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。     

农产品品质近红外光谱分析结果影响因素研究综述

结合国内外研究现状,针对校正集样品选择,样品粒径、含水率、温度、试验因素,以及预处理和数学建模方法的选择对农产品近红外光谱分析结果的影响进行了探讨分析。分析结果表明：为获得可靠的分析结果,样品选择应均匀、广泛,并应考虑样品粒径、含水率及温度的影响,同时应选择合适的光谱预处理和数学建模算法。     

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。     

大米直链淀粉含量的近红外光谱分析

大米的直链淀粉含量是影响大米蒸煮和加工特性的最重要因素之一,常被用作蒸煮米质构特性评价指标。该文对不同粒度、不同类型大米样品进行了近红外光谱分析,建立了大米直链淀粉含量的预测模型,（精米样品）预测值与化学分析值的相关系数达0.95。预测标准差、平均相对误差分别为0.56和3.1%。     

近红外光谱技术在畜产品检测中的应用研究

近红外光谱作为快速、无损的检测技术,被广泛应用于畜产品检测领域。通过样品光谱信息与被测样品理化指标相关联,构建高精度、稳定性好的数学模型,可不破坏样品而获取被测样品信息,实现畜产品的定性定量快速预测。本文综述了近红外光谱技术在主要畜产品（肉、原料乳和毛绒）真实性鉴别、产地和品种溯源、理化指标检测等方面的研究进展,分析了近红外光谱技术在畜产品检测方面存在的不足及未来发展趋势,为近红外光谱技术应用发展提供数据支撑和理论参考。     

基于近红外光谱和机器视觉融合技术的板栗缺陷检测

为提高合格和缺陷板栗分级检测识别精度,提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺陷检测方法。试验以湖北京山板栗为试验对象,利用BP神经网络方法建立了基于近红外光谱、机器视觉和多源信息融合技术的板栗分级检测模型。试验结果表明,3种识别模型对对训练集板栗回判率分别为96.25%、96.67%和97.92%;对测试集板栗的识别率为86.25%、83.75%和90.00%。基于近红外光谱和机器视觉的多源信息融合技术进行板栗分级检测的方法是可行的,融合模型较单独采用机器视觉技术或近红外光谱分析技术建立模型的识别率均有显著提高。     

近红外光谱技术及其在农产品品质分析中的应用

近红外光谱技术是一种高效、快速的现代分析技术,已在很多领域得到广泛应用。文章对近红外光谱分析的技术原理、技术方法、技术特点作了简要介绍,并对其在农产品品质分析中的应用现状和应用前景进行了综述。     

基于近红外光谱分析的土壤全氮含量估测研究

应用近红外光谱分析技术对比研究基于土壤风干样本和鲜样来预测全氮含量的可行性。选取水稻土为研究对象,首先分析了不同水分土壤的光谱特征,显示随水分含量增加,吸光度升高,且鲜样的吸光度高于干样。通过比较不同预处理方法,对土壤干鲜样分别采用逐步多元回归(SMLR)和偏最小二乘法(PLSR)建立了相应的近红外模型。结果表明,利用近红外光谱均可预测干鲜土壤样本的全氮含量,特别是利用偏最小二乘法建立的标定模型,预测精度高,反演性较好,鲜样和干样外部验证决定系数分别达到0.89和0.91,相对误差仅为6.92%和5.92%,研究结果可以为田间土壤全氮含量的估测提供技术依据和参考。     

