基于近红外高光谱图像技术的栗果品质无损检测

提出一种基于近红外高光谱图像技术的板栗果实品质快速无损检测方法。分别选取3个不同品种栗果、1个品种的霉变栗果和1个品种的虫害栗果各30个样品,采集供试样品的近红外高光谱数据;采用偏最小二乘法(PLS)建立栗果中总糖和淀粉含量预测模型,预测值与实际值的相关系数为0.9313～0.9587,均方根误差为0.062 4～0.225 0;结合主成分分析法(PCA),建立不同品种栗果鉴别以及识别霉变、虫害、正常栗果的判别分析(DA)模型,模型的识别率分别为96.7%和98.6%。结果表明,近红外高光谱图像技术可用于栗果总糖和淀粉的定量预测,以及不同品种栗果和霉变、虫害果的快速定性识别。     

近红外光谱分析技术在果品品质无损检测中的应用

近红外光谱分析技术以其速度快、效率高、成本低、测试重现性好,测量方便、且可同时测定多个不同组分的特点.正在形成一个新的热点研究领域.概述了近红外光谱分析技术的原理和优点,分析了国内外近红外光谱分析技术在果品品质无损检测中的研究进展.指出了目前该技术在研究应用过程中的存在问题,最后对该技术的应用前景进行了展单.     

近红外光谱无损检测李果实硬度的研究

[目的]实现无损快速检测＂大石早生＂李果实的硬度。[方法]采用近红外光谱仪采集＂大石早生＂李果实漫反射光谱信息,并相应测量果实硬度,经异常样品的剔除、定量模型的建立和优化以获得最优的李果实硬度近红外定量检测模型。[结果]4 000~9 000cm-1范围上结合直线差减法所建立的模型具有良好的精密度和稳定性,R2为0.770 5。[结论]建立的定量检测模型可为＂大石早生＂李果实的快速、无损检测提供依据。     

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。     

近红外光谱在粮食作物检测中的应用进展

介绍了近红外光谱分析技术在一些主要粮食作物检测中的最新应用进展,包括小麦、水稻、玉米、大豆等作物的成分检测、品种鉴别、病虫害识剐等方面,并对该技术所存在问题进行了探讨,对其发展趋势进行了展望。     

近红外光谱分析技术及其在饲料检测中的应用

近红外光谱分析技术(NIRS)应用于饲料分析,不仅能用于常量成分分析,也能用于微量成分的检测,还能用于饲料营养价值评定,以及饲料加工过程的在线分析。综述了近红外光谱分析技术原理、仪器的发展和在饲料检测中的应用。     

典型经济水果近红外漫反射无损检测及其光谱数据分析

采用近红外漫反射检测方法,设计了水果含糖量的近红外检测系统,以典型经济水果鲜枣和香蕉为样本,研究了水果整体样本光谱图与切片样本光谱图,分析了光谱图的差异性。结果表明,近红外漫反射检测方法可以有效实现水果样本的无损检测,反映水果样本的内部含糖量情况信息。     

近红外无损检测技术在棕壤速效磷分析中的应用

近红外技术具有快速、准确、无破坏等优点,该技术在测定土壤中氮、钾素方面的精确性已经得到认可,但在磷素的测定方面一直不能建立较好的预测模型。本研究中利用傅里叶变换近红外透射光谱仪测定129个棕壤土样取得光谱,采用PLSR等多元线性回归方法使光谱与化学方法测得的数据拟合建立定标模型,其中最好预测模型的决定系数(R2)和预测误差(SEP)分别为:R2=0.92,SEP=25.39 mg/kg。     

近红外光谱技术在木质纤维素定性定量分析中的应用

采用传统化学方法对生物质的木质纤维素成分进行分析费时费力,且不能提供生物质的内部结构信息,难以应用于实际的工业生产,近红外光谱技术为木质纤维素成分分析提供了新途径。综述了国内外利用近红外技术进行木质纤维素定性定量分析的研究进展及应用。比较了主要建模样品选择方法的优劣,阐述了人工智能算法结合近红外光谱技术的应用和发展,随着近红外技术的不断发展,它必然会带动能源业、工业、饲料业、造纸业等产业的发展。     

近红外图像和光谱分析技术在农产品品质无损检测中的应用与展望

介绍了现代近红外分析技术的发展及其技术特点,并就近红外图像技术和光谱分析技术两方面综合分析了国外利用近红外分析技术在农产品品质检测上的研究,以促进我国在该领域的研究.     

