扫描方式对南果梨近红外光谱无损检测模型建立的影响研究

利用Purespect型近红外光谱分析仪,以不同的扫描方式对南果梨样品进行近红外透射分析.方差分析结果表明,单测点扫描6次光谱无显著性差异,仪器稳定性好;多测点扫描4次,并对80个南果梨样品分别建立可溶性固形物含量(SSC)、pH模型,模型的相关系数和校正集标准偏差均达到应用要求;应用模型对20个南果梨的SSC和pH进行预测,预测值方差分析结果表明模型间有显著差异.确定180°转动扫描2次(正反两面扫描两次)为可靠、快速、易操作的扫描方式.     

南果梨糖、酸度近红外光谱无损检测模型建立定标参数的确定

本实验利用Purespect型近红外光谱仪获得南果梨样品的光谱数据,采用不同的化学测定方法测定样品中糖、酸含量,分别以可溶性固形物含量(SSC)、还原糖含量(RSC)、总酸度含量(TA)和有效酸度(pH)为定标参数建立四项指标近红外定标模型,并分析比较4个模型的Rc、Rp、RMSEC、RMSEP及预测集样品的残差c.结果表明:对于糖度指标而言,SSC模型的Rc、Rp值高于RSC模型,且残差e分布较RSC的均匀,SSC是南果梨糖度近红外光谱无损检测定标模型建立适宜的定标参数;对于酸度指标而言,pH模型的Rc值高于TA模型,两个酸度模型的Rp均大于0.9,且二者之间无明显差异,TA模型的残差e分布优于pH模型,考虑到实际应用效果,确定酸度定标模型采用TA作为定标参数.     

果实成熟度对南果梨近红外无损检测技术模型的影响

通过研究不同成熟度的南果梨内部化学成分含量的差异性,建立不同成熟度的南果梨可溶性固形物、酸度近红外模型,并研究模型性能的差异性,讨论成熟度的变化对南果梨近红外分析技术的影响。结果表明：在2007 年9 月13 日采收的南果梨糖、酸含量与在9 月7 日和9 月10 日采收的南果梨存在显著差异性,而7 日与10 日采收的无差异性变化;建立不同成熟度的南果梨可溶性固形物、酸度模型的相关系数都高于0.9,校正均方根误差为0.014～0.201;对模型预测能力分析表明,样品采收期在9 月13 日的模型适用范围明显高于其他两个成熟度的模型,证明成熟度的显著差异性变化,扩大了校正集样品化学成分含量的范围,进而提高了模型的适用范围。     

南果梨糖度近红外光谱无损检测模型的建立

利用近红外透射光谱仪,对产自辽宁省鞍山地区的具有代表性的南果梨样品建立了近红外透射光谱与南果梨糖度的数学模型,并对模型进行了预测.结果表明:南果梨中可溶性固形物含量、还原糖含量的近红外光谱预测值与化学实测值之间的相关系数分剐为0.9364、0.8586,预测均方根偏差(RMSEP)分剐为0.2285、0.07929,其中以可溶性固形物含量作为定标参数建立模型的预测能力较强,证实利用近红外透射光谱建立的定标模型来测定南果梨的糖度是可行的.     

橘子不同放置方式对近红外无损检测有效酸度模型差异性的影响

为了检测水果的酸度,应用波长43.26~985.11 nm范围的purespect近红外透射光谱仪,分别对侧躺、正立和任意放置的60个橘子样品进行光谱扫描,对获得的光谱数据进行有效酸度(pH值)模型的建立和评价;应用所建模型对20个已知成分含量的同种样品进行有效酸度的预测。试验结果表明,模型的相关系数和校正均方根误差均达到应用要求;预测值方差分析表明橘子不同放置方式下所建模型间无显著差异,检测时可以任意放置。     

