基于高光谱成像技术的涌泉蜜桔糖度最优检测位置

本文旨在探索涌泉蜜桔糖度的最优检测位置和最佳预测模型,以便为蜜桔糖度检测分级提供理论依据。本文利用波长为390.2~981.3 nm的高光谱成像系统对涌泉蜜桔糖度最佳检测位置进行研究,将涌泉蜜桔的花萼、果茎、赤道和全局的光谱信息与其对应部位的糖度结合,建立其预测模型。使用标准正态变量变换(SNV)、多元散射校正(MSC)、基线校准(Baseline)和SG平滑(Savitzkv-Golay)4种预处理方法对不同部位的原始光谱进行预处理,用预处理后的光谱数据建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LSSVM)模型。找出蜜桔不同部位的最佳预处理方式,对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法(CARS)和无信息变量消除法(UVE)进行特征波长筛选。最后,用筛选后的光谱数据建立PLSR和LSSVM模型并进行分析比较。研究结果表明,全局的MSC-CARS-LSSVM模型预测效果最佳,其预测集相关系数Rp=0.955,均方根误差RMSEP=0.395,其次是蜜桔赤道部位的SNV-PLSR模型,其预测集相关系数Rp=0.936,均方根误差RMSEP=0.37。两者预测集相关系数相近,因此可将赤道位置作为蜜桔糖度的最优检测位置。本研究表明根据蜜桔不同部位建立的糖度预测模型的预测效果有所差异,研究最优检测位置和最佳预测模型可以为蜜桔进行糖度检测分级提供理论依据。

枇杷糖度无损检测及可视化研究

糖度是评价枇杷内部品质的重要指标。采集枇杷高光谱图像并提取不同感兴趣区域的平均光谱,分析光谱提取区域对枇杷糖度预测精度的影响规律。使用标准正态变换对原始光谱作预处理,分别利用竞争性自适应重加权算法和连续投影算法(Successive Projection Algorithm, SPA)筛选特征光谱,为枇杷糖度建立多元线性回归(Multi Linear Regression, MLR)预测模型。最后采用伪彩色技术实现枇杷糖度含量分布的可视化。结果表明:以整个样本为感兴趣区域,经连续投影算法筛选特征光谱建立的多元线性回归模型具有最好的预测性能(决定系数R_(p)^(2)=0.822,均方根误差RMSE_(p)=0.435,剩余预测偏差RPD=2.407),基于SPA-MLR模型计算枇杷每个像素点的糖度,生成可视化分布图。表明采用高光谱成像技术可实现枇杷糖度的快速无损检测及可视化研究。

基于可见/近红外光谱的水蜜桃糖度无损检测方法优化研究

糖度是水蜜桃最重要的品质指标之一。水蜜桃糖度无损检测方法主要借助可见/近红外光技术来实现,但该技术受到的制约因素较多。本文综合探究分析各类条件下近红外光谱技术在水蜜桃糖度无损检测中的应用,分析比较不同品种组合建模与测量方式,以提高水蜜桃糖度无损检测的精确性。研究以浙江宁波奉化本地的3个品种水蜜桃样本为研究对象,获取水蜜桃光谱数据进行建模分析。首先利用可自行建模的H-100型无损糖度检测仪进行实验,分析结果表明,不同品种构建的近红外光谱模型的均方根误差(RMSE)和决定系数(R^(2))不同,其中新玉模型的结果最佳,RMSE为0.22,R^(2)为0.98;各类品种建立的模型对各自品种的数据分析结果最佳,而对其他品种数据的分析结果较差;数据种类越多,数据量越大,模型越优秀,3种品种混合模型的R^(2)高达0.92。其次,采集奉化本地3个品种的水蜜桃样品,使用久保田K-SS300、ATAGO PAL-HIKARi 10及H100(自建模型)3款无损设备分别进行同部位检测,并将检测值与ATAGO PAL-1的有损检测值进行相关性分析。结果显示,对于每个品种,H100设备均具有最高的准确性。采集奉化本地的混合品种水蜜桃进行不同深度的糖度检测,结果表明,H100设备获取的糖度值能更好地反映水蜜桃整体的糖度水平,而久保田和ATAGO只能反映水蜜桃外部区域的糖度水平,无法表征水蜜桃整体的糖度水平。最后,本文还探究了两个水蜜桃品种在不同硬度条件下对H100设备检测结果的影响,结果表明,水蜜桃硬度的下降会较大地影响水蜜桃糖度的无损检测。因此,利用H100型无损检测仪结合有效的模型能较好地规避近红外光谱技术受到制约因素的影响,同时为无损检测水蜜桃糖度提供一定的参考。

