皇冠梨糖度可見-近紅外光譜在線無損檢測若干問題研究.pdf

1、我國水果產(chǎn)量居世界第一，由于受到檢測技術(shù)，商品化處理能力，評判標(biāo)準(zhǔn)等方面的限制，我國鮮食果品的出口量極少，且難以進(jìn)入國際高端市場，這極大地影響了我國果品在國際貿(mào)易中的競爭力和創(chuàng)匯能力。近紅外光譜技術(shù)無損檢測水果，可實現(xiàn)果品在線自動分級，提升我國果品的商品化處理能力，提高果品在國際貿(mào)易中的競爭力，該技術(shù)以即時、無損、方便、準(zhǔn)確率高等特點成為20世紀(jì)90年代以來發(fā)展最迅速的檢測技術(shù)之一，已廣泛應(yīng)用于食品、醫(yī)學(xué)、農(nóng)業(yè)等領(lǐng)域;我國在這方面的起步

2、較晚，但成果突出，目前我們利用近紅外技術(shù)在果品品質(zhì)檢測及其分級方面做了大量的研究。
　　本研究主要是對梨的可溶性固形物(SSC)在線無損檢測中一些關(guān)鍵基礎(chǔ)問題進(jìn)行研究，試驗過程中所有水果樣本均為皇冠梨，綜合利用可見/近紅外光譜技術(shù)、光纖傳感技術(shù)以及化學(xué)計量學(xué)方法展開梨的可溶性固形物在線檢測研究。搭建完成一套在線檢測系統(tǒng)，提出并研究了在線檢測系統(tǒng)穩(wěn)定性的評價指標(biāo);對自動和手動參比光譜采集模式進(jìn)行了對比研究;采用不同的特征波長選擇方法

3、和建模方法并結(jié)合不同的光譜預(yù)處理方法建立了梨的可溶性固形物在線檢測模型;對不同厚度和不同玻璃纖維含量的參比的光學(xué)特性進(jìn)行了研究。
　　本文的主要研究內(nèi)容和研究結(jié)論如下:
　　(1)在線檢測系統(tǒng)穩(wěn)定性評價研究。系統(tǒng)搭建完成以后，如何評價系統(tǒng)是否滿足實驗要求？本研究提出了信噪比(signal to noise ratio，SNR)和光譜面積變化率(Area changerate，ACR)來評價可見/近紅外光譜檢測系統(tǒng)的穩(wěn)定性。光

4、譜檢測系統(tǒng)分別在不同的光源條件下（在聚光燈桶中裝有一片透鏡，LS1，和聚光燈桶中裝有兩片透鏡，LS2）采集標(biāo)準(zhǔn)參比光譜，對兩種條件下的標(biāo)準(zhǔn)參比光譜進(jìn)行信噪比和光譜面積變化率分析，在LS1條件下得到更高的信噪比和更小的光譜面積變化率，并且通過傳統(tǒng)的方法進(jìn)行了驗證。所以用信噪比和光譜面積變化率來評價光譜檢測系統(tǒng)的穩(wěn)定性是可行的，并且可以作為一種在水果樣本進(jìn)行在線光譜采集和理化試驗之前評價該系統(tǒng)能否滿足實驗要求的評價指標(biāo)。
　　(2)參

5、比光譜采集模式對比研究。研究了手動放置參比和自動放置參比兩種模式對模型精度的影響，研究結(jié)果表明自動參比采集模式確實能在一定程度上提高模型的精度;并且在對于是否應(yīng)該根據(jù)實驗環(huán)境的變化及時在實驗過程中進(jìn)行多次參比光譜采集進(jìn)行了研究，證實了在試驗過程中進(jìn)行多次參比光譜采集也是非常必要的。在只進(jìn)行一次參比采集條件下，手動放置和自動放置參比兩種模式下的預(yù)測集建模結(jié)果分別為預(yù)測相關(guān)系數(shù)(rpre)為0.8912，預(yù)測均方根誤差（Root mean

6、square error prediction，RMSEP）為0.379°Brix，和rpre=0.8987，RMSEP=0.359°Brix;在采集多次參比條件下（每隔20個水果采集一次參比），手動放置和自動放置參比兩種模式下的預(yù)測集建模結(jié)果為rpre=0.8948，RMSEP=0.370°Brix，和rpre=0.9097，RMSEP=0.342°Brix。自動采集參比模式建模結(jié)果均優(yōu)于手動采集采集參比模式，所以自動在線采集參比模式

7、不僅能夠提高整個光譜在線采集系統(tǒng)的自動化程度，還可以提高模型精度，對推廣自動參比采集方式在在線檢測系統(tǒng)上的應(yīng)用具有重要的意義。
　　(3)基于特征變量選擇的模型優(yōu)化研究。為了研究選擇最優(yōu)變量在在線檢測模型上的應(yīng)用，基于競爭性自適應(yīng)加權(quán)算法（Competitive adaptive reweighted sampling，CARS）的特征波長選擇方法得到了應(yīng)用。五種不同的建模方法:競爭性自適應(yīng)加權(quán)算法偏最小二乘回歸建模(CARS-P

8、LSR)，逐步多元線性回歸（Stepwise multi linear regression，SMLR），競爭性自適應(yīng)加權(quán)算法多元線性回歸(CARS-MLR)，競爭性自適應(yīng)加權(quán)算法逐步多元線性回歸(CARS-SMLR)和全光譜偏最小二乘回歸建模(Full-PLSR)進(jìn)行了比較研究。CARS算法能有效的選擇特征波長，CARS-PLSR， CARS-MLR，和CARS-SMLR建模方法都能在較少的特征波長條件下得到很好的預(yù)測結(jié)果。在一個有效

9、的特征波長選擇方法下，CARS-SMLR選擇了只占全光譜的2.03％的10個特征波長組合來建模，并且預(yù)測模型的預(yù)測相關(guān)系數(shù)rpre=0.812和預(yù)測均方根誤差RMSEP=0.451°Brix，適合梨的可溶性固形物在線檢測。特征波長選擇方法能夠提高模型的精度并且在很大程度上簡化在線檢測模型。
　　(4)參比光學(xué)特性研究。參比光譜對于樣品吸收光譜具有決定性的作用，如何保證參比光譜的穩(wěn)定性對于研究樣品吸收光譜，以及后續(xù)的光譜處理以及在線

10、檢測模型的建立都具有非常重要的作用，保證參比光譜穩(wěn)定性也是保證整個在線檢測系統(tǒng)穩(wěn)定性的前提。該研究以Teflon作為主要的參比材料，在研究中我們設(shè)計選擇了厚度分別為1cm，2cm，3cm，玻璃纖維含量分別為10％，15％，20％，25％的Teflon板，研究比較在不同厚度條件下和含不同比例的玻璃纖維板在不同的溫度條件下透射光譜的變化規(guī)律，得到了在100w鹵鎢燈光源條件下，1cm厚，玻璃纖維含量為15％的Teflon板是塊狀參比最優(yōu)解決方