基于叶面叶绿素分布特征的黄瓜叶片氮钾元素亏缺诊断

利用高光谱图像技术无损表征黄瓜叶片的叶绿素分布特征,并将其作为N、K元素亏缺诊断依据。采集黄瓜叶片的高光谱图像数据,利用高效液相色谱法分析黄瓜叶片的叶绿素含量,利用遗传算法建立叶片高光谱图像信号与叶绿素含量的对应关系,进而实现黄瓜叶片叶绿素分布图的无损检测。与对照组叶片的叶绿素分布图相比,缺N叶片主要表现为叶片中心区域叶绿素含量偏低,而缺K叶片主要表现为叶片边缘的局部区域叶绿素含量偏低。据此分别提取缺N、缺K叶片及对照组叶片的叶绿素及其分布特征(叶片中心区域所有像素点的叶绿素含量均值、叶片边缘区域叶绿素含量偏低的像素点数量),并借助提取的特征参数建立了N、K元素亏缺诊断方法,其正确诊断率为95%。研究结果表明,叶绿素叶面分布特征可有效实现黄瓜植株N、K元素的亏缺诊断。     

银杏叶总黄酮含量近红外光谱检测的特征谱区筛选

通过区间偏最小二乘法(iPLS)谱区筛选方法、反向区间偏最小二乘法(biPLS)谱区筛选方法和联合区间偏最小二乘法(siPLS)谱区筛选方法优化光谱特征区间,建立黄酮含量分析模型,并与波数范围为4 000～8 000 cm-1的全光谱偏最小二乘(PLS)模型进行比较。结果表明,采用siPLS谱区筛选方法将全光谱均匀划分21个子区间,选择两个子区间(7、12区间)联合时,建立的siPLS谱区筛选模型预测效果最佳,其交互验证均方根误差和预测均方根误差分别为2.950 0和3.000,校正集和预测集相关系数分别为0.938 4和0.943 7。因此采用siPLS谱区筛选方法可以有效选择光谱特征区域,提高建模预测能力,实现银杏叶总黄酮含量的快速检测。     

天然花青素提取物与壳聚糖明胶复合膜的制备和表征

为了开发天然的抗氧化活性包装材料,以紫甘蓝、黑米、玫瑰、蓝莓为原料制备天然花青素提取物与壳聚糖明胶的复合膜,比较分析了不同天然花青素提取物对复合膜的物理、机械、抗氧化活性及形貌结构的影响。结果表明：天然花青素提取物的加入,增加了膜的厚度,显著（P<0.05）影响膜的含水率、水溶性及外观形貌。壳聚糖明胶复合膜的水蒸汽透过率（water vapor permeability,WVP）为10.69×10-11 g/(m·s·Pa)。玫瑰花青素提取物的加入使得WVP值降低,而其他花青素提取物的加入使得WVP值增大。玫瑰复合膜的拉伸强度最大,达到27.03 MPa,断裂伸长率最小,黑米花青素提取物可增加复合膜的延展性,断裂伸长率最大为57.67%。傅里叶红外光谱表明天然花青素提取物的羟基基团与壳聚糖的氨基基团产生相互作用。扫描电镜结果表明花青素提取物影响微观结构,而且生物相容性较好。加入天然花青素提取物后,复合膜抗氧化活性均显著（P<0.05）提高,且玫瑰复合膜有着较高的抗氧化活性,1,1-二苯基-2-苦基肼（DPPH）自由基清除能力达到95.47%。结果表明：玫瑰花青素提取物更有利于开发阻湿性能好,水溶性低,抗拉伸和抗氧化活性高的包装材料,具有良好的应用前景。     

基于高光谱图像的黄瓜叶片叶绿素含量分布检测

植物叶片叶绿素含量及分布是植物营养信息表达的重要指标。为了给大棚黄瓜营养元素的控制提供理论依据,该研究利用高光谱图像建立简单实用的光谱值和叶绿素含量关系的模型,从而实时、无损地检测叶片的叶绿素分布。选取黄瓜叶片的高光谱图像数据块中450~850 nm波段作为研究波段。选取8个具有代表性的植被指数,建立特征波长λ下相应的光谱反射值Rλ与黄瓜叶片叶绿素含量之间的关系模型。结果显示,基于最优指数(R695–705)-1-(R750–800)-1的模型可以很好地预测黄瓜叶片叶绿素的含量,校正集和预测集相关系数r分别为0.8410和0.8286,最小均方根误差RMSE分别为0.2045和0.2190 mg/g。最后根据最优模型预测叶片上任意位置叶绿素的含量,并通过伪彩手段描述叶绿素含量的分布。研究结果表明,利用高光谱图像技术分析黄瓜叶片叶绿素含量及其在叶面上的分布是可行的。另外,该研究确定的最优植被指数所包含的695~705和750~800 nm 2个波段可用于搭建更加简便实用的快速检测叶片叶绿素的便携式多光谱设备。     

渗油醋胶囊高光谱快速检测技术

针对渗油醋胶囊具有与合格醋胶囊相似颜色,难以用肉眼或者计算机视觉进行快速检测的问题,利用高光谱图像信息对化学成分的敏感性,采用高光谱图像技术捕捉渗油醋胶囊在430~960 nm波段下的特征信息,结合线性判别分析(LDA)、K最近邻判别法(KNN)建立渗油醋胶囊的判别模型。在K值为3、主成分因子数为2时,KNN模型对应的校正集识别率和预测集识别率分别达到100%。研究表明,高光谱图像技术可以有效表征渗油醋胶囊表面外渗成分的光谱特征,实现对渗油醋胶囊的快速检测。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法。利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型。结果表明：经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.9342,校正均方根误差为0.665N/cm2;预测样本相关系数rp为0.9197,预测均方根误差为0.673N/cm2。研究表明：模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度。