

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、獼猴桃的硬度、可溶性固形物含量和干物質(zhì)含量是衡量其口感及風(fēng)味的三個(gè)重要指標(biāo),也是決定其采摘時(shí)間的重要因素,而獼猴桃的采摘時(shí)間直接影響它的貯藏壽命和果品質(zhì)量。獼猴桃在收獲、運(yùn)輸過(guò)程中,由于碰撞、擠壓等因?yàn)闀?huì)造成損傷。損傷的獼猴桃市場(chǎng)價(jià)值低,且在貯藏過(guò)程中會(huì)發(fā)酵、腐爛、霉變,并感染其他正常果實(shí),造成經(jīng)濟(jì)損失。傳統(tǒng)的水果品質(zhì)檢測(cè)方法屬于破壞性檢測(cè),樣品預(yù)處理操作繁瑣,檢測(cè)周期長(zhǎng),主觀性強(qiáng)。所以研究、開(kāi)發(fā)快速無(wú)損檢測(cè)技術(shù)和設(shè)備己成為獼猴桃行業(yè)的
2、迫切需求。本研究利用近紅外光譜技術(shù)和化學(xué)計(jì)量學(xué)方法建立并優(yōu)化獼猴桃硬度、可溶性固形物含量和干物質(zhì)含量的預(yù)測(cè)模型;利用高光譜圖像技術(shù)檢測(cè)獼猴桃的隱藏碰傷。本文的主要研究?jī)?nèi)容和方法如下:
利用標(biāo)準(zhǔn)正態(tài)變量變換(SNV)對(duì)獼猴桃1000-2500nm近紅外光譜進(jìn)行預(yù)處理,在優(yōu)選建模光譜區(qū)間采用正交信號(hào)校正(OSC)或凈分析物預(yù)處理(NAP)降低建模主因子數(shù)兩個(gè)方面簡(jiǎn)化獼猴桃硬度偏最小二乘(PLS)模型。結(jié)果表明,優(yōu)選5189-5
3、370cm-1、4549-4620cm-1、6049-6230cm-1、6999-7730cm-1、6249-6614cm-1等5個(gè)光譜區(qū)間進(jìn)行建模,NAP/PLS模型性能最佳,主因子數(shù)為5,校正集相關(guān)系數(shù)r和均方根誤差RMSECV分別為0.81941和0.70177,預(yù)測(cè)集相關(guān)系數(shù)r和均方根誤差RMSEP分別為0.78067和0.88271。與簡(jiǎn)化前的PLS模型相比,模型不僅更加簡(jiǎn)潔,而且預(yù)測(cè)能力和精度均有所提高。
利用
4、小波濾噪法對(duì)獼猴桃近紅外光譜進(jìn)行預(yù)處理,并用偏最小二乘法(PLS)、區(qū)間偏最小二乘法(iPLS)和聯(lián)合區(qū)間偏最小二乘法(siPLS)分別建立獼猴桃可溶性固形物含量預(yù)測(cè)模型。結(jié)果表明,采用siPLS將光譜劃分為16個(gè)子區(qū)間時(shí),聯(lián)合其中的第9、11、13號(hào)3個(gè)子區(qū)間建立的可溶性固形物含量模型效果最佳,其校正集相關(guān)系數(shù)r和均方根誤差RMSECV分別為0.9414和0.3788。預(yù)測(cè)集相關(guān)系數(shù)r和均方根誤差RMSEP分別為0.9295和0.39
5、04,主因子數(shù)為7。研究表明,用小波濾噪和siPLS所建立的獼猴桃可溶性固形物含量模型不僅能減小建模運(yùn)算時(shí)間,剔除噪聲過(guò)大的譜區(qū),而且其預(yù)測(cè)能力和預(yù)測(cè)精度均有所提高。
利用siPLS快速提取獼猴桃干物質(zhì)含量近紅外光譜的特征區(qū)域,在此基礎(chǔ)上采用遺傳算法(GA)提取獼猴桃干物質(zhì)含量近紅外光譜的特征波長(zhǎng),進(jìn)行獼猴桃干物質(zhì)含量預(yù)測(cè)。結(jié)果表明,基于GA-siPLS建立的模型精度得到提高,且模型得到了很大的簡(jiǎn)化。
探索采
