乘回归(PLS)的预测结果,说明基于LS-SVM的可见-近红外光谱技术能够很好地对蜂花粉贮存温度进行检测.     

基于近红外光谱技术的发育后期苹果内部品质检测

为了解发育后期苹果内部品质与近红外光谱特性之间的关系,给田间管理、实时采收等提供依据,利用近红外漫反射技术测量了发育后期3个月内"富士"苹果在833~2 500 nm波长范围内的光谱特性,并测量了各样品的内部品质参数(可溶性固形物含量、硬度、p H值和含水率),分析了单一波长下吸光强度与各内部品质参数之间的线性关系。结果表明,单一波长下吸光强度与苹果各内部品质参数之间的线性相关性均较弱,基于单一波长下的吸光强度很难预测苹果的内部品质。为此,结合化学计量学方法建立了预测可溶性固形物含量、硬度、p H值和含水率的最小二乘支持向量机和极限学习机(ELM)模型,并分析了主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法等3种降维方法对模型预测性能的影响。结果表明,预测可溶性固形物含量、p H值的最优模型为SPA-ELM,其RMSEP分别为0.443 5°Brix和0.006 8;预测硬度、含水率的最优模型为PCA-ELM,其RMSEP分别为0.2612 kg/cm2和0.623 5%。     

皇冠梨糖度可见/近红外光谱在线检测模型传递研究

在水果内部品质检测分级实际生产中往往存在多通道测量,由于仪器不同或加工精度不同而存在多通道间检测模型不具通用性问题,应用多种模型传递方法研究了在线检测条件下两个不同可见/近红外光谱仪间的皇冠梨糖度预测模型传递及预测比较分析。结果表明:从仪器的光谱数据经直接校正算法(DS)和基于平均光谱差值校正的DS算法(MSSC-DS)转换后用于主仪器所建模型的预测结果相对较好,预测均方根误差小于0.5°Brix,可以满足实际生产。但通过模型转换后的预测结果均比利用从仪器数据直接建模的预测结果要差(预测均方根误差为0.381°Brix),因而在实际生产中,需要从成本和分级精度的要求来考虑选择建模的方式。