基于智能手机的苹果糖度无损检测装置的研制

为解决传统苹果糖度、酸度判定方法多为破坏性检测从而影响销售和食用的问题,本研究从无损检测方面入手,依据近红外光谱定量原理,以红富士苹果作为研究对象,苹果糖度作为检测指标,光电技术为依托,研究设计了基于国产智能手机的实时、快速、低功耗、低成本的苹果糖度无损检测系统。该检测系统具有高效、快捷、无损等特点,在苹果糖度检测方面就有很高的实用价值。

基于可见/近红外光谱的柑橘糖度在线检测分选系统的设计与试验

在6GF-4型林果无损检测与分选成套设备中,设计了基于可见/近红外光谱的柑橘糖度在线检测分选系统,系统主要包括传输装置、光谱采集装置、控制系统以及分选装置。系统在柑橘果实运动状态中采集其光谱信息,并通过所建立的果实糖度模型进行同步计算,根据所得糖度值对柑橘果实实现在线分选。在光谱采集装置中设计了双透镜式光路,可改变投射于柑橘果实上的光斑大小,通过研究比较试验参数积分时间和光斑尺寸大小,得出系统的最佳采集参数为积分时间100 ms,光斑尺寸设置为小,样本移动速率为5个/s。建立的SPXY-CARS-PLSR柑橘糖度在线检测模型校准集和预测集的决定系数分别为0.938和0.836,校准集和预测集的均方根误差分别为0.273°Brix和0.418°Brix。使用未参与建模的25个柑橘果实样本进行外部验证集的在线检测和分选,结果在1°Brix的误差范围内,检测糖度的准确率为92%;当样本分为4个等级时,系统分选正确率为92%;当样本分为3个等级时,系统分选正确率可达100%。

基于SiPLS-CARS算法的百香果糖度无损检测

为建立一种无损快速检测百香果糖度的技术,以百香果为研究对象,利用近红外光谱技术,并结合联合区间偏最小二乘算法和竞争适应重加权采样算法对近红外光谱进行特征波长筛选,采用偏最小二乘法和支持向量机方法建立百香果糖度预测模型。结果表明:采用多元线性回归方法建立的模型优于多元非线性回归方法建立的模型,联合区间偏最小二乘算法和竞争适应重加权采样算法筛选出的特征波长点数为67个,占全光谱的2.90%,预测模型的相关系数R2c为0.9727,校正集预测均方根误差(root mean square error of calibration,RMSEC)值为0.3338,验证集的相关系数R2p为0.9672,验证集预测均方根误差(root mean square error of prediction,RMSEP)值为0.3660,模型相对分析误差(relative prediction deviation,RPD)为4.5066。研究结果能够实现百香果糖度的无损快速检测,并且可以将百香果糖度无损检测便携检设备中的模型进行简化。

