水果成熟度近红外光谱及高光谱成像无损检测研究进展

成熟度作为一项水果品质重要评价指标,与水果的采收、储存、加工、运输、销售等环节息息相关,也是其产量和质量的关键影响因素之一.本文综述了国内外近十年来利用近红外光谱和高光谱成像技术检测水果成熟度的研究现状.从水果成熟度定性判别和成熟度参数定量预测两个方面入手,详细分析了光谱仪器工作波段、光谱采集方式、光谱采样区域、成熟度...     

基于高光谱技术的黑果腺肋花楸成熟度判别及多酚含量检测模型构建

为了无损检测黑果腺肋花楸（Aronia melanocarpa,简称黑果）果实成熟度和多酚含量,本研究构建了基于高光谱成像技术的黑果成熟度判别模型以及多酚含量检测模型。采用高光谱成像技术采集不同成熟度的富康源1号黑果图像信息,福林酚法测定其多酚含量。通过蒙特卡洛法剔除异常值;滑动平均、中值滤波、归一化、基线校准、多元散射校正、消除趋势和标准正态变量变换对原始图像信息进行预处理;光谱-理化值共生距法进行样本划分;竞争性自适应重加权算法和无信息变量消除法提取特征波长,分别建立偏最小二乘模型（PLS）和支持向量机（SVM）模型并进行比较。结果表明,本研究建立的判别模型中效果最好的模型为经多元散射校正预处理后的UVE-SVM模型,综合识别率94.62%,Rc2=0.9712,根据该模型判别的准确度为100%。多酚含量检测效果最好的模型为中值滤波预处理后的CARSSVM模型,Rc2=0.8331。此外,本研究还证明了黑果多酚含量的可视化是可行的。本研究为高光谱成像技术在浆果领域的应用提供了理论基础。     

苹果品质高光谱成像检测技术研究进展

高光谱成像对水果的无损检测是近些年迅速发展的一项新技术,它能三维地获取被检测对象内部与外部多项特征。本文通过介绍高光谱成像系统结构、光源种类及扫描形式,归纳适用于检测苹果品质的系统类型,通过描述指标检测操作流程解析其中几个重要环节,并对国内外苹果指标检测的操作流程、建模方法、研究进展进行总结,最后提出苹果品质高光谱无损检测的研究方向和应用前景。      

基于高光谱成像技术的李果实成熟度判别

为了探究快速识别不同成熟度李果实的有效方法,本研究以李果实作为研究对象,基于高光谱成像技术对不同成熟度的李果实(未熟、半熟、成熟、过熟)样本的光谱信息(420～1000 nm)进行采集,对采集样本的光谱信息进行平滑处理(Smoothing)与标准正态变量校正(SNV)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘法(PLS)模型,比较不同判别模型的准确性。结果表明,FS-PLS建立的模型判别准确率最高,综合准确率达到了91.88%;但考虑实验计算量及复杂程度来说,SPA-PLS建立的模型判别准确率最优,综合准确率达到91.25%。该研究为李果实成熟度的判别检测提供了新的理论基础。     

高光谱成像技术在谷物品质检测中的应用进展

高光谱成像(Hyperspectral imaging,HSI)技术作为一种无损和快速的光学成像分析技术在谷物品质的无损检测应用广泛。本文简述了高光谱成像的基本原理、光谱信息数据处理方法,综述了HSI技术在小麦、玉米、稻谷3种大宗谷物中化学成分检测、品种鉴别、种子活力检测以及不完善籽粒检测等近五年的应用研究进展,提出HSI技术在谷物品质检测实际应用中需破解的难题。     

基于高光谱成像技术的小白杏成熟度判别模型

为快速、准确检测小白杏的成熟度,该研究选择七成熟、八成熟、九成熟、十成熟的小白杏样本各120个,采用近红外高光谱成像系统采集样本的高光谱数据,进行去除噪声和剔除界外样本处理。然后使用均值中心化（mean centering,MC）、Savitzky-Golay卷积求导法（Savitzky-Golay derivative,S-G）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变量变换（standard normal variate transformation,SNV）、归一化法5种方法分别对全波段和特征波段光谱进行预处理,采用光谱-理化值共生距离算法（sample set partitioning based on joint x-y distance,SPXY）、K-S法（Kennard-stone,K-S）、双向算法（Duplex）、交叉验证法、随机法将样本划分为校正集和验证集。最后用极限学习机（extreme learning machine,ELM）、支持向量机（support vector machine,SVM）、偏最小二乘法（partial least squares,PLS）、K最邻近法（K-nearest neighbor,KNN）、贝叶斯判别法建立不同的分类判别模型,比较各模型的识别率。结果表明,对小白杏成熟度定性判别模型,有以下最优组合：全波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+S-G/MSC/归一化/SNV+随机法+贝叶斯、全波段+S-G+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN、全波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS、特征波段+MSC+SPXY/Duplex/K-S/交叉验证/随机法+ELM/PLS/SVM/KNN/贝叶斯、特征波段+归一化+SPXY/Duplex/K-S/交叉验证/随机法+PLS。     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的. 综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900nm的高光谱图像数据,通过主成分分析提取547nm波长下的特征图像.     

