基于多光谱漫反射的牛肉品质参数检测方法研究

为了满足生鲜肉品质参数无损检测领域,对轻便式、低成本设备的开发需求,提出一种基于多光谱漫反射技术的生鲜肉品质检测方法。首先根据漫反射近似理论,结合牛肉样品散射系数、吸收系数及折射率等参数,在无线细垂直光束的蒙特卡洛仿真的基础上,对具有一定发散角度LED光源进行了初始化的校正,分别从光源照射位置概率分布、不同角度的照射概率分布、仰角、方向角的概率分布、不同角度光线入射样品时反射引起能量损失及对光子权重的影响,得到在LED光源发散角情况下,不同源探距下的漫反射率与检测深度,确定了光源与检测器之间的最佳距离为15 mm,然后根据此距离,搭建了多光谱漫反射检测平台,检测平台由8组中心波长为470, 535, 575, 610, 650, 720, 780和960 nm的LED光源组成,与所要检测的生鲜牛肉品质参数相对应。同时利用LED光源的发散角,确定了光源到样品表面的垂直距离与每个光源的安装位置,保证光源照射到样品的区域是均匀的。样品的漫射光强经由信号采集与放大电路的处理后传至上位机,并在上位机完成建模与分析。最后为验证该检测系统的性能,以生鲜牛肉新鲜度参数中的颜色(L~*, a~*, b~*)与pH值为指标,利用60个样品进行了试验,分别得到8个光源下的原始光强值与校正后的反射率值,然后将牛肉样品按照3∶1比例分为校正集与预测集,针对原始光强值与反射率值,分别利用多元线性回归(multiple linear regression, MLR),偏最小二乘回归(partial least squares regression, PLSR)与偏最小二乘支持向量机回归(partial least-squares support vector machine, LS-SVM)三种方法,建立各个参数在原始光强与反射率数据两种情况下的预测模型,并得到最佳模型结果。结果表明,利用反射率数据建模结果均好于光强数据结果,其中参数L~*, a~*, b~*的MLR建模结果优于PLSR与LS-SVR,其预测集相关系数分别为0.983 2, 0.907 2及0.935 9,预测集误差分别为1.00, 2.14及0.67。参数pH值的LS-SVR建模结果优于PLSR与MLR,其预测集相关系数为0.942 0,误差为0.19。最后利用未参与试验的20块牛肉样品对模型进行了验证,颜色L~*, a~*, b~*及pH参数的预测值与实测值的相关系数均大于0.85,结果证明,利用多光谱漫反射技术以及所搭建的多光谱漫反射检测系统对生鲜牛肉品质参数检测是可行的,该方法能够为设计便携式或微型化生鲜牛肉品质的无损检测仪器提供参考与依据。

鲜食玉米果穗含水率近红外光谱无损检测影响因素

为了获取鲜食玉米果穗高质量近红外光谱,该研究基于近红外漫反射光谱技术开展试验参数对鲜食玉米果穗光谱特征影响及建模验证探究。根据果穗棒状特征,搭建多维度综合试验装置,采集光源类型、光强大小、探测距离和光源角度共4类不同参数下的900~1700 nm光谱数据,进行卤素灯杯与光纤光源、卤素灯杯功率20与40 W、探测距离10~50 mm和30°、45°及60°卤素灯杯夹角的对比试验,分析光谱差异及曲线分布规律,采用标准差和光谱面积极差指标进行光谱质量评价。进一步开展建模验证试验,针对30°和45°卤素灯杯夹角下的光谱,经多元散射校正(multiplicative scatter correction,MSC)、标准正态变量校正(standard normal variate,SNV)、一阶导数(first derivative,FD)和趋势校正(detrending,DT)预处理后,应用偏最小二乘回归(partial least squares,PLS)和支持向量机(support vector machines SVM)方法建立了含水率预测模型,并对建模性能进行了对比。试验结果表明,卤素灯杯、功率20 W、探测距离40 mm对应所选果穗的光谱响应充分、干扰少,与果穗特征相匹配,曲线采用标准差和光谱面积极差分别为0.83和187.2,综合光谱曲线质量评价和建模性能对比,卤素灯杯夹角45°优于30°。通过SNV预处理后的SVM预测模型具有更好的性能,校正集和预测集决定系数分别为0.943、0.880,均方根误差分别为0.708、0.932,剩余预测偏差为2.956。该研究结果可为基于近红外漫反射光谱技术的鲜食玉米果穗内在品质无损检测提供技术支撑。