基于机器视觉和近红外光谱技术的杏干品质无损检测

干果品质直接影响其市场销售。该研究以杏干为对象探讨用机器视觉和近红外光谱技术快速无损检测干果内外品质的方法。拍摄杏干4个不同位置的彩色图像,用基于区域骨架化的填充法分割杏干,提取每种角度下的面积。从100个正常杏干样本中随机挑选75个为校正集,25个为预测集,用多元线性回归对杏干的实际质量和4个面的面积建模,得到校正集和预测集相关系数分别为0.9374和0.9307,杏干质量分级的准确率为90%。提出用基于平均灰度的区域增长法提取杏干缺陷,缺陷检测的准确率为84.5%。采用SNV对杏干近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、向后区间偏最小二乘法(biPLS)及联合区间偏最小二乘法(siPLS)建立杏干糖度预测模型。结果表明,当全光谱范围被划分为22个子区间,优选出区间[17、2、3、9、20、13、7、18、15、11、6],主因子数为10时建立的biPLS糖度模型性能最好。其校正集相关系数和校正均方根误差分别为0.8983和1.23,预测集相关系数和预测均方根误差分别为0.8814和1.46。研究表明,机器视觉结合近红外光谱技术能对杏干内外品质进行综合检测,也可为其他干果的品质检测提供借鉴。     

近红外光谱技术在牛奶及乳制品分析中的应用研究

近红外光谱作为一种新型的分析检测技术,正在获得越来越广泛的应用.本文阐述了近红外光谱技术应用于农产品检测的基本原理和具体检测步骤.从建模算法、谱图预处理和检测系统结构等方面综述了国内外近红外光谱技术在牛奶及乳制品中的最新研究进展.对目前研究中存在的问题进行了分析,对以后进一步的研究进行了展望,并提出了一些建议.     

基于近红外光谱的活体植物叶片水分检测仪器

在近红外光谱区,采用超低功耗单片机MSP430及新型的光频转换芯片TSL230,研制快速无损、可现场测定植物叶片水分含量的透射式检测仪器。仪器整体由信号采集系统、单片机系统及相应的软件支撑、校正模型组成。其信号采集系统采用近红外LED光源,890 nm和980 nm的窄带干涉滤光片和光频转换芯片。光频转换芯片的使用简化了信号采集电路,减少了噪声的引入。该文介绍了该仪器的硬件设计、软件设计,对紫荆叶片水分含量的建模及预测。预测结果与水分真实值基本一致,二者相关系数为0.900。仪器具有较高的重复性、稳定性和可靠性,与其他水分测量仪相比,该仪器具有体积小、结构简单、重量轻、超低功耗、抗干扰等特点。试验结果表明本仪器可在田间现场对植物叶片水分含量进行快速无损检测。     

NIRS分析技术在农业中的应用进展

近红外光谱分析技术是一种间接测量技术。它是应用化学计量学方法建立校正模型,从而实现对未知样品的定性或者定量分析,已经在很多领域得到应用。该文论述了近红外光谱分析技术的分析步骤及其技术特点,以及近年来在国内农产品品质分析、食品分析、饲料工业分析、土壤分析、农产品在线快速检测分析等农业领域中的应用研究现状,并分析该技术在应用中存在的主要问题和相应的解决方案。同时指出了未来几年国内关于近红外光谱仪器硬件的开发及其化学计量学方法和模型优化方面的进一步探索,将成为国内未来几年近红外光谱技术研究的热点。     

基于近红外光谱的未知类别样品聚类方法

在近红外光谱分析中,针对大量样品参与建模时,需将样品集进行分类,以减少样品光谱变异范围,提高近红外模型的预测准确度。本文以来自中国各地的222份小麦样品为例,在未知样品组分含量和类别归属的前提下,结合样品的近红外光谱信息,采用基于试探的未知类别的样品聚类方法（最邻近规则法和最大最小距离算法）对样品集分类。其中,最邻近规则法在阈值T为1.9时,最大最小距离算法在阈值为样品间的最大距离的1/2时,分类建模指标均优于未分类所建模型。从分类实现过程和结果可以看出：基于试探的未知类别的样品聚类方法中无需多次训练,且对未知类别的样品集无需事先确定分类数目,但需要确定分类阈值,阈值不同,则分类结果会随之改变。研究为近红外建模过程中未知类别样品的分类提供了一种参考方法。     

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(400～1100、900～1700和400～1700 nm)的检测器对菠萝样本进行采样,随后人工标定水心...     

