梨可溶性固形物和酸度的可見-近紅外光譜靜態(tài)和在線檢測研究.pdf

1、我國是水果生產(chǎn)大國,卻是水果出口小國。水果商品化處理程度低是導致我國水果國際市場競爭力弱、出口量小的主要原因之一,提高我國的水果商品化處理水平能有效地增強我國水果的國際市場競爭力,擴大我國水果出口量。水果外觀和內部品質的快速無損檢測是水果商品化處理的重要環(huán)節(jié)。因而,實現(xiàn)水果外觀和內部品質的快速無損檢測是非常重要和必要的。
　　 本研究課題以翠冠梨、水晶梨和貢梨為研究對象,綜合利用可見/近紅外光譜技術、光纖傳感技術以及化學計量學方

2、法開展梨可溶性固形物(SSC)和酸度的靜態(tài)和在線檢測研究,采用不同的建模方法并結合不同的光譜預處理方法建立梨可溶性固形物和酸度的靜態(tài)預測模型和在線預測模型。研究了影響預測模型的各種因素包括光源一檢測器角度、水果傳輸速度以及水果放置方位,并采用不同的特征波長選擇方法對光譜波長變量進行選擇研究。
　　 本文的主要內容和研究結論如下:
　　 (1)對USB4000微型光纖光譜儀的靜態(tài)光譜采集參數(shù)和在線光譜采集參數(shù)進行優(yōu)化研究。

3、對于翠冠梨SSC檢測,USB4000微型光纖光譜儀的最優(yōu)靜態(tài)光譜采集參數(shù)Boxcar點數(shù)和Average次數(shù)分別為6和4,USB4000微型光纖光譜儀的最優(yōu)在線光譜采集參數(shù)Boxcar點數(shù)為6。
　　 (2)研究了光源-檢測器角度、水果傳輸速度以及水果放置方位對梨SSC預測模型性能的影響。光源-檢測器角度對翠冠梨SSC預測模型性能有影響,光源-檢測器角度120°優(yōu)于光源-檢測器角度180°。在三個水果傳輸速度下(0.3 m/s、

4、0.5 m/s、0.7 m/s),隨著水果傳輸速度的增加,翠冠梨SSC的PLS預測模型性能不斷下降,但下降幅度不大。水果放置方位對貢梨SSC預測模型性能有影響。水果放置方位HH和HV優(yōu)于水果放置方位VU和VD,水果放置方位HH與HV以及水果放置方位VU與VD之間則差別不大.(3)在可見/近紅外檢測系統(tǒng)AI里,研究了2009年慈溪與橫港兩果園翠冠梨SSC和pH的靜態(tài)檢測,采用偏最小二乘回歸(PLS)、主成分回歸(PCR)、逐步多元線性回歸

5、(SMLR)以及最小二乘支持向量機(LS-SVM)建模方法結合不同的預處理方法建立單個果園以及兩個果園統(tǒng)一的SSC預測模型,采用PLS方法結合不同的預處理方法建立單個果園以及兩個果園統(tǒng)一的pH預測模型。2009年慈溪、橫港以及兩果園翠冠梨SSC的最優(yōu)靜態(tài)預測模型的相關系數(shù)、RMSEC、RMSEP、RMSECV以及RPD分別為0.971、0.203％、0.328％、0.322％和2.59,0.941、0.289％、0.322％、0.355

6、％和2.58,0.946、0.277％、0.354％、0.347％和2.37.2009年慈溪、橫港以及兩果園翠冠梨pH的最優(yōu)靜態(tài)預測模型的相關系數(shù)、RMSEC、RMSEP、RMSECV以及RPD分別為0.765、0.113、0.112、0.128和1.60,0.885、0.095、0.123、0.117和1.63,0.835、0.105、0.115、0.123和1.65。PLS建模方法優(yōu)于PCR、SMLR以及LS-SVM建模方法。

7、>　　 (4)在可見/近紅外檢測系統(tǒng)AI里,研究了2009年慈溪與橫港兩果園翠冠梨SSC和pH的在線檢測,采用PLS、PCR、SMLR以及LS-SVM建模方法結合不同的預處理方法建立單個果園以及兩個果園統(tǒng)一的SSC預測模型,采用PLS方法結合不同的預處理方法建立單個果園以及兩個果園統(tǒng)一的pH預測模型。2009年慈溪、橫港以及兩果園翠冠梨SSC的最優(yōu)在線預測模型的相關系數(shù)、RMSEC、RMSEP、RMSECV以及RPD分別為0.966、

8、0.222％、0.253％、0.350％和3.36,0.953、0.259％、0.326％、0.344％和2.55,0.923、0.306％、0.331％、0.376％和2.54.2009年慈溪、橫港以及兩果園翠冠梨pH的最優(yōu)在線預測模型的相關系數(shù)、RMSEC、RMSEP、RMSECV以及RPD分別為0.814、0.105、0.127、0.123和1.41,0.881、0.098、0.104、0.117和1.92,0.854、0.102

9、、0.120、0.121和1.58。PLS建模方法優(yōu)于PCR、SMLR以及LS-SVM建模方法。建立了在0.5 m/s水果傳輸速度下基于可見/近紅外光譜技術結合化學計量學方法在線檢測不同果園不同采摘期翠冠梨可溶性固形物和酸度的方法體系和預測模型,提高了可溶性固形物預測模型的精度,為在線檢測翠冠梨內部品質提供了新方法。
　　 (5)在分級生產(chǎn)線上的可見/近紅外檢測系統(tǒng)里,研究了貢梨SSC的在線檢測,并采用PLS方法結合不同的預處理

10、方法建立SSC預測模型.貢梨SSC的最優(yōu)在線預測模型的相關系數(shù)、RMSEC、RMSEP、RMSECV以及RPD分別為0.945、0.285％、0.290％、0.344％和2.86。
　　 (6)提出了一種光譜特征波長選擇的新方法—組合式特征波長選擇方法UVE-GA-PLS,并與其他6種常用的特征波長選擇方法包括(BiPLS、SiPLS、UVE-PLS、GA-PLS、SPA-MLR以及LIVE-SPA-MLR)進行研究比較。對于翠