辣椒品質(zhì)傅立葉近紅外光譜無損檢測研究.pdf

1、辣椒的營養(yǎng)成分豐富，尤以維生素C(Vc)含量高居各類蔬菜榜首。辣椒既可鮮食、調(diào)味，也可入藥，具有重要的經(jīng)濟(jì)價(jià)值和食療保健作用。隨著消費(fèi)者對于辣椒的關(guān)注度不斷提高，為辣椒品質(zhì)尋找一種快速無損檢測方法已成為廠家、商家以及消費(fèi)者各方面的共同要求。本研究以鮮辣椒和辣椒粉為研究對象，利用傅立葉變換近紅外光譜分析技術(shù)和化學(xué)計(jì)量學(xué)分析方法，開展鮮辣椒中可溶性固形物(SSC)、維生素C(Vc)的定量檢測；辣椒粉及摻雜物傅立葉變換近紅外(FT-NIR)分

2、類鑒別研究，并在此基礎(chǔ)上建立摻雜物含量快速檢測的傅立葉變換近紅外光譜檢測數(shù)學(xué)模型。主要研究內(nèi)容和結(jié)果如下:
　?、僬撐姆謩e對鮮辣椒的可溶性固形物和維生素C無損檢測光譜預(yù)處理方法、有效波段選擇方法和校正模型建立方法進(jìn)行實(shí)驗(yàn)研究。實(shí)驗(yàn)通過鮮辣椒樣品的漫反射光譜預(yù)處理方法對比分析，得出對SSC,經(jīng)1stD+MSC預(yù)處理后獲得的校正模型較理想；對Vc,經(jīng)SNV預(yù)處理后獲得的校正模型較理想。通過預(yù)處理后光譜進(jìn)行波段選擇方法對比分析，得出對S

3、SC和Vc而言，蒙特卡羅無信息變量消除(MC-UVE)方法均優(yōu)于間隔偏最小二乘法(iPLS)、連續(xù)投影算法(SPA)及遺傳算法(GA)。采用優(yōu)化后光譜為輸入，通過建模方法對比分析，得出對SSC而言，偏最小二乘(PLS)結(jié)合MC-UVE(MC-UVE-PLS)模型的預(yù)測效果優(yōu)于主成分析結(jié)合最小二乘支持向量機(jī)(PC-LS-SVM)和MC-UVE結(jié)合LS-SVM(MC-UVE-LS-SVM)模型,其驗(yàn)證相關(guān)系數(shù)rp為0.987，驗(yàn)證均方根誤差

4、為0.274oBrix；而對Vc，MC-UVE-LS-SVM模型的預(yù)測效果優(yōu)于MC-UVE-PLS和PC-LS-SVM模型,其驗(yàn)證相關(guān)系數(shù)rp為0.911，驗(yàn)證均方根誤差為19.271mg/100g。
　?、谡撐耐ㄟ^對未知樣品的預(yù)測，對優(yōu)化后模型進(jìn)行精度評價(jià)。利用優(yōu)化模型對預(yù)測集的27個(gè)未知樣品進(jìn)行預(yù)測，結(jié)果為：對SSC，其預(yù)測相關(guān)系數(shù)rp為0.971，預(yù)測均方根誤差為0.382oBrix。而對Vc，其預(yù)測相關(guān)系數(shù)rp為0.899

5、，預(yù)測均方根誤差為21.022mg/100g。結(jié)果表明，F(xiàn)T-NIR光譜檢測技術(shù)可用于鮮辣椒可溶性固形物含量(SSC)及維生素C(Vc)的定量分析。
　　③論文探討了不同分類方法在辣椒粉、常見摻雜物及摻雜混合物分類中的應(yīng)用。分別采用判別分析(DA)、簇類獨(dú)立軟模式分類法(SIMCA)、偏最小二乘法判別分析(PLS-DA)對校正集建立判別模型，并對比不同建模波段及不同的光譜預(yù)處理方法對每種定性判別分析方法的判別能力的影響。結(jié)果表明，

6、采用DA、SIMCA及PLS-DA三種分類方法，均可有效的對純辣椒粉與其它三種純摻雜物粉進(jìn)行區(qū)分。然而，在鑒別摻雜后的混合物時(shí)，只有PLS-DA和SIMCA兩種方法比較適合，而DA方法校果不明顯，且PLS-DA的鑒別能力更強(qiáng)，能夠發(fā)現(xiàn)更低的摻雜比例的摻雜混合物，其rc為0.989且只有2個(gè)摻鋸屑混合物被誤判成辣椒類。
　?、苷撐慕⒘藫诫s物含量快速檢測的傅立葉變換近紅外光譜分析定量數(shù)學(xué)模型。以所制混合物的比例值為相應(yīng)的濃度值，建立

7、各種混合物的定量模型。對比不同建模波段、不同的光譜預(yù)處理方法及不同建模方法對定量模型精度的影響。結(jié)果顯示，對摻陳皮辣椒粉中陳皮含量，采用10600～7500cm-1波段光譜通過SNV預(yù)處理，并采用PC-LS-SVM所建立的模型最佳，rp為0.997，RMSEP為0.486％。對摻鋸屑辣椒粉中鋸屑含量，采用全波段光譜通過SNV預(yù)處理，并采用PLS所建立的模型最佳，rp為0.977，RMSEP為0.872%。對摻紅磚辣椒粉中紅磚粉含量，采用