基于光纤探头的洋葱近红外光谱检测的数值模拟

利用Monte Carlo方法模拟光在洋葱组织内部的传输特性,并结合采用光纤探头的接触式测量条件,对漫反射检测信号进行仿真计算,分析表皮厚度和光学性质对测量的影响。结果表明,表皮对信号强度有明显的衰减作用,但对平均穿透深度影响不大。在波长800nm处,探测点到入射点的距离(源探距)为0.9~2.0cm时,在保证信号强度的同时可达到0.5~0.8cm的平均穿透深度,并可检测到此深度的颈腐病害(Botrytis allii Munn.);使用直径和数值孔径较大的光纤探头可以在保证测量精度的同时提高探测灵敏度。     

Instantaneous quantitative and qualitative assessment of pear quality using near infrared spectroscopy

A comparative study was made of the performance of different spectrophotometers as part of a research into the potential of NIR reflectance spectroscopy as a non-destructive method for predicting soluble solid content, firmness and postharvest shelf-storage time in intact pears. Three commercially available spectrophotometers were used: a scanning monochromator (SM) of 400–2500 nm, a combination of diode array and scanning monochromator (DASM) of 350–2500 nm and a diode array (DA) of 900–1700 nm. A total of 332 pears (Pyrus communis L.) cv. ‘Blanquilla’ and ‘Conference’ were used to develop calibration models in different spectral regions, using various spectral signal pretreatments. Models to predict soluble solid content yielded coefficients of determination (r²) ranging from 0.39 to 0.76, and a standard error of cross-validation (SECV) of between 0.59 and 1.49 °Brix, depending on the instrument used. Models for predicting firmness yielded r² values of between 0.45 and 0.79 and SECVs ranging from 5.33 to 7.36 N. Subsequently, the ability of these instruments to classify fruit as a function of postharvest shelf-storage time (0, 6 and 8 days) was tested using partial least squares discriminant analysis (PLS-DA), which yielded percentages of correctly classified samples (ratio of correctly classified samples to total samples) ranging from 81.1 to 94.4%, depending on the instrument used. The results obtained highlight the potential of these NIR instruments for assessing internal quality indices and predicting postharvest storage duration in pears, particularly when the instruments SM and DASM were used.     

声学技术在西瓜品质无损检测中的应用

对近年来国内外声学技术在西瓜品质无损检测中的应用进展进行了综述.重点介绍了声振法、声学特性法和多种传感器融合技术的原理,国内外研究进展及其优缺点.提出现有西瓜品质无损检测技术存在的问题,并对未来西瓜品质无损检测技术的发展予以展望.     

新疆克拉玛依绿色鲜食葡萄产地环境质量监测与评价

依据中国绿色食品发展中心颁布的‘绿色食品产地环境质量现状评价技术导则》,对克拉玛依大农业开发区葡萄产地的环境质量进行了监测,测定结果表明：产地各项污染因子的实测均值和实测最高值都低于国家标准的限定值,单项污染指数均小于1。由此得出评价结论：克拉玛依大农业开发区为生产绿色鲜食葡萄良好的生态环境条件。     

近红外技术(NIR)在小麦商品粮收购中的应用研究

利用近红外谷物品质分析仪 (Perten DA910 0 ) ,对陕西省某县 6 2 4户农民 2 0 0 0年夏季上缴粮库的公购粮进行现场品质分析。结果认为 :人工主观评定的商品粮等级与其蛋白质含量、水分含量、硬度、沉淀值、烘烤体积无显著相关性 ;近红外谷物品质分析仪 (Perten DA910 0 )完全能够满足粮库验粮的需要 ;小麦籽粒硬度、蛋白质含量是商品粮收购定级的重要指标     