近红外光谱检测柑橘糖度光照角度可调装置设计与试验

目的:解决近红外光谱检测水果糖度固定光照角度获得光谱信息不够全面等问题。方法:基于光源远程运动中心简化模型,设计了一种漫透射近红外光谱检测柑橘糖度的光照角度可调装置,并对该装置进行了结构性能分析,开展了不同光照角度的柑橘糖度光谱检测试验。结果:该装置光照角度的调节范围可设置为0°~60°;60°时4个光源光斑中心与靶心位移偏差最小为7.5 mm;不同光照角度下2、3、4号光源光照角度平均值与1号光源基准值的误差在1°以下;光照角度30°时,原始透射率光谱数据所建的柑橘糖度预测模型效果最佳,预测集、校正集的相关系数和均方根误差分别为0.8876,0.8975和0.4560,0.4309°Brix。结论:所研制的近红外光谱检测装置能够实现自动同步调节4个光源对准水果中心的光照角度。

高糖度番茄无土限根栽培技术

随着人们生活水平的提高,消费市场对高品质番茄的需求量也越来越大,口感好、风味佳、营养丰富,已成为番茄生产的一个重要发展方向。现将南方地区高糖度番茄无土限根栽培技术介绍如下:一、品种选择及茬口安排宜选择大小适中、风味浓郁、酸甜适口、适宜鲜食的番茄品种。在南方地区,选用抗病毒病品种尤为重要。如果既定品种不具备抗性,则应尽量避开高温天气,可在一定程度上减少病毒病的发生。

基于水果无损糖度检测结果的分拣技术研究

【目的】为了解决传统水果糖度检测装置体积庞大、造价昂贵、不易推广、检测过程中需要破坏样品等问题。【方法】课题组设计了一款基于安卓手机进行苹果无损糖度检测并结合柔性分拣技术进行苹果多级分拣的系统,分析了该系统的创新点及软硬件设计,并选取80个无外部机械损伤和缺陷的红富士苹果进行了系统调试与试验,通过手机对每个苹果拍摄4次照片,在手机App中将光谱信息转化为数字信号,再进行模型分析和处理,最终将测量糖度数值显示在手机App上。【结果】经过多次测量,该系统检测误差为0.64%~8.37%,精度较高,能够较好地与模型拟合。【结论】(1)该系统能够很好地实现苹果糖度无损检测,并且通过糖度和大小两项指标对苹果进行多级柔性分拣可以提高苹果质量,收获口碑,提高区域知名度,以点带面,带动地方经济发展,推动乡村振兴;(2)目前试验中所采用的水果均为无外部机械损伤和缺陷、无病害的苹果、梨等薄皮水果,针对内部有损害或表面有破损的苹果或其他类型水果的糖度检测模型还需要进一步研究。

小西瓜糖度表征与漫反射近红外检测方法的研究

研究小西瓜内部糖度分布规律的基础上提出了采用平均糖度、最高糖度和最低糖度表征小西瓜糖度的新方法。并采用便携式漫反射近红外分析仪,建立了快速测定小西瓜平均糖度,最高糖度和最低糖度近红外检测方法。最后将近红外检测方法与参考方法精度作了对比,结果表明漫反射近红外测量小西瓜糖度具有可行性。

酒精度对糖度测定的影响及其应用

在酿酒工业中 ,酒精度和糖度是两个重要的指标 ,糖度常用锤度计测比重或用糖度计测折光率来测定。观察表明 ,在有酒精存在的条件下 ,这两种方法测得的糖度均有一定的误差 。

