基于透射光谱的苹果霉心病多因子无损检测

针对目前苹果霉心病难以检测的问题,提出一种基于透射光谱的苹果霉心病多因子无损检测方法,通过融合多波段透射光谱与苹果直径,构建苹果霉心病判别模型,实现了苹果霉心病无损检测。搭建光谱测试范围在200～1 025 nm的透射光谱采集平台,实验获取232 个苹果样本的透射光谱数据,采用游标卡尺获得苹果直径数据。采用杂散光校正,非线性校正对苹果透射原始光谱进行预处理,选取与霉心病发病相关的12 个波段透射光强值,结合苹果的直径进行主成分分析,将分析的结果作为自变量,建立苹果霉心病Fisher判别模型。经过异校验验证,模型总体识别率为93.1%,而仅采用透射光谱构建的模型识别率为91.37%。结果表明,基于透射光谱与直径结合的多因子检测方法可实现苹果霉心病的准确判定,为苹果霉心病的快速、无损检测提供可行思路。     

基于深度信念网络的苹果霉心病病害程度无损检测

针对现有霉心病无损检测只能检测出有无病害,无法对病害程度进行判断的问题,研究并提出一种基于深度信念网络(deep belief net,DBN)的无监督检测模型。该模型由多层限制玻尔兹曼机(restricted Boltzmann machine,RBM)网络和1层反向传播(back propagation,BP)神经网络组成,RBM网络实现最优特征向量映射,输出的特征向量由BP神经网络对霉心病病害程度分类。对225个苹果样本在波长200~1 025 nm获取其透射光谱后,根据腐烂面积占横截面比例将霉心病害程度分为健康、轻度、中度和重度4种,分别用150个和75个样本作为训练集和测试集,以全光谱数据和基于连续投影算法提取的特征波长数据为输入构建病害程度判别模型,并比较DBN模型与偏最小二乘判别分析、BP神经网络和支持向量机模型的识别效果,实验结果表明,DBN模型病害判别准确率达到88.00%,具有较好的识别效果。     

自制电子鼻检测霉变大米

为对不同霉变程度的大米实现快速鉴别,研制了一套以LabVIEW为平台用于检测大米霉变的电子鼻系统.通过霉菌孢子液侵染正常大米,使用该电子鼻系统对不同天数掺入不同比例霉米的大米样品挥发物进行检测,对采集数据进行主成分分析(PCA)、线性判别分析(LDA),最后使用反向传播(back propagation,BP)神经网络...     

基于电子鼻系统的粮食霉变检测方法研究

粮食霉变是食品质量安全领域不容忽视的问题.本文研制出一套能快速检测粮食霉变程度的电子鼻系统.该系统主要包括数据采集、调理与传输单元,传感器阵列和气室以及供气动力装置三大部分.使用该系统连续7d检测红皮花生、养麦、大米、燕麦4种粮食的霉变程度,以随机共振方法处理实验数据,通过信噪比谱特征信息量化粮食霉变程度,较好地反映了粮食霉变的过程.该方法可以克服传感器基线漂移的不利影响,快速、准确地检测粮食霉变过程中的气味挥发物,并监测粮食霉变程度,应用前景较好.     

霉变玉米气体传感器阵列快速检测

玉米易受霉菌感染发生霉变,影响食用安全。快速测定玉米霉变程度是控制其危害的前提。本研究拟利用基于气体传感器阵列的电子鼻技术,获取不同霉变程度玉米的特征气味信息,建立玉米霉变程度快速检测方法。辐照灭菌玉米分别接种5种谷物中常见有害霉菌,并于28 ℃和85%相对湿度环境中储藏15 d直至严重霉变。在第0、6、9、12和15 d,采集样品的气味信息的电子鼻特征响应信号,建立了玉米霉变程度的定性定量模型。结果表明,主成分分析(PCA)法可成功区分不同霉变程度的玉米样品。线性判别分析(LDA)对受单一霉菌侵染的不同霉变程度玉米样品的平均识别率达93.3%以上,全部样品达76.7%。样品中菌落总数的偏最小二乘回归分析(PLSR)模型的预测决定系数(R_p²)达0.777,预测均方根误差和相对分析偏差(RPD)分别为0.981 log CFU/g和2.12。结果表明,应用电子鼻技术快速检测玉米霉变具有一定可行性,下一步需要不断扩大样本量以提高方法的精度和可靠性。     

