水果內部品質可見-近紅外光譜實時無損檢測關鍵技術研究.pdf

1、近紅外光譜分析技術以其高效、快速、成本低、非破壞和綠色環(huán)保的優(yōu)點廣泛應用在多個研究領域中。國內近紅外光在水果品質檢測的研究在基礎研究方面已經取得了較好的成績，但在實際應用中還是存在一定的差距。我國水果總產量一直居世界前列，而由于水果產后加工和處理水平不高，水果年出口量僅占總產量的3％左右，這與世界水果第一王國的身份極不相稱。國內的水果內部品質近紅外光譜無損檢測裝置的研究還處于初級階段，以水果糖酸度可見/近紅外光譜在線無損檢測中的關鍵技術

2、為研究起點，研究通用型的水果內部品質可見/近紅外光譜檢測方法和裝置，實現(xiàn)快速動態(tài)實時無損檢測水果的內部品質有其重大理論價值和現(xiàn)實意義。 基于目前國內外對厚皮水果內部品質的實時無損檢測還處在實驗室研究階段，現(xiàn)有在線無損實時檢測技術和方法還不成熟且投入商業(yè)化應用較少的現(xiàn)狀，本研究選擇柑橘類水果為研究對象，對柑橘水果的內部品質中最重要的糖度和酸度指標進行實驗分析，設計完成了基于可見/近紅外光譜水果內部品質在線檢測試驗臺裝置，研究了實時

3、在線檢測中存在的一些技術難點，綜合多學科的知識解決一些基于可見/近紅外光水果內部品質在線檢測中的關鍵技術問題，為實現(xiàn)在線檢測提供理論指導和參考依據(jù)。 論文的主要研究內容及結論有： 1)闡述了近紅外光譜檢測技術的理論基礎，以及近紅外光譜檢測中常見的光譜預處理方法和光譜定量分析方法，為水果光譜在線檢測提供一定理論基礎。 2)實驗研究了基于實驗室的光譜信息有效提取方法，包括：光譜不同預處理方法的試驗研究(導數(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優(yōu)選方法研究(相關分析波長優(yōu)選、顯變分析波長優(yōu)選、回歸系數(shù)/光譜參差波長優(yōu)選和遺傳算法波長優(yōu)選方法)；研究基于模型穩(wěn)定性的模型奇異點剔除方法；研究了不同光譜檢測方式(漫反射和漫透射檢測方式)。在荸薺樣品的SSC檢測中，試驗研究表明，采用一階微分光譜預測結果要比不進行微分處理和其它微分處理要好，其建立模型的結果

5、分別為r<'2>=0.9055、RMSEC 0.456和RMSEP=0.491。在獼猴桃樣品的SSC檢測中，對原始光譜進行MSC和SNV處理以后，模型的預測結果有顯著的變化。經過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，不同平滑點數(shù)處理后對荸薺SSC的預測效果是不同的。當平滑點數(shù)為8時

6、預測效果最好，r<'2>、RMSEC和RMSEP分別為：0.8179、0.459和0.498。對溫州蜜橘的SSC檢測中，經過小波濾噪處理后的結果沒有原始光譜下建立的模型的結果好，默認閾值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檢測實驗中，PLS和PCR預測模型的結果區(qū)別較大。PLS模型各個參數(shù)評價指標都要好于PCR預測模型，結果分別為：r=0.8949、RMSEC=0.351和RMSEP=0.409。 3)實驗研究對比了相關分析法、顯變分析法、回歸系數(shù)/參差和遺傳算法的波長優(yōu)選方法，結果表明采用遺傳算法對建模波長進行優(yōu)選能夠有效地提高模型的預測能力。采用遺傳算法在500-950 nm(共901個波長變量)進行變量優(yōu)選，并采用交互驗

8、證法來評價PLS模型的預測能力。遺傳算法的參數(shù)設定：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)選波長的過程中，將采用交互驗證方法得到的預測精度(RMSECV)作為目標函數(shù)。建模的波長個數(shù)減少81.6％，RMSEC雖然增高了一點點，但RMSEP卻降低了0.024。；研究了光譜數(shù)據(jù)奇異點檢測和剔除方法對預測模型結果的影響；研究了不同光譜檢測方式來有效提取光譜信息及對檢測結果影響，比較了漫透射檢測方法和漫反