不同光学方法测量蔗糖溶液糖度的误差分析

食品加工领域监测饮品糖度常用的光学测量方法有折射率法和旋光法,折射率法又可细分为全反射法和分光计法。文章描述全反射法、分光计法和旋光法的测量原理,配制一系列已知糖度的蔗糖溶液并分别用全反射法(白利糖度计法)、分光计法和旋光法测量其糖度,分析3种方法的测量误差,比较各测量方法的特点。结果表明,白利糖度计法、分光计法和旋光法测量的糖度值误差分别为0.35~0.51、0.10~0.11和0.33~0.35,其中,分光计法的测量结果最准确,误差最小。由糖度测量值与实际糖度值间的线性关系可知,分光计法的测量值与实际值之比最接近1.0000,旋光法的测量值与实际值之比为1.0008,白利糖度计法的测量值与实际值之比为1.0340;结合测量原理分析可知,光在蔗糖溶液中折射率(n)随着糖度的变化呈非严格线性关系变化,光在蔗糖溶液与棱镜表面界面产生全反射的临界角与溶液糖度的关系也不是严格的线性关系,因此,白利糖度计若只是简单线性标定,可能会带来较大的系统误差;旋光法和分光计法测量的糖度值准确性相对较高,但需样品量较多,且要求样品的透明度较高。在实际糖度测量中,应根据具体情况选择合适的光学方法。

基于近红外光谱技术的苹果糖度预测及分级研究

含糖量是用来评价苹果品质的关键指标,基于近红外光谱技术与机器学习算法构建苹果含糖量的预测模型,实现了苹果糖度的快速、无损、高通量检测。在实验中,分别构建了4种不同回归模型来预测苹果种的糖度,并分析了不同光谱预处理方法对模型预测精度的影响。基于全波段数据4种模型在回归过程中都存在不同程度的过拟合,其中核岭回归模型能够获得最佳的预测效果;为了防止过拟合并进一步提升模型的预测性能,采用3种特征降维算法对全波段数据进行特征降维。结果表明,通过特征降维能够很好地抑制回归过程的过拟合现象,其中岭回归模型表现出较好的稳定性。在此基础上,还利用岭回归模型按苹果的糖度对苹果的品质进行分级,其分级精度可到0.9084。实验结果能够为水果中的化学成分检测以及品质分级提供有益的技术参考。

厚皮甜瓜果实内糖度分布规律及其预测模型研究

为改进和完善测定厚皮甜瓜糖度的方法,以海南生产和销售的厚皮甜瓜为材料,分析果实内糖度变化规律,以及各点位糖度与全瓜糖度关系,并构建预测全瓜糖度的数学模型。结果表明:果肉糖度分布规律为内层高于外层,近脐的中下部最高,近蒂的上部最低;果肉糖度的变化幅度为赤道方向大于脐蒂方向,并且受栽培环境和瓜形等因素的影响;通过果肉中心糖度和胎座糖度构建预测全瓜糖度的数学模型为B=0.891 6+0.734 4I+0.157 7P,模型预测值与实测值相关系数较大,说明其准确度较高。

大白桃糖度的近红外漫反射光谱无损检测试验研究

该研究应用近红外（near infrared，NIR）漫反射光谱定量分析技术开展了金华大白桃的糖度检测试验研究。用偏最小二乘回归（partial least square regression，PLSR）方法在800-2500nm光谱范围建模，通过比较果汁和不同部位果肉所对应的相关模型的预测结果发现：用水果3个部位（顶部、中部、底部）共9个检测点的果肉平均光谱和糖度平均值建立的模型的结果比果汁或单独某个部位果肉（3个检测点）所建立的模型的结果要好。在此基础上，分析了光谱微分和散射校正预处理对建模结果的影响，结果显示微分光谱建立的模型不如原始光谱建立的模型的结果好，光谱的散射校正处理（用多元散射校正MSC和标准正态变量变换SNV两种方法）有助于提高模型的预测性能。最终建立桃子果肉平均光谱经MSC和SNV散射校正后与糖度的相关模型，MSC和SNV对建模结果的影响基本一致，MSC-PLSR和SNV-PLSR模型的相关系数Rcal和交互验证相关系数Rcross-v分别为0．997和0．939。该研究表明近红外光谱检测技术可用于金华大白桃糖度的定量分析。

