水果內(nèi)部品質(zhì)可見(jiàn)-近紅外光譜實(shí)時(shí)無(wú)損檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、近紅外光譜分析技術(shù)以其高效、快速、成本低、非破壞和綠色環(huán)保的優(yōu)點(diǎn)廣泛應(yīng)用在多個(gè)研究領(lǐng)域中。國(guó)內(nèi)近紅外光在水果品質(zhì)檢測(cè)的研究在基礎(chǔ)研究方面已經(jīng)取得了較好的成績(jī)，但在實(shí)際應(yīng)用中還是存在一定的差距。我國(guó)水果總產(chǎn)量一直居世界前列，而由于水果產(chǎn)后加工和處理水平不高，水果年出口量?jī)H占總產(chǎn)量的3％左右，這與世界水果第一王國(guó)的身份極不相稱。國(guó)內(nèi)的水果內(nèi)部品質(zhì)近紅外光譜無(wú)損檢測(cè)裝置的研究還處于初級(jí)階段，以水果糖酸度可見(jiàn)/近紅外光譜在線無(wú)損檢測(cè)中的關(guān)鍵技術(shù)

2、為研究起點(diǎn)，研究通用型的水果內(nèi)部品質(zhì)可見(jiàn)/近紅外光譜檢測(cè)方法和裝置，實(shí)現(xiàn)快速動(dòng)態(tài)實(shí)時(shí)無(wú)損檢測(cè)水果的內(nèi)部品質(zhì)有其重大理論價(jià)值和現(xiàn)實(shí)意義。 基于目前國(guó)內(nèi)外對(duì)厚皮水果內(nèi)部品質(zhì)的實(shí)時(shí)無(wú)損檢測(cè)還處在實(shí)驗(yàn)室研究階段，現(xiàn)有在線無(wú)損實(shí)時(shí)檢測(cè)技術(shù)和方法還不成熟且投入商業(yè)化應(yīng)用較少的現(xiàn)狀，本研究選擇柑橘類水果為研究對(duì)象，對(duì)柑橘水果的內(nèi)部品質(zhì)中最重要的糖度和酸度指標(biāo)進(jìn)行實(shí)驗(yàn)分析，設(shè)計(jì)完成了基于可見(jiàn)/近紅外光譜水果內(nèi)部品質(zhì)在線檢測(cè)試驗(yàn)臺(tái)裝置，研究了實(shí)時(shí)

3、在線檢測(cè)中存在的一些技術(shù)難點(diǎn)，綜合多學(xué)科的知識(shí)解決一些基于可見(jiàn)/近紅外光水果內(nèi)部品質(zhì)在線檢測(cè)中的關(guān)鍵技術(shù)問(wèn)題，為實(shí)現(xiàn)在線檢測(cè)提供理論指導(dǎo)和參考依據(jù)。 論文的主要研究?jī)?nèi)容及結(jié)論有： 1)闡述了近紅外光譜檢測(cè)技術(shù)的理論基礎(chǔ)，以及近紅外光譜檢測(cè)中常見(jiàn)的光譜預(yù)處理方法和光譜定量分析方法，為水果光譜在線檢測(cè)提供一定理論基礎(chǔ)。 2)實(shí)驗(yàn)研究了基于實(shí)驗(yàn)室的光譜信息有效提取方法，包括：光譜不同預(yù)處理方法的試驗(yàn)研究(導(dǎo)數(shù)方法、MS

4、C和SNV、Savitzky-Golay平滑濾波和小波濾波)；不同建模方法的研究(MLR、PCR和PLS等)；多變量校正模型的波長(zhǎng)優(yōu)選方法研究(相關(guān)分析波長(zhǎng)優(yōu)選、顯變分析波長(zhǎng)優(yōu)選、回歸系數(shù)/光譜參差波長(zhǎng)優(yōu)選和遺傳算法波長(zhǎng)優(yōu)選方法)；研究基于模型穩(wěn)定性的模型奇異點(diǎn)剔除方法；研究了不同光譜檢測(cè)方式(漫反射和漫透射檢測(cè)方式)。在荸薺樣品的SSC檢測(cè)中，試驗(yàn)研究表明，采用一階微分光譜預(yù)測(cè)結(jié)果要比不進(jìn)行微分處理和其它微分處理要好，其建立模型的結(jié)果

5、分別為r<'2>=0.9055、RMSEC 0.456和RMSEP=0.491。在獼猴桃樣品的SSC檢測(cè)中，對(duì)原始光譜進(jìn)行MSC和SNV處理以后，模型的預(yù)測(cè)結(jié)果有顯著的變化。經(jīng)過(guò)SNV光譜處理后建立的模型要比未處理和MSC處理后建模的結(jié)果要好，其r<'2>、RMSEC和RSMEP分別只有0.9712、0.316和0.427。采用Savitzky-Golay光譜平滑方法時(shí)，不同平滑點(diǎn)數(shù)處理后對(duì)荸薺SSC的預(yù)測(cè)效果是不同的。當(dāng)平滑點(diǎn)數(shù)為8時(shí)

