基于高光譜成像技術(shù)的超聲強(qiáng)化熱風(fēng)干燥紫薯的品質(zhì)檢測(cè)研究.pdf

1、干燥是食品產(chǎn)業(yè)重要的加工及保藏方法。熱風(fēng)干燥是常用的干燥方式，但傳統(tǒng)熱風(fēng)干燥具有時(shí)間長(zhǎng)、品質(zhì)差等缺點(diǎn)，可采用超聲強(qiáng)化等物理加工技術(shù)來(lái)促進(jìn)物料干燥過(guò)程的傳質(zhì)速率，從而實(shí)現(xiàn)快速、高質(zhì)的干燥加工。此外，干燥過(guò)程中的品質(zhì)監(jiān)測(cè)十分重要，但常規(guī)品質(zhì)檢測(cè)方法已無(wú)法滿足現(xiàn)代干燥過(guò)程中快速、無(wú)損、實(shí)時(shí)的檢測(cè)要求。光譜技術(shù)可以檢測(cè)食品的內(nèi)部品質(zhì)特性，但難以獲取食品品質(zhì)信息空間的分布情況，也難以實(shí)現(xiàn)外部結(jié)構(gòu)的有效檢測(cè)。機(jī)器視覺(jué)技術(shù)可以提取出被測(cè)物體的空間信息

2、外部屬性，但是對(duì)于食品的內(nèi)部品質(zhì)卻難以進(jìn)行定量檢測(cè)和分析。高光譜成像技術(shù)作為一種融合了光譜技術(shù)與機(jī)器視覺(jué)技術(shù)的新型無(wú)損檢測(cè)方法，可以同時(shí)獲取食品的光譜信息與空間信息，從而達(dá)到快速預(yù)測(cè)樣品物理特性、內(nèi)部化學(xué)特性以及獲取空間分布信息的效果。高光譜在食品品質(zhì)與安全檢測(cè)方面的應(yīng)用引起越來(lái)越多的關(guān)注，并在食品加工及品質(zhì)檢測(cè)領(lǐng)域中發(fā)揮著重要作用。因此，將高光譜成像技術(shù)應(yīng)用于干燥過(guò)程中，理論上可實(shí)現(xiàn)產(chǎn)品品質(zhì)的快速、準(zhǔn)確、無(wú)損檢測(cè)。
　　本文以紫

3、薯為研究對(duì)象，在探討超聲強(qiáng)化熱風(fēng)干燥特性和品質(zhì)特性的基礎(chǔ)上，研究高光譜成像技術(shù)對(duì)紫薯超聲干燥過(guò)程中水分和可凍結(jié)水的快速精確檢測(cè)，利用高光譜成像技術(shù)對(duì)紫薯超聲干燥過(guò)程中花青素含量變化及空間分布進(jìn)行預(yù)測(cè)及可視化研究，探討不同光譜波段對(duì)紫薯超聲干燥過(guò)程中總黃酮含量預(yù)測(cè)模型的影響，為利用高光譜成像系統(tǒng)實(shí)現(xiàn)紫薯超聲干燥過(guò)程中物料品質(zhì)的快速無(wú)損檢測(cè)提供支持，也為高光譜成像技術(shù)在食品加工品質(zhì)檢測(cè)領(lǐng)域中的應(yīng)用提供參考。研究主要內(nèi)容如下：
　　1.

4、利用接觸式超聲強(qiáng)化熱風(fēng)干燥設(shè)備，研究在不同干燥溫度及不同超聲功率下，紫薯片的干燥特性和品質(zhì)變化規(guī)律。結(jié)果表明：隨著干燥溫度和超聲功率的增加，干燥時(shí)間明顯縮短，干燥速率顯著提高；Weibull分布函數(shù)可實(shí)現(xiàn)對(duì)干燥過(guò)程的有效模擬；水分?jǐn)U散系數(shù)隨干燥溫度和超聲功率的升高而增大；干燥活化能隨著超聲功率的增加而相應(yīng)減少；利用掃描電鏡觀察紫薯的微觀結(jié)構(gòu)，表明提高超聲功率會(huì)導(dǎo)致紫薯組織結(jié)構(gòu)中的微細(xì)孔洞明顯增多并擴(kuò)張；差示掃描量熱儀（DSC）檢測(cè)結(jié)果表

