基于电子鼻表征霉心病苹果特征气味及无损检测模型建立

为探究电子鼻检测技术对霉心病苹果的判别效果,以富士健康苹果和霉心病苹果为试材,基于SIMCA软件对采集的不同病变程度霉心病苹果的电子鼻信息进行表征,基于SPSS 23.0软件建立霉心病苹果Fisher函数、多层感知器神经网络(muhilayer perceptron neural network, MLPNN)和径向基函数神经网络(radial basis function neural network, RBFNN)判别模型。结果表明,健康果的特征传感器有W5C、W1C和W3C,重度果的特征传感器有W1S、W2S、W1W和W5S;MLPNN模型的判别效果最好,其对训练集和验证集的总体预测判别率分别为88.61%和88.46%;RBFNN模型的判别效果次之,其对训练集和测试集的总体预测判别率分别为93.50%和80.95%;Fisher判别函数判别效果最差,其对训练集和验证集的总体预测判别率分别为91.50%和79.27%。另外,3种判别模型对健康果和重度果都有很好的判别效果,对健康果和轻度果的判别效果不理想,需要在今后的研究中进一步优化。

基于近红外光谱的红提内部品质无损检测研究

红提的可溶性固形物含量(Solube Solids Content,SSC)、总酸(Total Acid,TA)、pH、硬度(Firmness Index,FI)和含水率(Moisture Content,MC)等内部品质指标直接影响着果实的口感及品质,同时也是水果成熟度的评判标准。为快速获得上述内部品质指标,且避免不必要的检测损耗,本文提出了一种新的红提无损检测模型。以生长期红提为研究对象,利用Antaris Ⅱ近红外光谱仪采集了360个样本的近红外光谱信息。对采集到的光谱信息分别用SNV等算法进行预处理并通过建模确定了最优预处理方法。然后通过降维算法提取光谱信息的特征波长,最后基于偏最小二乘回归算法(Partial Least Squares Regression,PLSR)分别建立了红提的SSC、TA、pH、FI和MC的检测模型。红提的SSC、TA的最优检测模型为SG-CARS-SPA-PLSR模型,pH的最优检测模型为MA-CARS-SPA-PLSR模型,FI和MC的最优检测模为SG-CARS-PLSR模型。所建立的红提SSC、TA、pH、FI和MC的最优PLSR模型的预测集的相关系数Rp分别为0.9787、0.9811、0.9870、0.9568、0.9329,残差预测偏差RPD分别为4.8637、4.9006、6.0939、3.4453、2.5825,表明以上模型具有较高的检测精度。本文所建的红提内部品质检测模型可为红提内部品质的检测提供可靠的方法。

可见/近红外漫反射光谱检测马奶葡萄表皮色泽

本研究的目的是建立马奶葡萄果实表皮色泽的可见/近红外漫反射光谱检测数学模型,并评价其应用价值。以明度L*和色度坐标a*、b*为评价指标,讨论应用不同化学计量学建模方法、不同的光谱预处理方法、不同有效波长区间建立定标模型的效果,并用最优模型对未知样品进行预测,以验证模型精度。结果显示,在全光谱范围内,应用偏最小二乘法(PLS)结合二阶导数、去散射的光谱预处理方法的L*值模型效果最好,其交互验证误差SECV、交互验证相关系数R2CV分别为0.4591、0.9476;a*、b*值模型宜采用一阶导数结合加权多元离散校正处理,SECV分别为0.1239、0.4496,R2CV为0.9508、0.8648。实验证明,应用可见/近红外漫反射技术对马奶葡萄果实表皮色泽进行快速无损检测是可行的,L*、a*模型稳健,b*模型精度有待进一步提高。

基于近红外光谱技术的蜂胶总黄酮含量分析

目的:应用可见/近红外光谱技术结合特征波长提取方法研究快速无损测定蜂胶毛胶中主要活性成分总黄酮含量的方法。方法:对112个蜂胶样本进行光谱扫描,并采用紫外分光光度法测得蜂胶总黄酮的化学值。经过平滑、变量标准化、一阶及二阶求导、去趋势等预处理,选择最优预处理方法。采用3种有效波长提取方法:连续投影算法(SPA)、载荷系数法(xLW)和回归系数法(RC),将提取的有效波长作为最小二乘-支持向量机(LS-SVM)、偏最小二乘法(PLS)和多元线性回归(MLR)的输入变量,分别建立了各种线性和非线性模型。结果:以预测集的预测相关系数(Rp),预测标准误差(RMSEP)和相对分析误差(RPD)作为评价指标比较各模型。结果表明,蜂胶毛胶中总黄酮含量预测的最优模型为SPA-PLS模型,Rp=0.954,RMSEP=9.32,RPD=4.02。结论:基于光谱技术和化学计量学方法的检测模型具有较好的检测效果,可作为蜂胶毛胶中有效成分的快速测定新方法。