6、預(yù)測(cè)效果最好，r<'2>、RMSEC和RMSEP分別為：0.8179、0.459和0.498。對(duì)溫州蜜橘的SSC檢測(cè)中，經(jīng)過(guò)小波濾噪處理后的結(jié)果沒(méi)有原始光譜下建立的模型的結(jié)果好，默認(rèn)閾值WT下模型的r、RMSEC和EMSEP分別為0.847、0.511和0.587；選定閾值WT下模型的r、RMSEC和RMSEP分別為0.892、0.499和0.506；未經(jīng)WT濾波下模型的r、RMSEC和RMSEP分別為0.908、0.404和0.431

7、。在福建早桔SSC檢測(cè)實(shí)驗(yàn)中，PLS和PCR預(yù)測(cè)模型的結(jié)果區(qū)別較大。PLS模型各個(gè)參數(shù)評(píng)價(jià)指標(biāo)都要好于PCR預(yù)測(cè)模型，結(jié)果分別為：r=0.8949、RMSEC=0.351和RMSEP=0.409。 3)實(shí)驗(yàn)研究對(duì)比了相關(guān)分析法、顯變分析法、回歸系數(shù)/參差和遺傳算法的波長(zhǎng)優(yōu)選方法，結(jié)果表明采用遺傳算法對(duì)建模波長(zhǎng)進(jìn)行優(yōu)選能夠有效地提高模型的預(yù)測(cè)能力。采用遺傳算法在500-950 nm(共901個(gè)波長(zhǎng)變量)進(jìn)行變量?jī)?yōu)選，并采用交互驗(yàn)

8、證法來(lái)評(píng)價(jià)PLS模型的預(yù)測(cè)能力。遺傳算法的參數(shù)設(shè)定：初始群體40，最大繁殖代數(shù)200，交叉概率0.6，變異概率0.05。遺傳算法優(yōu)選波長(zhǎng)的過(guò)程中，將采用交互驗(yàn)證方法得到的預(yù)測(cè)精度(RMSECV)作為目標(biāo)函數(shù)。建模的波長(zhǎng)個(gè)數(shù)減少81.6％，RMSEC雖然增高了一點(diǎn)點(diǎn)，但RMSEP卻降低了0.024。；研究了光譜數(shù)據(jù)奇異點(diǎn)檢測(cè)和剔除方法對(duì)預(yù)測(cè)模型結(jié)果的影響；研究了不同光譜檢測(cè)方式來(lái)有效提取光譜信息及對(duì)檢測(cè)結(jié)果影響，比較了漫透射檢測(cè)方法和漫反

9、射檢測(cè)方法，分析了不同檢測(cè)方式的應(yīng)用環(huán)境，選擇適應(yīng)于柑橘等厚皮水果在線檢測(cè)方式為光譜漫透射檢測(cè)方式。在對(duì)漫透射和漫反射檢測(cè)方式對(duì)“華朋”臍橙SSC檢測(cè)結(jié)果的影響研究實(shí)驗(yàn)中，漫反射檢測(cè)方式的預(yù)測(cè)結(jié)果(r<'2>=0.9151，RMSEP=0.325)較次于漫透射檢測(cè)方式所得到的預(yù)測(cè)結(jié)果(r<'2>=0.9749，RMSEP=0.282)。 4)實(shí)驗(yàn)研究了不同水果樣品溫度參數(shù)對(duì)檢測(cè)結(jié)果的影響，對(duì)于單個(gè)溫度下的模型而言，當(dāng)樣品溫度與室

10、溫接近時(shí)，檢測(cè)模型要好于遠(yuǎn)離室溫下建立的模型，為了消除或減小水果樣品溫度差異對(duì)在線檢測(cè)的影響，實(shí)驗(yàn)應(yīng)用了三種模型建立和預(yù)測(cè)方案來(lái)實(shí)現(xiàn)這一目的，對(duì)檢測(cè)精度影響的溫度補(bǔ)償模型。全局溫度下的模型穩(wěn)定性和適應(yīng)性較好，由于建立的模型覆蓋比較廣的溫度范圍，所以預(yù)測(cè)水果SSC時(shí)就不需要對(duì)待檢測(cè)的水果樣品進(jìn)行溫度測(cè)量，也不需要重新建立新模型，此外基本可排除建立的模型由于會(huì)闖入不可預(yù)知的誤差而不正確從而導(dǎo)致預(yù)測(cè)結(jié)果不準(zhǔn)確。 5)實(shí)驗(yàn)研究了用三種不