葡萄种间杂交F1代的RAPD分析

从260个随机引物中筛选出多态性丰富的25个引物进行中国野生葡萄商-24与欧洲葡萄龙眼种间杂交F1代的RAPD分析。据对219个RAPD标记的统计分析结果表明,不分离标记、按1∶1或3∶1比例正常分离的标记、偏离孟德尔分离比例的标记和异常分离的标记分别占49.8%,40.6%,7.3%和2.3%。双亲共有标记中75.0%不发生分离,是不分离标记的主体。单亲特有标记中55.4%～65.3%发生正常分离,是1∶1分离标记的主体。商-24特有标记中不分离标记占20.4%,而龙眼特有标记中不分离标记占36.9%,商-24基因组中纯合基因位点比例要低于龙眼基因组中纯合基因位点的比例。异常分离的标记是指非亲本RAPD标记,本研究出现了5个异常分离的标记。符合1∶1或者3∶1分离比例的特有RAPD标记,可分别用于构建商-24和龙眼的遗传连锁图谱,双亲共有标记可用于构建双亲的遗传连锁图谱。     

光栅及光纤技术在近红外光谱检测中的应用

本文介绍Y型光纤测量和近红外光谱技术,探讨了光纤测量样品距离与测量灵敏度变化的关系及漫反射技术工作机理,利用闪耀光栅将光栅波长复用分光和光纤测量优势有效结合起来,为进一步开展近红外光谱技术在农产品快速无损检测方面的应用打下了基础。     

近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄

【目的】利用近红外漫透射光谱快速无损鉴别家蚕Bombyx mori种茧茧壳内蚕蛹的雌雄,以提高育种效率、降低人工成本。【方法】以芙9、9芙、湘7和7湘4个蚕品种为研究对象,采集比较了样本在可见和近红外区间的漫透射光谱,建立比较了各品种偏最小二乘判别分析(PLSDA)、后向传播神经网络(BPNN)以及支持向量机分类(SVM)判别模型,通过分类器特性(ROC)曲线研究了各模型的鲁棒性,采用差值法和遗传算法提取了特征波长。【结果】芙9、9芙、湘7和7湘品种利用450~900 nm光谱建模的雌雄鉴别准确率分别为95.20%、95.65%、88.80%和87.50%,利用900~1 700 nm光谱建模的准确率分别为100%、96.00%、92.22%和94.21%;采用PLSDA、BPNN和SVM模型都能够对蚕蛹雌雄做出较好的无损鉴别,3种模型真雌性率分别为95.96%、95.83%和100%,真雄性率分别为98.98%、96.04%和82.18%,准确率分别为97.46%、95.94%和90.86%,进一步通过ROC曲线分析,PLSDA模型效果最优,BPNN模型次之;手动提取20个波段建立PLSDA模型,鉴别真雌性率为93.75%,真雄性率为95.45%,准确率为94.57%。【结论】近红外波段900~1 700 nm的漫透射光谱比可见–近红外波段450~950 nm含有更丰富的蚕蛹雌雄分类信息;3种鉴别模型中,PLSDA模型效果最优;提取特征波段后,准确率能达到生产需要。     

水果品质无损检测研究进展及应用现状

针对市场上存在的水果品质良莠不齐的现状及消费者对水果品质逐步提高的需求,水果售前品质分级显得尤为重要。水果售前品质分级可有效保证市场品质、促进品牌打造、提升商品竞争力、指导采后处理。已有的理化指标检测法和感官评定法均存在检测效率低、劳动强度大等缺陷,无法完全满足实际产业大批量水果无损分级的要求。无损检测作为一种新兴技术在水果品质分级上具有广泛的市场需求和应用前景,至今已形成了光谱、机器视觉、高光谱成像、电子鼻、声特征、介电特性和低场核磁共振等系列水果品质无损检测方法。这些方法针对水果结构、外形、品质指标等差异检测时各具优势,但受环境噪声、漂移噪声、样本差异、检测效率和检测成本等因素影响,并未全部应用于实际生产。介绍了水果品质无损检测领域已有技术的特性及其可行对应检测的水果品质参数,阐述分析了无损检测技术在水果品质分级行业的实际应用现状,讨论了水果品质无损检测领域尚存在的难点,并对下一步研究方向提出建议。     

水果内部品质光特性无损检测研究及应用

基于水果光特性的无损检测和分级技术正越来越广泛地应用于水果的产后加工和质量评判中.本文介绍了水果内部品质光学特性检测原理及检测系统组成,分析了规则反射、透射和漫反射3种光特性测量方法在水果内部品质检测中的优缺点,并阐述了水果的糖度、酸度、硬度等内部品质光特性无损检测的国内外最新研究进展和应用前景.