基于图像处理的玉米颗粒霉变程度检测方法研究

提出利用HSV模型快速识别霉变玉米颗粒与霉变等级的方法。基于感染霉菌的玉米颗粒表层会发生颜色褐变、发黑等特点,首先对彩色玉米图像进行图像增强,然后采用V分量的阈值区分正常玉米颗粒与霉变玉米颗粒,再通过H与V分量的阈值区分轻度霉变与严重霉变玉米颗粒。试验表明,该方法对正常玉米颗粒、轻度霉变玉米颗粒、严重霉变玉米颗粒的检测准确率可达93.7%、80%、92.9%以上,能够达到区分检测的目的。     

基于傅里叶变换近红外和支持向量机的霉变玉米检测

利用傅里叶变换近红外光谱对霉变玉米进行检测。运用波数范围在12 000~4 000 cm-1的FTNIR系统进行不同霉变程度样品光谱信息的采集,并利用支持向量机(Support Vector Machine,SVM)进行数据分析。结果显示,利用原光谱数据,以主成分分析(PCA)提取的前5个主成分作为输入,选用径向基函数(RBF)作为SVM核函数,并运用网格划分寻优法寻得的最优参数C、γ,所建立的分类模型最佳。SVM分类模型对训练集和测试集的预测准确率分别达到93.3%和91.7%,对独立样品集的预测准确率达到87.8%,表明基于FT-NIR和SVM进行霉变玉米的检测是可行的。     

Detection Potential of Multi-Features Representation of E-Nose Data in Classification of Moldy Maize Samples

In order to assess rapidly and timely the moldy degree of maize samples using electronic nose (E-nose) and improve the correct classification rate of E-nose, the different feature representation modes (DFRM) for E-nose data were explored in depth. A determining method for multi-features vector of E-nose based on Wilks Λ statistic was introduced so as to obtain the best multi-features vector for characterizing E-nose data. And then a selection method of representation features of each sensor signals based on elimination transform with pivoting of the Λ statistic was also introduced for the different excitation characteristic of each gas sensor. The research results show that the classification effect of multi-features representation mode (MFRM) is better than that of single feature representation mode (SFRM), and the MFRM is not a regular pattern, but the best multi-features vector of E-nose in MFRM can be obtained by the determining method. Moreover, it is necessary to select the representation features of each sensor signals in the MFRM using the selection method. The visual inspection results based on SFRM and MFRM were examined by Fisher discriminant analysis (FDA) and proved that the introduced methods were very effective, the highest correct discrimination rate based on SFRM is 80%, while the correct discrimination rate of the five features combination is 97%. As an outlook, we believe that the research findings may be universally applied for the classification of other food and agriculture products using E-nose.     

基于高光谱成像技术的苹果表面缺陷无损检测

以"红富士"苹果为研究对象,提出基于高光谱成像技术结合图像分割技术的苹果表面缺陷的无损检测方法。采用高光谱图像采集系统(400 nm～1 000 nm)采集完好无损和表面有缺陷苹果的高光谱图像;对采集到的高光谱图像进行最小噪声分离变换,提取感兴趣区域的平均光谱反射率;采用图像分割技术提出苹果表面缺陷的无损检测方法。结果表明:采用最小噪声分离变换可有效地消除苹果高光谱图像中的噪声;在700 nm～800 nm以及900 nm～1 000 nm波段范围内完好无损和表面有缺陷的苹果的光谱反射率值具有明显的差异,同时选取特征波长717.98 nm处的光谱反射率值小于0.6以及982.59 nm处的光谱反射率值大于0.52作为区分苹果正常区域和表面缺陷区域的阈值条件,进一步利用阈值分割方法对80个完好无损苹果和40个表面有缺陷苹果的正确识别率分别为97.5%和95%。表明高光谱成像技术结合图像分割技术可实现苹果表面缺陷的无损检测。     