高光谱成像技术在农畜产品有害微生物快速检测中的研究进展

农畜产品中含有有害微生物可以使农畜产品腐败变质,快速可靠的检测有害微生物显得特别重要,高光谱成像技术可以对农畜产品微生物进行快速无损检测。本文首先介绍高光谱成像系统以及高光谱图像处理方法。然后介绍了高光谱成像技术在水产品微生物、肉类产品微生物、粮食籽粒微生物、水果表面有害微生物无损检测方面的研究进展。指出高光谱成像技术可以检测出有害微生物种类以及有害微生物的总量。尽管高光谱成像技术优势明显,但在精确性、快速挖掘数据等方面面临着挑战。随着光学技术、计算机技术的进一步发展,未来高光谱成像技术可能会在农畜产品微生物实时在线检测上得到应用。      

高光谱成像技术在肉类安全无损检测的应用研究进展

高光谱成像技术在肉类安全品质预测及分选分级方面已取得了诸多成果。作者重点综述了其在肉类有毒有害物质检测、肉类掺假检测、肉类分选分级中的研究现状,讨论了其存在的不足及发展趋势,以期为肉类安全无损检测方法的研究提供参考。     

基于高光谱图像信息的李果实成熟度判别

本文以李果实作为研究对象,基于高光谱图像技术对不同成熟度的李果实(未熟、半熟、成熟和过熟)样本的图像信息进行采集,对采集样本的图像进行中值滤波去噪处理。运用Matlab软件编程对各种成熟度样本的图像进行颜色特征值提取,分别获得RGB和HSV彩色图像模型不同分量的平均值(μ)和标准差(σ)作为颜色特征值,并建立RGB、HSV颜色特征值以及RGB-HSV特征值相融合的样本成熟度PLS判别模型,并对所建立的判别模型进行预测。结果表明,基于RGB-HSV相融合颜色特征值的判别模型准确率优于RGB与HSV,其对未熟、半熟、成熟、过熟的判别准确率达到了98.4%、90.0%、85.6%及90.9%。该方法建立的判别模型不仅简化,而且增强了模型的判别能力,为实现李果实成熟度的无损检测和判别提供理论依据。     

高光谱成像技术检测延边黄牛肉的新鲜度

为了提高黄牛肉的质量以及食用安全性,本研究采用高光谱成像技术对延边黄牛肉新鲜度进行检测。通过成像系统采集黄牛肉样品的高光谱图像,对高光谱图像做黑白校正处理,结合S-G滤波和均值滤波对处理后的高光谱图像进行去噪处理,并采用主成分分析法对高光谱数据进行降维。采用半微量定氮法测定延边黄牛肉的挥发性盐基氮含量,通过多个BP-ANN弱分类器组建强分类器,将延边黄牛肉的挥发性盐基氮含量输入强分类器中,以挥发性盐基氮含量为指标,根据分类结果实现延边黄牛肉新鲜度的检测。实验结果表明,当波长为700~750 nm时,延边黄牛肉的挥发性盐基氮含量最高,表明肉内部被破坏的程度较高,肉类的新鲜度越差;在第10~11 d时,延边黄牛肉TVB-N质量分数变化较为明显;采用所提方法对高光谱图像去噪后,信号频率由-15 d B^15 d B区间波动变为-5 dB^5 dB区间波动,信号的频率波动较小,趋于稳定,表明所提方法可有效的去除图像中存在的噪声;所提方法的检测结果准确率最高可达99%,具有较高的检测准确率,且去噪效果较好。     

2个品种不同成熟度油茶果实品质差异比较

为明确油茶果实的最佳采收期,以赣石83-4和赣石447油茶鲜果为原料,测定其不同成熟度下果实品质相关的表型性状、营养物质和种仁油中脂肪酸组成及含量的变化,并采用主成分分析法对2个品种不同成熟度油茶果实品质进行综合评价。结果表明：随着成熟度的增加,2个品种油茶果实的单果质量、含水率总体呈下降趋势,而鲜果出籽率、干籽出仁率则总体呈上升的趋势;赣石83-4种仁含油率在第四成熟度达到最大值(44.16%),而赣石447种仁含油率在第二成熟度达到最大值(48.56%);赣石447和赣石83-4种仁可溶性糖含量随成熟度变化趋势不一致,前者在第四成熟度达到最大值(11.35%),后者在第五成熟度达到最大值(13.05%);2个品种不同成熟度的油茶种仁蛋白质含量较低且总体上较稳定;2个品种油茶种仁油中脂肪酸组成及含量存在差异,随着成熟度的增加,油酸和单不饱和脂肪酸含量持续增加,而亚油酸和多不饱和脂肪酸含量降低,饱和脂肪酸和不饱和脂肪酸含量的变化幅度较小,分别维持在11%和89%左右;主成分分析结果表明,赣石83-4和赣石447的最佳采收期分别在第五成熟度和第四成熟度。综上,赣石83-4和赣石447油茶...     