6、用未成熟時(shí)獼猴桃近紅外光譜對(duì)成熟時(shí)(食用期)干物質(zhì)含量進(jìn)行長(zhǎng)期預(yù)測(cè)的可行性。研究建立四個(gè)試驗(yàn)?zāi)P?未成熟獼暝桃的近紅外光譜預(yù)測(cè)未成熟時(shí)的干物質(zhì)含量(UU);未成熟時(shí)的近紅外光譜預(yù)測(cè)成熟時(shí)的干物質(zhì)含量(UR)、成熟時(shí)的近紅外光譜預(yù)測(cè)成熟時(shí)的干物質(zhì)含量(RR)和用不同時(shí)期的近紅外光譜預(yù)測(cè)不同時(shí)期的干物質(zhì)含量(UU&UR&RR)。采用siPLS建立干物質(zhì)含量模型,并進(jìn)行交叉驗(yàn)證。結(jié)果表明,獼猴桃成熟前后干物質(zhì)中有機(jī)化合物發(fā)生了化學(xué)變化造成特征
7、譜區(qū)變化。UR組校正集的相關(guān)系數(shù)r和RMSECV分別為0.9219和0.4717,預(yù)測(cè)集的相關(guān)系數(shù)r和RMSEP為0.9026和0.5313,表明采用未成熟時(shí)獼猴桃近紅外光譜對(duì)成熟時(shí)(食用期)干物質(zhì)含量進(jìn)行長(zhǎng)期預(yù)測(cè)是可行的。
采用高光譜圖像技術(shù)檢測(cè)獼猴桃隱藏?fù)p傷。采集獼猴桃可見(jiàn)/近紅外波段(408-1117nm)的高光譜圖像數(shù)據(jù),通過(guò)對(duì)600-1000nm波段數(shù)據(jù)進(jìn)行主成分分析優(yōu)選出這5個(gè)碰傷特征波長(zhǎng)圖像(以682nm,7
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于紅外光譜技術(shù)的獼猴桃品質(zhì)檢測(cè)研究.pdf
- 近紅外光譜品質(zhì)檢測(cè)方法研究.pdf
- 基于CCD近紅外光譜的蘋(píng)果內(nèi)部品質(zhì)檢測(cè).pdf
- 近紅外光譜檢測(cè)蘋(píng)果品質(zhì)
- 基于近紅外光譜的食用油品質(zhì)檢測(cè)技術(shù)研究.pdf
- 基于近紅外光譜與機(jī)器視覺(jué)技術(shù)的漿果品質(zhì)檢測(cè)研究.pdf
- 近紅外光譜技術(shù)在魚(yú)丸品質(zhì)檢測(cè)中的應(yīng)用研究.pdf
- 基于近紅外光譜和高光譜圖像技術(shù)的配合飼料主要營(yíng)養(yǎng)成分檢測(cè)方法.pdf
- 獼猴桃果汁中酚類(lèi)物質(zhì)分離及基于近紅外光譜的糖和有機(jī)酸快速檢測(cè)技術(shù)研究.pdf
- 基于近紅外光譜技術(shù)馬鈴薯全粉品質(zhì)的檢測(cè)研究.pdf
- 近紅外光譜技術(shù)在醬油品質(zhì)檢測(cè)中的應(yīng)用研究.pdf
- 基于近紅外光譜檢測(cè)番茄內(nèi)部品質(zhì)的研究.pdf
- 草莓品質(zhì)近紅外光譜無(wú)損檢測(cè)技術(shù)研究.pdf
- 蜂蜜品質(zhì)中近紅外光譜檢測(cè)技術(shù)研究.pdf
- 近紅外光譜和電子舌技術(shù)在食醋品質(zhì)檢測(cè)中的應(yīng)用研究.pdf
- 基于高光譜圖像和機(jī)器視覺(jué)技術(shù)的大豆品質(zhì)檢測(cè)研究.pdf
- 辣椒品質(zhì)傅立葉近紅外光譜無(wú)損檢測(cè)研究
- 西瓜品質(zhì)可見(jiàn)-近紅外光譜無(wú)損檢測(cè)技術(shù)研究.pdf
- 近紅外光譜快速檢測(cè)牛奶品質(zhì)的研究.pdf
- 基于近紅外光譜技術(shù)的小麥品質(zhì)分類(lèi)方法研究.pdf
評(píng)論
0/150
提交評(píng)論