库尔勒香梨感官及理化指标的定量无损检测

目的利用高光谱成像技术建立库尔勒香梨分级指标的快速检测方法。方法选择采摘期香梨作为研究样本,以颜色(a^(*))、硬度(带皮硬度,hardness)和可溶性固形物(soluble solids content,SSC)为研究指标,使用高光谱成像系统采集样本900~1700 nm范围波长的漫反射光谱。提取样本感兴趣区域(region of interest,ROI)的光谱并对其进行预处理,采用多元散射校正(muliplication scattering correction,MSC)、标准正态变量变换(standard normal variable transformation,SNV)及其分别与卷积平滑滤波法(savitzky-golay,S-G)相结合的组合处理方法。基于不同的预处理结果建立偏最小二乘回归(partial least squares regression,PLSR)预测模型,以验证集相关系数(Rv)和均方根误差(RMSEv)对模型进行评价。为进一步优化模型,采用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)筛选特征波长,并建立PLSR模型和最小二乘支持向量机(least square-support vector machine,LS-SVM)模型对比建模效果。结果MSC-SG多光谱数据的预处理效果最好。使用CARS筛选的特征波段建立的LS-SVM模型效果最佳,香梨a^(*)、硬度和SSC的模型预测值与标准理化值的相关系数分别为0.873、0.908和0.916,均方根误差分别为0.375、0.385 kg/mm^(2)和0.346%。结论利用高光谱成像技术可以实现库尔勒香梨多品质参数的无损检测。

水果无损检测技术的应用现状

中国是水果生产大国,在世界水果市场上所占比重日益提升。为了进一步提高竞争力和贸易利润,用于把控贸易水果品质的无损检测技术,其存在价值越来越高,发展程度越来越受重视。无损检测技术可以在不损伤被测对象的情况下,利用被测对象缺陷的相关物理性质对其进行检测。本文针对目前比较常见的几种水果无损检测技术,阐述其技术原理,对它们国内外新的研究现状进行叙述,同时对水果无损检测技术进行优缺点总结,让相关科研学者把握水果品质评价中无损检测技术的应用情况,并且为之后的研究提供参考。