基于光谱技术的支持向量机判别牛肉新鲜度

目的 实现生鲜牛肉新鲜度等级的无损快速判别。方法 用可见/近红外光谱检测系统, 获取储存1~18 d的36块牛肉样品的400~1600 nm范围的光谱信息, 以挥发性盐基氮理化值为分类依据。用多元散射校正(MSC)、变量标准化(SNV)、SG平滑预处理方法处理光谱数据, 分别建立牛肉新鲜度的支持向量机分类模型。结果 MSC+SG预处理后所建立的分类模型预测能力最好, 训练集和测试集的回判识别率和预测识别率分别为96.30%、100%, 验证集的识别率为88.89%。结论 可见/近红外光谱结合支持向量机, 对牛肉新鲜度进行无损快速判别是可行的。     

肉品挥发性盐基氮的高光谱无损快速检测

建立利用高光谱成像技术对生鲜猪肉的挥发性盐基氮含量进行快速无损伤检测的方法。方法 利用400~1100 nm光谱范围的高光谱成像系统, 获取猪肉表面的高光谱图像信息, 通过洛伦兹函数对其表面的扩散信息进行拟合, 结合偏最小二乘回归和多元线性回归两种方法, 分别建立预测猪肉TVB-N含量的预测模型。结果 利用洛伦兹三参数组合[abc]结合MLR方法建立预测猪肉TVB-N含量的模型效果优于PLSR模型, 预测相关系数达到0.90, 标准差为4.67。结论 高光谱成像技术可以快速无损伤检测肉品挥发性盐基氮。     

牛肉含水率无损快速检测系统研究

针对影响牛肉品质的主要指标,开发了基于可见/近红外光谱技术的牛肉含水率品质快速检测系统。阐述了该系统的工作原理、工作过程、硬件组成及软件系统功能。系统的核心是波段分别为400~960 nm和900~2 600 nm的光谱仪,结合控制器、光纤等辅助装置构成了检测系统的硬件部分。基于VC++语言开发了Windows环境下的光谱信息采集和处理的快速无损检测软件。该系统可以实现对牛肉光谱数据的采集、处理、样品品质的快速预测和结果显示。该系统在实验室采集了57个牛肉背最长肌的光谱,分别对可见、近红外和全波段的光谱数据建模,分析显示全波段预测模型能够更好地预测牛肉的含水率,其校正相关系数RC和预测相关系数RP分别为0.96和0.88。然后将预测模型固化于在线检测硬件系统中,在牛肉分割线上采集84个样品进行实验验证,检测正确率为92.8%。含水率结果表明,该快速检测装置检测含水率的精度较高,可靠性较好,可用于牛肉屠宰分割线对含水率品质参数的快速无损检测。     

玻璃瓶装白酒酒精度的拉曼光谱原位无损快速检测

酒精度是白酒最重要的品质参数,本文研究一种市售瓶装白酒酒精度拉曼光谱原位无损快速检测方法。首先测定乙醇、瓶装白酒以及酒瓶空白对照的拉曼光谱,利用扩展乘性散射校正预处理方法,以酒瓶的拉曼光谱曲线作为参考,还原乙醇的拉曼特征光谱,然后,提取乙醇的拉曼特征峰值,分别建立瓶装白酒酒精度一元线性回归模型,其中经扩展乘性散射校正预处理后的白酒光谱888 cm~(-1)拉曼特征位移处的模型效果最好,决定系数R~2达到0.9998,均方根误差为0.3077。利用不同酒精度白酒样品验证所建立的瓶装白酒酒精度预测模型,预测值和真实值之间的决定系数R~2为0.9986,均方根误差为0.3382。最后,基于比值校正法对不同品牌、不同包装白酒的模型进行校正和酒精度预测,结果表明,采用拉曼光谱可实现瓶装白酒酒精度的原位无损快速检测。本方法无需拆封,不影响二次销售,为白酒市场监管提供了新的技术手段,也为瓶装食品品质安全的无损快速检测提供了技术参考。     

农产品品质检测系统的高光谱成像控制软件设计

利用VS2010与Matlab混合编程方法设计了用于农产品品质指标检测的高光谱成像在线检测系统的控制分析软件,包括仪器参数设置模块、信号检测与控制模块和数据采集与分析模块,完成了图像采集、图像合成、运动控制、数据提取分析及存储、显示功能。该控制分析软件设计提高了高光谱成像技术应用的实用化,实现了对农产品品质指标的无损、实时、快速检测分析。     

基于拉曼光谱技术检测菠菜毒死蜱残留的初步研究

目的 基于拉曼光谱技术初步探讨菠菜表面有机磷农药毒死蜱的快速、无损检测新方法。方法 利用本研究自行搭建的拉曼光谱检测系统获取残留不同浓度毒死蜱农药的菠菜光谱曲线, 通过SG-5点平滑减小曲线噪声, 基于最小二乘法的10次多项式拟合法剔除菠菜荧光背景, 并对含有不同浓度毒死蜱农药的菠菜样品拉曼图谱进行比较分析。结果 特征归属为P=S振动的632 cm-1处的拉曼信号可识别菠菜表面毒死蜱农药残留, 其检测限为400 mg/kg, 而且拉曼特征波峰的相对强度与菠菜表面农药残留浓度存在较好的线性关系, 其相关系数为R2=0.92。结论 拉曼光谱技术有望实现叶片类蔬菜的农药残留的快速、无损、定量检测。     