南果梨果实硬度近红外无损检测模型的建立

实验比较了不同分区波段建模模型的性能,结果表明全波段643.26～954.15nm光谱建立的硬度模型优于其它两个分段光谱建立的模型;利用剔除异常样品和主成分分布图法对模型进行优化,建立了鞍山、海城两产区混合的硬度模型,相关系数(R)为0.970,均方根误差(RMSEC)为0.124;预测残差分布结果表明所建立的南果梨硬度模型性能较稳定,满足实际应用要求,模型适用于预测范围在2～15kg/cm2的南果梨硬度。     

苹果有效酸度的近红外无损检测研究

为了更好的对苹果的有效酸度进行检测,实验应用波长范围为643.26～985.11 nm的Purespect近红外透射光谱仪对100个富士苹果的校正集样品和20个预测集样品进行了光谱扫描,比较了不同的光谱预处理方法和不同建模波段对模型的影响,最终确立的模型相关系数(RC)为0.925,校正均方根误差(RMSEC)为0.0395.对模型预测性能的验证结果表明:建立的苹果有效酸度模型性能较稳定,能满足实际应用的要求.     

近红外法测定豆浆蛋白质、脂肪和可溶性固形物含量

利用傅里叶变换近红外光谱仪采用积分球漫反射方式对60个豆浆样品进行光谱的采集,结合常规分析结果分别建立了3种成分的近红外校正模型。结果表明:豆浆蛋白质、脂肪及可溶性固形物光谱分别经过消除常数偏移量、一阶导数和矢量归一化(SNV)预处理后建模效果最好。蛋白质、脂肪和可溶性固形物含量的校正模型决定系数(R2)分别为:0.966 4、0.950 0和0.950 7,交叉验证均方根差(RMSECV)依次为0.076 9、0.087 4和0.316;对模型进行外部验证,验证集化学值和模型预测值之间差异不显著,说明模型可以用于豆浆中蛋白质、脂肪和可溶性固形物含量的检测。     

不同冷冻复温条件下南果梨可溶性固形物含量的高光谱表征方法研究

采用高光谱方法表征在不同冷冻复温条件下南果梨可溶性固形物含量变化的特征,设置不同的冷冻复温条件（临界温度、循环次数、保温时间以及降温速率）,采集其高光谱反射的光谱图像,并进行可溶性固形物含量测定。采用4种不同的预处理方式[多元散射校正（multiplicative scatter correction,MSC）、标准正态变量交换（standard normal variate,SNV）、平滑-标准正态变量交换（Savitzky-Golay standard normal variate,S-G-SNV）、平滑-多元散射校正（Savitzky-Golay multiplicative scatter correction,S-G-MSC）]并结合竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）所识别的特征光谱,通过偏最小二乘法（partial least squares method,PLS）建立南果梨不同冷冻-复温条件下获得的可溶性固形物模型。结果表明：高光谱能够良好反映南果梨可溶性固形物的含量变化。在不同循环次数下,S-G-MSC-CARS-PLS模型精度最高;在不同降温速率下,MSC-CARS-PLS模型精度最高;在不同保温时间下,SNV-CARS-PLS模型精度最高;在不同临界温度下,S-G-SNV-CARS-PLS模型精度最高。     

近红外漫反射无损检测梨果可溶性固形物的研究

应用近红外漫反射无损检测梨果可溶性固形物。通过自行设计的NIR光谱系统测定了240个梨果样品的SSC。180个梨果样品用来建模,其余60个用来验证模型的性能。采集完整梨果的近红外漫反射光谱（350～1 800 nm）,光谱经移动窗口平滑处理、一阶微分和二阶微分预处理后,再分别采用多元线性回归、主成分回归和偏最小二乘法,建立梨果可溶性固形物的定量预测数学模型。结果表明：采用一阶微分结合偏最小二乘法所建模型的预测效果较好,可溶性固形物定量预测数学模型的相关系数为0.928 5,均方根误差为0.436 4。近红外漫反射光谱作为一种无损的检测方法,可用于评价梨果的可溶性固形物。