5、明，超聲可提高水的流動(dòng)性并降低玻璃化轉(zhuǎn)變溫度；在相同超聲功率下，隨著干燥溫度升高，總酚和總黃酮含量基本呈現(xiàn)先升高后下降的趨勢(shì)；在較低干燥溫度下，增大超聲功率有利于提高總酚和總黃酮含量，但在較高溫度下，過(guò)高超聲功率則不利于總酚和總黃酮成分的保持；提高超聲功率可降低干燥過(guò)程能耗。將超聲技術(shù)用于熱風(fēng)干燥過(guò)程的強(qiáng)化，可有效提高干燥速率和干燥品質(zhì)。
　　2.利用高光譜成像技術(shù)實(shí)現(xiàn)紫薯干燥過(guò)程中水分含量及可凍結(jié)水含量的快速準(zhǔn)確預(yù)測(cè)。提取高光譜

6、圖像的平均光譜，使用移動(dòng)窗口平滑、多元散射校正（MSC）和SG卷積平滑預(yù)處理方法對(duì)光譜進(jìn)行預(yù)處理，并基于全波段光譜分別建立水分含量和可凍結(jié)水含量的偏最小二乘（PLSR）預(yù)測(cè)模型；應(yīng)用相關(guān)系數(shù)法（RC）提取能表征水分含量和可凍結(jié)水含量的特征波長(zhǎng)，最后分別基于光譜特征波長(zhǎng)建立PLSR、多元線性回歸（MLR）和BP神經(jīng)網(wǎng)絡(luò)（BP-ANN）預(yù)測(cè)模型。結(jié)果表明：MSC光譜預(yù)處理有助于提高PLSR模型精度，RC算法分別提取選擇水分含量的10個(gè)特征波

7、長(zhǎng)和可凍結(jié)水含量的9個(gè)特征波長(zhǎng)。基于特征波長(zhǎng)建立的RC-MLR可有效提高模型精度及簡(jiǎn)化模型，水分和可凍結(jié)水訓(xùn)練集的決定系數(shù)分別為0.9417和0.8708，預(yù)測(cè)集的決定系數(shù)分別為0.9359和0.8592。
　　3.采用高光譜成像技術(shù)檢測(cè)紫薯干燥過(guò)程中花青素含量變化。對(duì)提取的平均光譜進(jìn)行光譜預(yù)處理，建立PLSR和最小二乘支持向量機(jī)（LS-SVM）模型，并選擇了最優(yōu)光譜預(yù)處理方式。運(yùn)用RC算法選擇特征波長(zhǎng)，并基于特征波長(zhǎng)光譜信息建立

8、PLSR、MLR和LS-SVM模型，對(duì)比選擇最優(yōu)模型。最后，應(yīng)用最佳模型對(duì)預(yù)測(cè)集樣本圖像上每個(gè)像素點(diǎn)的花青素含量進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)花青素含量的分布可視化。結(jié)果表明：MSC光譜預(yù)處理方法可提高 PLSR模型和 LS-SVM模型精度，利用 RC算法提取選擇10個(gè)特征波長(zhǎng)，基于特征波長(zhǎng)下建立的RC-MLR模型預(yù)測(cè)精度最好，訓(xùn)練集的決定系數(shù)為0.8679，預(yù)測(cè)集的決定系數(shù)為0.8659，并應(yīng)用RC-MLR模型實(shí)現(xiàn)了干燥過(guò)程中花青素含量分布變化的可視

9、化。
　　4.探討不同光譜波段對(duì)不同超聲功率下干燥過(guò)程中紫薯片總黃酮含量預(yù)測(cè)模型的影響。分別應(yīng)用不同光譜預(yù)處理方法對(duì)全波段（371~1023 nm）原始平均光譜、可見(jiàn)光波段（400~760 nm）原始平均光譜和近紅外波段（760~1023 nm）平均光譜進(jìn)行校正，并分別建立樣本光譜數(shù)據(jù)與檢測(cè)的總黃酮含量之間的PLSR和LS-SVM模型。結(jié)果表明：MSC預(yù)處理后建立的模型預(yù)測(cè)結(jié)果均最好。經(jīng)過(guò)MSC預(yù)處理后，基于可見(jiàn)光波段光譜建立的P