应用PCR技术快速检测腐烂苹果中扩展青霉菌

利用扩展青霉的多聚半乳糖醛酸酶基因序列,设计一对特异性引物,通过聚合酶链式反应(polymerase chainreaction,PCR)反应快速检测腐烂苹果中的扩展青霉。反应的特异性和敏感性以及反应的最适条件等试验的结果表明:该引物具有很高的特异性和灵敏性,只扩增扩展青霉DNA,而不扩增其他真菌DNA;菌体的检测限为1.34×103个孢子/mL,DNA的检测限为2.40×10-2μg/mL;反应的最适退火温度范围为54～59℃,最适模板浓度范围为2.40～5.28μmol/L。该方法具有简单、快速、特异性好和灵敏性高等特点,可为快速检测腐烂苹果中扩展青霉的实际应用提供借鉴。     

霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1含量电子鼻检测模型的构建

为建立霉变玉米中玉米赤霉烯酮和黄曲霉毒素B1的电子鼻检测方法,首先以电子鼻对7 级不同霉变程度玉米响应信号的积分值作为特征参量,然后分别利用主成分回归、偏最小二乘回归、BP（back-propagation）神经网络、最小二乘支持向量机等方法建立霉变玉米中玉米赤霉烯酮与黄曲霉毒素B1含量的预测模型,并进行了比较分析。结果表明,主成分回归预测精度最差,偏最小二乘回归较差、BP神经网络和最小二乘支持向量机法比较好。对于玉米赤霉烯酮,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为23、45、63、67 个。对于黄曲霉毒素B1,4 种预测模型70 个样本中相对误差控制在5%以内的样本数分别为19、41、62、65 个。同时,变换不同的训练集和测试集以考察BP神经网络、最小二乘支持向量机建模方法的稳健性,结果表明,在BP神经网络结构和最小二乘支持向量机核函数与核函数参数均未发生改变的条件下,两种建模方法依然有较高的预测精度,这说明了两种模型具有较高的稳健性。     

利用近红外光纤分析技术检测饲料中粗纤维含量

利用近红外光纤分析技术检测饲料中粗纤维的含量,采用偏最小二乘回归(PLS)方法,分别对光谱进行附加散射校正、变量标准化、一阶导数和平滑处理,建立了饲料中粗纤维含量的预测模型。其中附加散射校正、一阶导数和9点平滑处理定标效果最优。定标集化学分析值与预测值之间的决定系数(Rc2)和标准分析误差(SEC)分别为0.9698和0.1131%,相对分析误差为6.01;验证集化学分析值与预测值之间的决定系数(Rv2)和标准分析误差(SEP)分别为0.9402和0.1536%,相对分析误差为4.04。结果表明,利用近红外光纤分析技术可以比较准确地定量检测饲料中粗纤维的含量。      

利用近红外光纤分析技术检测饲料中粗纤维含量

利用近红外光纤分析技术检测饲料中粗纤维的含量,采用偏最小二乘回归(PLS)方法,分别对光谱进行附加散射校正、变量标准化、一阶导数和平滑处理,建立了饲料中粗纤维含量的预测模型其中附加散射校正、一阶导数和9点平滑处理定标效果最优 定标集化学分析值与预测值之间的决定系数(Rc2)和标准分析误差(SFC)分别为0.9698和0.1131％,相对分析误差为6.01;验证集化学分析值与预测值之间的决定系数(Rv2)和标准分析误差(SEP)分别为0.9402和0.1536％,相对分析误差为4.04结果表明,利用近红外光纤分析技术可以比较准确地定量检测饲料中粗纤维的含量.     

