水果品質檢測中的近紅外光譜數(shù)據(jù)處理分析.pdf

1、近年來，隨著以色列創(chuàng)業(yè)公司Consumer Physics開發(fā)出了微型光譜儀Scio,大小如日常使用的U盤，與手機的藍牙相連后僅需一掃就可查詢被測物質的成分，這無疑表明光譜檢測技術在食品安全檢測問題上展現(xiàn)出的極大潛力。水果高品質的主要標準就在于農藥殘留是否超標，以及糖度是否合適。本文重點研究基于近紅外光譜的蘋果糖度、農藥殘留以及品種識別的無損實時檢測。
　　論文的主要工作包括：通過MATLAB對采集到的近紅外光譜數(shù)據(jù)進行分析和預處

2、理，研究糖度、農殘和品種三種品質的光譜特性，然后構建此三個參數(shù)的預測模型，實現(xiàn)光譜采集及品質參數(shù)提取。通過比較，研究直接差分、S-G一二階導數(shù)、多元散射校正、小波變換等預處理方法，以及偏最小二乘法、主成分分析法的模型的構建方法與相應的特征波長選取方法，提出“基于主成分分析的投影判別法”在特征波長選取上的應用。實驗表明，通過比較全波段光譜建模與特征波長光譜建模的效果，證明利用主成分得分值進行投影對于特征波長選取有較明顯的效果。利用PLS-

3、DA算法建模，對蘋果、柑橘的品種進行識別分析，實驗表明識別率達到100％。最終，提出云計算快速處理與實時分析方案，設計處理與分析的軟件程序，實現(xiàn)對水果品質光譜信息的實時分析和模型優(yōu)化。在檢測過程中所獲得的原始近紅外光譜數(shù)據(jù)進入實時分析與服務系統(tǒng)，再自動調用MATLAB光譜預處理算法對原始光譜數(shù)據(jù)進行預處理，隨后匹配近紅外光譜校正模型，完成水果品質參數(shù)的預測。利用此系統(tǒng)，用戶可快速得到水果各成分含量的數(shù)據(jù)信息，也可在數(shù)據(jù)庫中存儲與查詢匹配