基于近红外高光谱成像快速无损检测注胶肉研究

采用近红外高光谱成像技术结合化学计量学方法建立注胶肉的快速无损检测模型。首先通过近红外高光谱成像系统获取含有不同浓度梯度卡拉胶的猪里脊肉高光谱图像,然后提取图像中的光谱数据,使用偏最小二乘法(Partial least square,PLS)探究光谱信息与不同掺假比例卡拉胶之间的定量关系。结果表明全波段光谱(900~1700 nm)所构建的PLS校正集模型均方根误差(Root mean square error,RMSE)为1.74%,预测模型RMSE为3.16%。表明基于全波段所建立的PLS模型具有较优的预测性能。利用连续投影算法(Successive projection algorithm,SPA)筛选获得11个特征波长,并优化全波长PLS模型,将预测集样品带入,以验证模型的预测效果,结果表明SPA算法结合PLS建模方法所建立的模型预测效果更优,预测集相关系数(R_P)为0.93,均方根误差(Root mean square error of prediction,RMSEP)为3.51%,预测偏差(Residual predictive deviation,RPD)为2.66。试验表明利用高光谱成像技术可实现对注胶猪肉的快速无损检测。     

鲜油茶果快速制油工艺研究

为提高油茶果的制油效率，对传统油茶果制油工艺进行改进，采用先整果压破果壳再鼓风加热进行干燥达到蒲、壳与仁分离，得到的油茶籽仁经破碎烘干后进行压榨制油，经冷冻过滤得到成品油。对油茶籽仁烘干工艺条件和压榨工艺条件进行优化，以常温过滤为对照，对成品油的品质进行测定并考察了其在45 ℃储存18个月的稳定性。结果表明：油茶果干燥采用先压破果壳再鼓风加热可节约爆蒲（果壳炸开）时间0.5 h；油茶籽仁最佳烘干条件为烘干温度140 ℃，油茶籽仁颗粒直径6～8 mm，采用鼓风干燥；油茶籽仁含水率和油茶籽壳添加量对出油率有明显的影响，在添加30%油茶籽壳条件下，当含水率为3%时，出油率最高；油茶籽原油采用冷冻过滤得到的成品油的酸值（KOH）、过氧化值和苯并芘含量分别为0.6 mg/g、0.2 g/100 g和3 μg/kg，符合食品安全国家标准要求，且储存稳定性优于常温过滤。该工艺节约了油茶果制油时间，提高了出油率和成品油的储存稳定性，可实现油茶籽油的快速制备。     

水酶法提取山茶油的工艺研究

采用水相酶解法提取山茶油,分别采用3种酶对山茶籽进行提油。结果表明:Alcalase2.0L蛋白酶的效果最好,在其用量为0.02mL/g的条件下,通过单因素实验和Box-Behnken中心组合实验,应用SAS软件分析得出水酶法提取山茶油的最佳条件为:温度55℃,pH=8,固液比1g∶6mL,水解时间4h,此条件下油脂提取率为78.25%。     

十二个油茶良种的SSR特征指纹鉴别

为了对普通油茶(Camellia oleifera)优良品种的准确鉴别开发一种新的分子识别方法,为油茶优良品种资源的保护提供技术支持,本研究拟利用SSR荧光标记构建12个长林系列油茶良种的SSR特征指纹。14对多态性SSR引物从12个油茶良种的14个SSR位点共扩增出62个多态性条带、检测出77种基因型,平均每个SSR引物扩增出4.4个多态性条带、检测出5.5种基因型。12个油茶良种14个SSR位点的多态性信息量的变化范围和Dice遗传相似系数变异范围分别为0.08～0.84和0.39～0.90。基于12个油茶良种在14个SSR位点的基因型差异,共选出45种SSR特征引物与其对应的基因型组合,即SSR特征引物-基因型,可作为11个油茶品种的SSR特征指纹,为品种鉴别提供分子依据。本研究也为在更大层面上建立油茶品种的DNA指纹数据库、为油茶良种的辅助选育、以及应用于DUS测试提供了技术思路。     

基于高光谱成像快速检测牛肉糜中大豆分离蛋白掺入量

采用近红外高光谱成像技术(900~1700 nm)结合化学计量学算法快速定量预测牛肉糜中大豆分离蛋白掺入量。首先按照2%~30%(w/w),掺入间隔1%的浓度梯度,制备不同大豆分离蛋白掺入浓度的牛肉糜样品,然后采集样品的高光谱图像并提取光谱数据,最后运用偏最小二乘回归(Partial least squares regression,PLSR)和多元线性回归(Multiple linear regression,MLR)算法建立预测模型。为了减少模型的高维共线性问题,采用回归系数法(Regression coefficients,RC)和连续投影算法(Successive projection algorithm,SPA)筛选最优波长,优化全波段预测模型。结果显示基于RC法筛选的22个最优波长构建的RC-PLSR模型和RC-MLR模型预测效果优于基于SPA法筛选的21个最优波长构建的SPA-PLSR模型和SPA-MLR模型。其中,RC-PLSR模型预测效果最接近全波段PLSR模型,r_P为0.95,RMSEP为2.73%,RPD为3.32。试验结果表明近红外高光谱成像技术结合化学计量学方法可快速预测牛肉糜中大豆分离蛋白的掺入量。