豆粕霉变过程中品质变化规律的研究

本试验按3×4因子水平设计,在湿度大于75％的条件下,温度分别为20±1℃、25±1℃、30±1℃、35±1℃的四个恒温培养箱中,用三种不同含水量(13.89±0.04％、15.77±O.02％、17.66±0.05％)豆粕进行发霉试验,试验分12个处理,每个处理设40袋密封包装的豆粕,研究发霉豆粕的粗脂肪含量、粗蛋白含量、蛋白质溶解度、脲酶活性△pH的变化。结果表明,随着霉菌生长,豆粕的蛋白质溶解度在逐渐减少,霉菌增长与豆粕的蛋白质溶解度降低有较强的负线性相关关系(P<0.05);随着霉菌生长,豆粕的粗脂肪含量在逐渐减少,霉菌增长与豆粕粗脂肪含量的降低有较强的负相关性(P<0.05);霉菌生长对豆粕的粗蛋白质的含量和脲酶活性指数△pH没有显著的影响(P>0.1)。     

四种常用饲料原料生霉后品质变化规律研究

研究了四种常用饲料原料(玉米、豆粕、鱼粉、双低菜粕)霉变过程中的品质变化规律。结果表明粗脂肪、纯蛋白和淀粉随着储存时间的延长一直呈现出递减的趋势;TBA值、以及黄曲霉毒素B1含量则一直呈现出递增的趋势;水分含量和水分活度随着储存时间的延长先表现出递减的趋势,后出现增加的趋势;脂肪酸值(酸价)、过氧化值和挥发性盐基氮含量随着储存时间的延长先表现增加的趋势,后出现递减的趋势;粗蛋白、玉米赤霉烯酮含量随着储存时间的延长没有显著的变化。     

近红外光谱分析技术在糜子品质检测中的应用

为寻找一种简便易行的糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量测定方法,以120个普通糜子品种为材料,采用近红外漫反射光谱(NIRS)法测定糜子籽粒水分、淀粉、粗蛋白、粗脂肪含量进行了研究。结果表明,采用一阶导数+减去一条直线、矢量归一化光谱预处理,分别建立水分、淀粉、粗蛋白、粗脂肪含量的校正模型,校正和预测效果最佳。模型的校正决定系数(R~2cal)分别为0.921 0、0.905 8,0.926 3和0.904 5,交叉验证决定系数(R~2cv)分别为0.921 0、0.900 2、0.940 0和0.881 2;外部验证决定系数(R~2val)分别为0.912、0.801、0.890和0.786。结果表明该模型代替化学分析法鉴定糜子品质是完全可行的。     

腐烂苹果中棒曲霉素的分布研究

为探讨腐烂苹果中棒曲霉素(patulin,Pat)的分布情况,用富士苹果作材料,高效液相色谱仪(HPLC)检测Pat 含量。结果表明：苹果腐烂程度越高,Pat 平均含量越大;腐烂部位Pat 含量最大,离腐烂部位越远,Pat含量随距离增加而降低;腐烂苹果中的Pat 大部分已经扩散至未腐烂部分。建议生产中将腐烂严重的苹果整个弃除。     

Thermal Degradation of Texture in Apples

Thermal degradation of texture in Cortland and Spigold varieties of apples was studied using instrumental Texture Profile Analysis. The loss of hardness was modeled as a first order reaction and the activation energy was found to be 26.5 kcal/mole and 15.6 kcal/mole for Cortland and Spigold, respectively. The z value for the loss of hardness was found to be 24.8°C and 42.2°C, respectively, for Cortland and Spigold. The temperature of processing was found to significantly change hardness, cohesiveness, and chewiness in both the varieties. In the case of Spigold, time of processing was found to significantly affect hardness and cohesiveness. And in the case of Cortland, time of processing was found to significantly change hardness, springiness and chewiness.     

箱装苹果的缓冲衬垫设计

将采用四种不同缓冲衬垫的箱装苹果分别在三个不同高度下进行跌落试验,研究影响苹果跌落损伤程度的主要因素。结合实验结果,制定箱装苹果缓冲衬垫设计方案,设计了一种有效保护箱内果品的缓冲包装。     

Composition of Red Delicious Apples

The proximate composition and the water soluble vitamin and elemental composition of Red Delicious apples purchased from six marketing locations at marketing times near maximum and minimum product availability was determined. Ascorbic acid, niacin, vitamin B₆, thiamin, folacin, Ca and Na were significantly (P < 0.01) higher in apples purchased in May (minimum availability) compared to those purchased in November (maximum availability). Values for ascorbic acid, vitamin B₆, folacin, Ca and Fe were lower and Mg and Na were higher than tabulated values. The proximate composition and mean values for other micronutrients approximated those in Handbook 8.