9、射檢測方法，分析了不同檢測方式的應用環(huán)境，選擇適應于柑橘等厚皮水果在線檢測方式為光譜漫透射檢測方式。在對漫透射和漫反射檢測方式對“華朋”臍橙SSC檢測結果的影響研究實驗中，漫反射檢測方式的預測結果(r<'2>=0.9151，RMSEP=0.325)較次于漫透射檢測方式所得到的預測結果(r<'2>=0.9749，RMSEP=0.282)。 4)實驗研究了不同水果樣品溫度參數(shù)對檢測結果的影響，對于單個溫度下的模型而言，當樣品溫度與室

10、溫接近時，檢測模型要好于遠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在線檢測的影響，實驗應用了三種模型建立和預測方案來實現(xiàn)這一目的，對檢測精度影響的溫度補償模型。全局溫度下的模型穩(wěn)定性和適應性較好，由于建立的模型覆蓋比較廣的溫度范圍，所以預測水果SSC時就不需要對待檢測的水果樣品進行溫度測量，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闖入不可預知的誤差而不正確從而導致預測結果不準確。 5)實驗研究了用三種不

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

12、預測模型試驗中，200-250 cm<'3>模型對其它尺寸水果(150-200 cm<'3>和250-300 cm<'3>)的預測效果要好于其它兩個模型。從三種不同描述方法的SSC模型來看，估測體積尺寸模型的結果最好。綜合整個試驗研究表明水果的尺寸大小對模型的預測結果有影響，如果建模時能保證有每個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，從而減小模型對水果尺寸的敏感性。 6)實驗研究了正立、側躺和任意三種水果

13、放置姿態(tài)對水果SSC檢測結果的影響，雖然不同的水果放置姿態(tài)對檢測的結果有一定的影響，但結果表明：當水果以側躺姿態(tài)進行檢測時SSC的接測結果要好于其它兩種放置姿態(tài)，但是其它放置姿態(tài)下的檢測結果也不是很差。對于在線而言，不可能人為的以某種姿態(tài)放置水果，對于實際生產而言更多的是水果任意姿態(tài)下的檢測，從試驗研究來看，柑橘水果放置姿態(tài)對檢測結果影響不是很大，在線檢測不需考慮水果的放置姿態(tài)的影響。 7)實驗研究了在采用透射方式不同光照強度下

14、對水果SSC檢測結果的影響。從100-500W每隔100W為一個梯度，隨著光照強度的增加，r<'2>有上升的趨勢，RMSEC和RMSEP都有下降的趨勢。在400W光照強度下獲得最好的檢測結果，500W的結果有下降的趨勢。所以夏橙樣品的最佳光照強度為400W，在該強度下獲得最佳的檢測結果：r=0.8582，RMSEC=0.272，RMSEP=0.304，SSC實際值和預測值之間的擬合方程為y=0.7191x+2.7442。 8)設

15、計了評價各種實時光譜預處理的效果指數(shù)：F=α·r<'2>+β(RMSEP·e<'|RMSEC-RMSEP|>)/t，考慮光譜預處理方法和積分時間選取是否合理對在水果內部品質檢測中預測模型精度和準確性的影響，為選擇合適的實時光譜預處理方法提供可靠的參考。實驗驗證幾種光譜預處理方法及他們之間的組合方法的對在線檢測中的效果評價，當光譜預處理方法采用一階微分處理時所得到的效果指數(shù)值最大為0.6369，此時積分時間為0.05 s，r=0.9883

16、、RMSEC=0.174、RMSEP=0.92。 9)建立了基于水果可見/近紅外光特性的內部品質SSC和酸度在線無損檢測硬件系統(tǒng)，可以實現(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，光譜儀通過光纖探頭能準確、實時、有效地獲取來自檢測對象內部的透射光譜信息，經過計算機對透射光譜信息的計算處理完成被測水果樣品SSC品質指標的預測，實現(xiàn)水果內部品質(SSC、酸度)的在線無損檢測。 10)研究開發(fā)了水果內部品質實時在