近紅外光譜分析技術(shù)和電子鼻技術(shù)在蘋果內(nèi)部品質(zhì)檢測中的應(yīng)用研究.pdf

1、我國蘋果產(chǎn)量占世界蘋果總產(chǎn)量的35.8％為世界首位，而出口量卻僅占到世界的5％。出現(xiàn)這種情況的原因之一就是我國的蘋果混等混級現(xiàn)象嚴重，致使我國的蘋果在國際市場上沒有競爭力。因此，要提高我國的蘋果在國際市場的競爭力并提高其出口量，就必須提高我國蘋果的分級水平。目前，國內(nèi)對蘋果的分級大多采用人工而且大多局限于外觀品質(zhì)。但從消費者的角度觀察，消費者更注重的是蘋果的內(nèi)部品質(zhì)。為了滿足消費者對內(nèi)部品質(zhì)的要求并且為蘋果的分級提供更多依據(jù)，本課題研究

2、了近紅外光譜技術(shù)和電子鼻技術(shù)在蘋果內(nèi)部品質(zhì)的檢測中應(yīng)用。本課題主要研究內(nèi)容和結(jié)論如下：
　　 (1)利用偏最小二乘法(PLS)建立了近紅外光譜數(shù)據(jù)對蘋果糖度、酸度和水分含量的預(yù)測模型。其中糖度預(yù)測模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗證均方根誤差(RMSECV)分別為0.9014和0.733，在預(yù)測集的相關(guān)系數(shù)(R)和預(yù)測均方根誤差(RMSEP)分別為0.8975和0.633；水分含量預(yù)測模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗證均方

3、根誤差(RMSECV)分別為0.7151和0.5601，在預(yù)測集的相關(guān)系數(shù)(R)和預(yù)測均方根誤差(RMSEP)分別為0.7265和2.35；酸度預(yù)測模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗證均方根誤差(RMSECV)分別為0.5999和1.2，在預(yù)測集的相關(guān)系數(shù)(R)和預(yù)測均方根誤差(RMSEP)分別為0.593和1.01。結(jié)果表明，利用近紅外光譜數(shù)據(jù)和偏最小二乘法建立的預(yù)測模型對糖度進行預(yù)測能夠得到較好的效果。對水分和酸度的預(yù)測結(jié)果稍差，

4、但水分和酸度與近紅外光譜數(shù)據(jù)之間具有一定的相關(guān)性。
　　 (2)應(yīng)用支持向量機模式識別方法和近紅外光譜數(shù)據(jù)，對不同品種和同一品種不同產(chǎn)地的蘋果進行了識別。對不同品種的回判識別率和預(yù)測識別率均達到100％。對同一品種不同產(chǎn)地的蘋果的回判識別率達到87％預(yù)測識別率達到100％。結(jié)果表明，支持向量機比目前比較流行的模式識別方法具有更高的精度。
　　 (3)利用近紅外光譜數(shù)據(jù)和PLS方法建立了對蘋果儲藏時間的預(yù)測模型。所建模型在

5、訓(xùn)練集的相關(guān)系數(shù)和交互驗證均方根誤差分別為0.8540和4.29在預(yù)測集的相關(guān)系數(shù)和預(yù)測均方根誤差分別為0.8242和4.73。由結(jié)果看出利用近紅外光譜數(shù)據(jù)和PLS方法建立的模型對蘋果儲藏時間進行判斷能夠得到較好的結(jié)果。
　　 (4)應(yīng)用電子鼻技術(shù)對蘋果的新鮮度進行了判斷。試驗中利用蘋果氣體信息和支持向量機模式識別方法建立的識別模型可以將新鮮蘋果與常溫儲藏19天的蘋果完全區(qū)分開。同時還利用建立的識別模型對常溫儲藏19天的蘋果與常