猕猴桃品质光谱无损检测技术研究进展

光谱无损检测技术正越来越广泛地应用在水果内部品质检测中。该文从猕猴桃光谱特性差异及光谱无损检测技术影响因素对比分析等方面出发,对目前光谱分析技术在猕猴桃品质检测中应用的研究现状进行综述。分析了猕猴桃与其它水果光谱吸收特性和散射特性的差异以及不同温度、硬度、成熟度、部位及生长期管理措施对猕猴桃光谱特性的差异。对猕猴桃样品采集、光谱检测及数据处理等方面的不同方法进行了对比分析。指出采用500～2500 nm的可见光及近红外光谱对不同产地、不同生长环境和管理条件、不同储藏期、不同成熟度猕猴桃的果肉颜色、硬度、干物质含量、可溶性固形物含量、含糖量以及水果密度等内部品质进行检测是可行的。数据处理和定标模型建立方面的研究正在从传统多元回归和数值优化方法到包括人工神经网络技术、遗传算法、小波分析和自组织理论等先进数据分析技术的非线性模式识别方向发展。今后研究重点应进一步提高定标模型预测可靠性、通用性和实用性,建议今后对不同猕猴桃品种及不同仪器之间定标模型的通用性、猕猴桃在运动条件下的光谱检测技术等方面进行研究。     

基于近红外光谱的大豆茎秆化学组分含量检测模型构建与应用

[目的]大豆茎秆化学组分(纤维素、半纤维素、木质素和粗纤维等)与其茎秆抗倒伏能力密切相关,但由于目前大豆茎秆化学组分检测多采用传统的化学分析技术,测定过程操作复杂、耗时耗力、成本昂贵且易造成环境污染,不适合大规模育种应用,因此,通过构建一套低成本、快速、科学、无污染的大豆茎秆化学组分检测方法,为大豆种质资源茎秆组分分布...     

基于混合样品集的大豆种子蔗糖含量近红外光谱定标模型建立

为快速测定原料大豆的蔗糖指标,及时为调整豆制品生产工艺参数或原料配比提供数据支撑,以满足快速准确鉴定高蔗糖大豆育种新品系的需要,本研究建立基于混合样品集的大豆种子蔗糖含量近红外光谱定标模型。将天然和人工添加蔗糖的大豆样品结合起来作为混合参试样品集,先利用近红外光谱分析仪采集光谱数据,再通过酶比色法测定化学值,进行光谱数据预处理,采用偏最小二乘回归统计方法建立大豆蔗糖含量的近红外光谱定量分析模型,并利用未知蔗糖含量的大豆种子样品对模型的预测性能进行验证。以混合参试样品集建立的近红外光谱定标模型能够在较宽的蔗糖含量范围(37.83～139.35 g·kg^-1)内获得较为精确的预测结果,并将二阶导数联合多元散射校正作为光谱数据的最佳预处理方法。经外部验证,样品的化学测定值与定标模型预测值极显著正相关,且决定系数达0.943,预测均方差为3.17,相对误差为5.923%。所建立近红外光谱定标模型的预测能力较强、适用性较好,能够有效应用于大豆种子蔗糖含量的快速准确测量。     

不规则形体表面点三维重建方法

为实现形体的快速三维重建,在分析现有各类重建算法的基础上,针对不规则形体给出了一种三维表面点的重建方法。首先进行摄像机自定标,求取相机的内、外参数,然后对采集的图像进行处理,得到物体的轮廓,最后使用地毯式的搜索算法搜索并重建了物体的表面点。分析了不同搜索步长情况下算法的执行效率,在综合考虑逼真度和执行速度的情况下,给出了优化的步长选择,为表面的三角网格化和纹理恢复提供了依据。     

茶鲜叶的荧光光谱特征与叶绿素含量之间的关系研究

采集的65份茶鲜叶样本中45份用来建模,另外20份用来进行模型验证,研究茶鲜叶的荧光光谱特性与叶绿索含量之间的定量关系.结果表明:叶绿素含量与685nm处的荧光强度之间具有显著的相关性;同时发现叶片含水率对建模预测精度有影响.不考虑叶片含水率时,模型的决定系数r2=0.9195,模型预测的相关系数r=0.8956.考虑叶片含水率修正后,模型的决定系数和模型预测的相关系数都提高了,分别为r2=0.9632和r=0.9260.说明基于荧光反射光谱技术可以实现茶鲜叶叶绿素含量的快速无损检测.     

近红外光谱法在土壤有机质研究中的应用

近红外光谱技术(Near Infrared Reflectance Spectroscopy,NIRS)具有快速、低成本、无损等优点。目前利用NIRS获取土壤信息已成为国内外学者研究的重点,但是在我国利用NIRS对土壤成分进行定量分析才刚刚起步。本文简要介绍了近红外光谱分析的基本原理、模型的建立及评价,详细论述了该技术在预测土壤有机质及其组分方面的应用,并对NIRS在我国土壤有机质定量研究方面的应用前景进行了展望。     

近红外光谱法测定大米中的淀粉含量

用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。     

"以学定教"教学方法在计算机课教学中的应用探索

本文从三个方面阐述“以学定教”:一是以学定标,即以学生的实际水平、实际需求来确定教学目标;二是以学定路,即以学生的学习思路来确定教师的教学思路;三是以学定法,即以学生学会将来离开老师也能自学计算机的方法来确定教师的教法。     

稻米蛋白质含量快速活体测定的定标研究

应用近红外透射光谱技术(NITS),采用偏最小二乘法(PLS)建立重庆地区稻米活体蛋白质含量(PC)定量分析数学模型。结果表明,糙米和精米蛋白质含量预测数学模型的定标标准误偏差(SEC)、交叉检验标准误差(SECV)、定标相关系数(RSQ)和交叉验证相关系数(1-VR)分别为0.252、0.247;0.256、0.278;-0.953、0.946;0.951、0.940;近红外预测值与化学值误差范围分别为-0.61~0.18、-0.39~0.46,相关系数分别为0.984、0.978,均达到极显著相关。利用该模型能够对育种材料的蛋白质含量进行快速非破坏性活体测定,可大大提高育种选择效率。     

利用近红外透射光谱技术测定小麦品质性状的研究

为了研究小麦品质性状的快速测试方法，本试验以2002年来自全国各地的426个小麦品种为材料，利用近红外光谱透射仪(NITS)分析了小麦籽粒水分、蛋白质含量、硬度和面粉的干、湿面筋含量、灰分含量、SDS及Zeleny沉淀值等8项指标，根据定标集样品化学分析数据和吸收光谱建立了定标模型，并获得了较高的预测集决定系数(O．70～O．97)和较低的标准误差(O.05～11．18)。同时，选用了一批有代表性的预测集样品对模型进行了预测，结果表明，近红外光谱技术用于测试小麦品质是可行的，能够用于育种的早代选择。