基于近红外光谱和正交信号-偏最小二乘法对土壤的分类

不同质地的土壤,由于蓄水能力和土壤颗粒大小的不同使得其光谱特性不同,这为采用近红外光谱技术对土壤质地进行判别分析提供了依据。该研究利用正交信号校正(OSC)方法可以获得与浓度有关的谱图信息这一优势,将其与偏最小二乘方法(PLS)结合,采用近红外光谱技术对不同质地的土壤:砂土、壤土、黏土进行判别分析。结果表明:建模样本的相关系数可达0.965,采用该模型对其余45个样本分别进行了预测,三种土壤预测样本的判别正确率分别为:93.3%,86.6%和86.6%。说明OSC方法可以提取谱图中的微弱的质地信息,实现土壤质地的快速鉴别分析。     

基于近红外光谱技术的眉茶拼配比例预测方法

拼配是出口炒青绿茶精制加工过程中的一项作业,通过对不同原料茶的拼合,达到维持产品品质标准化和一致性的目的。目前仍然依靠专家人工设计茶叶拼配比例,主观性较强,工作量大。为了实现拼配比例设计的客观化、定量化,该研究以眉茶为对象,提出了一种基于近红外光谱技术的拼配比例预测方法,采用源于黄山、湖北、福建3地的4种典型原料茶拼合了不同比例的茶样,采集了其近红外光谱数据,构建了用于预测拼配比例的4种机器学习模型,分别为AE+Softmax、CNN+Softmax、PCA+Softmax及PCA+PLS,并通过对比模型预测结果与预设拼配比例评价算法性能。结果表明,基于CNN+Softmax的拼配比例预测方法精度较高,特征维度为40时,验证集决定系数为0.964 3,均方根误差为0.047 2,优于其他方法,经过测试集测试后的性能指标与验证集接近,说明算法具有较好的泛化能力。研究结果可为茶叶数字化、智能化拼配提供理论依据与数据支撑。     

棉纤维根数的近红外测量

为准确测量棉纤维的根数,该文建立了一个近红外光电检测系统,其光源为940 nm波长的LED。试验中使用了8个年份、颜色等级有差异的棉纤维试样,测量不同纤维根数以及对应的相对消光量。结果表明,棉纤维的消光特性与输入光强有关。对同样数量的棉纤维,输入光强增大,相对消光量减小。数据分析表明,纤维根数是相对消光量的正指数函数,它远比经典朗伯定律描述的纤维光学特性要好。将该函数作为预测方程,纤维根数预测在95%的置信水平上有R2=0.99。试验中,棉纤维的颜色等级与成熟年份对其近红外光学特性没有表现出显著影响。     

基于近红外光谱的板栗水分检测方法

含水率是影响板栗贮藏、加工的关键指标之一,该文应用近红外光谱技术对板栗含水率进行快速无损检测。试验对240个板栗样本的带壳光谱和栗仁板栗光谱采用SPXY算法进行样本集划分,利用偏最小二乘法建立含水率定量检测模型,并对微分、多元散射校正、变量标准化等多种预处理方法对建模结果的影响进行比较。结果表明：栗仁和带壳板栗的光谱经一阶微分预处理后所建模型性能最佳,其中栗仁的水分检测模型校正集和验证集的相关系数分别为0.9359和0.8473,校正均方根误差为1.44%,验证均方根误差为1.83%;带壳板栗光谱所建模型校正集和验证集的相关系数分别为0.8270和0.7655,校正均方根误差为2.27%,验证均方根误差为2.35%。受栗壳的影响,带壳板栗光谱模型对含水率的预测精度低于栗仁光谱模型的预测精度。研究表明,近红外光谱分析技术可用于板栗含水率的快速无损检测。     

基于近红外分析技术检测大豆脂肪酸含量的研究

为探索近红外光谱技术在大豆脂肪酸测试中的应用,寻找一种快速的检测方法。以黑龙江省各地的25份大豆品种为材料,采用Perten8620型近红外光谱仪对搜集到的样品进行扫描并得到光谱数据,采用多元线性回归(MLR)和偏最小二乘法(PLS)对试验数据进行了多元统计分析。结果表明：在1700～2300 nm范围内检测大豆脂肪酸含量是可靠的,并且PLS模型的性能优于MLR模型。该文还对近红外仪中的滤光片组合作了初步探讨,表明不同的滤光片组合对测量精度有一定影响。