11、同尺寸描述方法建立了SSC預(yù)測(cè)模型(橫徑尺寸模型、縱徑尺寸模型和估測(cè)體積尺寸模型)，其中每種模型下又根據(jù)水果尺寸的大小分為三個(gè)模型。在基于橫徑尺寸的SSC預(yù)測(cè)模型試驗(yàn)中，71-80 mm模型對(duì)其它尺寸水果(60-70 mm和81-90 mm)的預(yù)測(cè)效果要好于其它兩個(gè)模型。在基于縱徑尺寸的SSC預(yù)測(cè)模型試驗(yàn)中，71-80 mm模型對(duì)其它尺寸水果(50-70 rnm和81-96 mm)的預(yù)測(cè)效果要好于其它兩個(gè)模型。在基于估測(cè)體積尺寸的SSC

12、預(yù)測(cè)模型試驗(yàn)中，200-250 cm<'3>模型對(duì)其它尺寸水果(150-200 cm<'3>和250-300 cm<'3>)的預(yù)測(cè)效果要好于其它兩個(gè)模型。從三種不同描述方法的SSC模型來(lái)看，估測(cè)體積尺寸模型的結(jié)果最好。綜合整個(gè)試驗(yàn)研究表明水果的尺寸大小對(duì)模型的預(yù)測(cè)結(jié)果有影響，如果建模時(shí)能保證有每個(gè)尺寸梯度下的大量樣品參與建模，就可以有效的提高模型的穩(wěn)健性，從而減小模型對(duì)水果尺寸的敏感性。 6)實(shí)驗(yàn)研究了正立、側(cè)躺和任意三種水果

13、放置姿態(tài)對(duì)水果SSC檢測(cè)結(jié)果的影響，雖然不同的水果放置姿態(tài)對(duì)檢測(cè)的結(jié)果有一定的影響，但結(jié)果表明：當(dāng)水果以側(cè)躺姿態(tài)進(jìn)行檢測(cè)時(shí)SSC的接測(cè)結(jié)果要好于其它兩種放置姿態(tài)，但是其它放置姿態(tài)下的檢測(cè)結(jié)果也不是很差。對(duì)于在線而言，不可能人為的以某種姿態(tài)放置水果，對(duì)于實(shí)際生產(chǎn)而言更多的是水果任意姿態(tài)下的檢測(cè)，從試驗(yàn)研究來(lái)看，柑橘水果放置姿態(tài)對(duì)檢測(cè)結(jié)果影響不是很大，在線檢測(cè)不需考慮水果的放置姿態(tài)的影響。 7)實(shí)驗(yàn)研究了在采用透射方式不同光照強(qiáng)度下

14、對(duì)水果SSC檢測(cè)結(jié)果的影響。從100-500W每隔100W為一個(gè)梯度，隨著光照強(qiáng)度的增加，r<'2>有上升的趨勢(shì)，RMSEC和RMSEP都有下降的趨勢(shì)。在400W光照強(qiáng)度下獲得最好的檢測(cè)結(jié)果，500W的結(jié)果有下降的趨勢(shì)。所以夏橙樣品的最佳光照強(qiáng)度為400W，在該強(qiáng)度下獲得最佳的檢測(cè)結(jié)果：r=0.8582，RMSEC=0.272，RMSEP=0.304，SSC實(shí)際值和預(yù)測(cè)值之間的擬合方程為y=0.7191x+2.7442。 8)設(shè)

15、計(jì)了評(píng)價(jià)各種實(shí)時(shí)光譜預(yù)處理的效果指數(shù)：F=α·r<'2>+β(RMSEP·e<'|RMSEC-RMSEP|>)/t，考慮光譜預(yù)處理方法和積分時(shí)間選取是否合理對(duì)在水果內(nèi)部品質(zhì)檢測(cè)中預(yù)測(cè)模型精度和準(zhǔn)確性的影響，為選擇合適的實(shí)時(shí)光譜預(yù)處理方法提供可靠的參考。實(shí)驗(yàn)驗(yàn)證幾種光譜預(yù)處理方法及他們之間的組合方法的對(duì)在線檢測(cè)中的效果評(píng)價(jià)，當(dāng)光譜預(yù)處理方法采用一階微分處理時(shí)所得到的效果指數(shù)值最大為0.6369，此時(shí)積分時(shí)間為0.05 s，r=0.9883

16、、RMSEC=0.174、RMSEP=0.92。 9)建立了基于水果可見(jiàn)/近紅外光特性的內(nèi)部品質(zhì)SSC和酸度在線無(wú)損檢測(cè)硬件系統(tǒng)，可以實(shí)現(xiàn)水果以一定速度范圍的輸送、使光照箱的光有效照射水果表面，光譜儀通過(guò)光纖探頭能準(zhǔn)確、實(shí)時(shí)、有效地獲取來(lái)自檢測(cè)對(duì)象內(nèi)部的透射光譜信息，經(jīng)過(guò)計(jì)算機(jī)對(duì)透射光譜信息的計(jì)算處理完成被測(cè)水果樣品SSC品質(zhì)指標(biāo)的預(yù)測(cè)，實(shí)現(xiàn)水果內(nèi)部品質(zhì)(SSC、酸度)的在線無(wú)損檢測(cè)。 10)研究開(kāi)發(fā)了水果內(nèi)部品質(zhì)實(shí)時(shí)在