基于拉曼光谱的胡萝卜中β-胡萝卜素的快速无损检测

目的利用实验室自行搭建的拉曼点扫描系统,以市售新鲜胡萝卜为研究对象,建立一种快速无损检测胡萝卜中的β-胡萝卜素的预测模型。方法在胡萝卜长度方向每隔1 cm进行点扫描,样品点扫描拉曼光谱曲线均先采用Savizky-Golay 5点平滑法去噪后再用Baseline方法进行去除荧光背景预处理,最后取平均值作为样品的拉曼光谱。胡萝卜中的β-胡萝卜素标准理化值按照国家标准GB/T 5009.83-2003法进行测定,理化值与1521 cm~(-1)和1156 cm~(-1)处β-胡萝卜素的拉曼特征峰强建立了多元线性回归模型。结果模型校正集的相关系数(R_C)和均方根误差(RMSEC)分别为0.9249和12.04 mg/kg,验证集的相关系数(RP)和均方根误差(RMSEP)分别为0.9155和1 1.47 mg/kg。结论基于拉曼光谱完全可以实现新鲜胡萝卜中β-胡萝卜素含量的检测,为新鲜果蔬中β-胡萝卜素含量的定量检测提供技术支撑。     

基于可见近红外光谱玉米种子活力的无损 检测方法

目的基于近红外漫反射技术,初步探讨玉米种子活力的快速、无损检测方法。方法本研究利用实验室自行搭建的近红外光谱检测系统获取60粒表面平整无明显损伤的M017玉米种子450~900 nm光谱曲线,其中校正集和验证集比例为3:1。利用红墨水染色法判定玉米种子样品是否具有活力。通过进行SG-5点平滑(Savitzky-Golay smoothing,SG)预处理方法减小曲线噪声,基于主成分分析(principal component analysis,PCA)方法提取主要判别成分,并依据测定的种子活力情况和其光谱曲线应用支持向量机(support vector machine,SVM)建立判别模型进行分析。结果当累计贡献率达到96%时,选取6个主成分,建立的模型判别正确率最高,近红外漫反射光谱数据能够较好的判别种子活力的有无,其中校正集和预测集判别正确率分别为95.56%和86.67%。结论证明该方法可行,基本能够满足快速无损检测判别玉米种子活力的要求,为今后快速无损检测玉米种子活力奠定了基础。     

生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测

基于实验室自行搭建的可见-近红外光谱系统,以市售生鲜紫薯为研究对象,探讨其花青素、可溶性固形物（soluble solid contents,SSC）以及总糖（total sugars,TS）的同时快速无损检测方法。对紫薯原始光谱进行SG（Savitzky-Golay）平滑、标准正态变量变换以及一阶求导预处理,然后用偏最小二乘回归法进行建模分析。对于花青素和TS,经SG平滑结合一阶求导预处理的模型预测效果最佳;对于SSC,经SNV预处理的模型预测效果最好。针对紫薯各参数最佳预处理光谱采用竞争性自适应加权算法进行波长筛选,再次建立模型。花青素模型预测集的相关系数为0.942 1,预测均方根误差（root mean square error of prediction,RMSEP）为0.225?9?mg/g;SSC模型预测集相关系数为0.943?1,RMSEP为0.878?7?°Brix;TS模型预测集的相关系数为0.925?3,RMSEP为0.244?3%。结果显示,利用可见-近红外光谱可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测,对生鲜紫薯品质的快速无损检测分选有着重要的实用意义。     

局部偏最小二乘法结合可见-近红外光谱预测猪肉挥发性盐基氮

以两个批次的猪肉为实验样品,开展局部偏最小二乘法结合双波段可见-近红外光谱预测挥发性盐基氮的研究,以改善模型预测不同批次样品时效果不佳的问题。提出基于距离、信息测度和投影的相似性度量方法,通过对欧式距离和光谱信息散度-光谱角（spectral information divergence-spectral angle,SID-SAM）进行加权求和,构建评价不同样品相似性的相似度函数,定义相似度因子（SM）,通过最小化代价函数确定建立局部模型的邻域窗口。以第1批样品为建模基础集,通过对欧式距离和SID-SAM的权重及SM进行参数寻优,针对第2批次中每个样品建立局部偏最小二乘模型。结果显示,与利用第1批样品建立的模型直接预测第2批样品的结果相比,预测效果有明显提高,相关系数R从0.845 6上升至0.948 1,预测误差从4.581 0 mg/100 g下降至2.650 8 mg/100 g。这表明利用提出的相似度函数和相似度因子,可根据待测样品的光谱特征,实时动态选择相似的局部空间,建立的局部偏最小二乘模型能有效提高对外部验证样品的预测能力。