苹果糖度高光谱图像可视化预测的光强度校正方法

针对类球形水果表面曲率变化引起高光谱图像光响应强度差异较大,难以有效预测各部位的品质信息的问题,以富士苹果为研究对象,对高光谱图像进行黑白标定后,以糖度测试部位为感兴趣区域提取平均光谱并建立糖度的定量预测模型,校正集相关系数Rc为0.930 5,校正均方根误差RMSEC为0.433 1;高光谱图像经构建掩模消除样本背景噪声后,提出了高光谱图像光强度校正方法,比较校正前后的高光谱图像能量分布图可以发现光强度得到有效补偿,对校正后的高光谱图像标记空间信息并提取对应光谱,用已建立的苹果糖度模型计算各像素点对应的糖度值,绘制苹果糖度的伪彩色分布图。研究结果表明,高光谱图像经强度校正可以快速无损的预测苹果的糖度及其分布。

脐橙糖度的高光谱图像无损检测技术

提出了利用高光谱图像系统来检测脐橙糖度的方法。由脐橙反射光谱图像获取反映脐橙糖度的光谱特征波长;应用人工神经网络系统建立了脐橙糖度的预测模型。结果表明,脐橙糖度预测模型相关系数R为0.831,采用高光谱图像无损检测脐橙糖度是可行的。

基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究

利用高光谱成像系统获得网纹类哈密瓜糖度漫反射光谱信息,选择有效波段500～820nm进行哈密瓜糖度检测建模回归分析。对比了多元散射信号修正和标准正则变换校正方法,原始光谱、一阶微分、二阶微分光谱预处理方法对建模精度的影响;采用偏最小二乘法、逐步多元线性回归和主成分回归方法对比分析了带皮哈密瓜和去皮哈密瓜糖度检测模型效果。结果表明,对原始光谱经过MSC和一阶微分光谱处理后,采用PLS和SMLR方法均可取得很好的建模效果,应用PLS法检测带皮哈密瓜糖度是可行的,其校正集相关系数(Rc)为0.861,RMSEC为0.627,预测集相关系数(Rp)为0.706,RMSEP为0.873;应用SMLR法检测去皮哈密瓜糖度效果最佳,校正集相关系数(Rc)为0.928,RMSEC为0.458,预测集相关系数(Rp)为0.818,RMSEP为0.727。研究表明,应用高光谱成像技术检测哈密瓜糖度具有可行性。

脐橙糖度近红外光谱在线检测数学模型优化研究

目的是优化脐橙糖度近红外光谱在线检测数学模型,提高检测精度。在700.28-933.79 nm光谱范围内,根据建模集样品在不同波长处的变异系数,选择基准波长点,计算样品的反射比光谱。吸光度和反射比光谱,经不同光谱预处理后,分别采用偏最小二乘法（PLS）和最小二乘支持向量回归法（LSSVR）,建立脐橙糖度近红外光谱在线检测数学模型。采用30个未参与建模的脐橙样品评价模型的性能,经比较,采用一阶微分处理后的反射比光谱建立的LSSVR模型预测效果最优,模型预测相关系数为0.85,预测均方根误差为0.41°Brix。实验结果表明基准波长点、一阶微分和LSSVR相结合的优化方法在提高脐橙糖度近红外光谱在线检测精度方面具有可行性。

便携式近红外光谱仪的苹果糖度模型温度修正

样品温度对近红外光谱有很大影响,在近红外技术评价水果品质的实际应用时,需要修正温度变化对模型预测结果的影响。便携式近红外光谱仪采集不同温度下(0～30℃)苹果的漫透射光谱,采用二阶导数和卷积平滑进行预处理。选取20℃下代表性样本的光谱数据,建立基准PLS模型。斜率/偏差法分别计算苹果糖度PLS模型在0,10和30℃下的修正方程。分析结果表明:斜率/偏差法对0,10和30℃下外部样本预测结果进行修正,预测精度得到显著提高,其修正前后的Q值分别为0.525cv 0.810,0.680cv0.822,0.669cv 0.802。温度修正模型可以有效提高预测精度,也扩展了近红外仪器的适用性,为自主研发便携式近红外光谱仪提供参考。