融合密度与光谱特征的苹果霉心病无损检测

针对近红外漫反射光谱对苹果霉心病判别准确率较低的问题,提出了一种融合密度特征与漫反射光谱的苹果霉心病多因子无损检测方法。基于光谱采集平台获取195个富士苹果的漫反射光谱(200～1 100 nm)信息,利用WLD-600密度仪获取苹果密度信息,采用标准正态变量变换(standard normal variable transformation, SNV)对光谱数据进行预处理,竞争性自适应重加权采样法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projection algorithm, SPA)结合用于提取与霉心病相关的特征光谱,分别以密度、特征光谱、密度+特征光谱作为模型因子,建立偏最小二乘判别(partial least squares discriminant analysis, PLS-DA)、Fisher判别、支持向量机(support vector machine, SVM)和最小二乘支持向量机(least squares support vector machine, LS-SVM)4...     

快速无损检测技术在苹果霉心病检测中的应用研究进展

苹果具有丰富的维生素与膳食纤维, 是人们日常饮食中必不可少的果蔬之一。中国是苹果消费大国, 且随着人们对生活品质追求的提升与对营养健康要求的提高, 优质苹果的需求量逐年增加。苹果霉心病是影响苹果品质的主要病害之一, 此种病害从外部无法识别, 因此检测十分困难, 而光谱技术、电磁技术等无损检测技术具有准确、高效、便捷、无损等的优势特点弥补了,能够大大降低霉心病的其 检测缺陷难度大大降低。本文重点分析包括近红外光谱、高光谱、拉曼光谱、电子鼻、声学、电学及磁学技术在内的7种无损检测技术在苹果霉心病检测方面的应用, 并对各技术的优劣势进行分析, 结合当前发展迅速的AI技术进行探讨, 对各技术在苹果霉心病快速检测领域的未来发展方向进行展望, 期望为苹果霉心病的快速无损智能化检测提供基础理论与应用参考。     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以红富士霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-laye...     

基于电子鼻表征霉心病苹果特征气味及无损检测模型建立

为探究电子鼻检测技术对霉心病苹果的判别效果,以富士健康苹果和霉心病苹果为试材,基于SIMCA软件对采集的不同病变程度霉心病苹果的电子鼻信息进行表征,基于SPSS 23.0软件建立霉心病苹果Fisher函数、多层感知器神经网络(muhilayer perceptron neural network,MLPNN)和径向基函...     

苹果腐心病的透射光谱在线检测系统设计及试验

针对苹果内部缺陷在线检测的产业技术需求,研究基于透射光谱技术的苹果内部缺陷在线检测系统。研究设计了光源套件、专用光纤和果托式输送单元等关键部件,提升在线透射光谱质量、降低热损伤和机械损伤;解决了光电信号干扰问题,开发了专用检测软件,实现苹果内部品质信息的无损在线获取。比较分析了正常苹果与腐心病果的光谱响应差异,优化参数后设置在线检测速度3个/秒,触发控制光谱采集时间80 ms。在选择特征波长的基础上利用线性判别分析建立了苹果腐心病的在线判别模型,预测的总体识别率达90%以上。研究结果表明该系统可以实现苹果内部缺陷的快速、无损在线检测。     

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。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。      

基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材,分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号,用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型;同时电子鼻结合3?种化学计量学的方法进行建模。结果表明,经一阶导数（9?点平滑）预处理的近红外光谱,提取前20?个主成分建立的Fisher判别模型效果最好,对未知样本的正确判别率达100%;电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中,近红外光谱技术结合Fisher判别对苹果水心病的识别率最高,是一种准确可靠的测定方法。     

苹果近红外光谱无损检测技术的研究进展

介绍了NIR(近红外)无损检测技术的基本原理和数据处理方法,综述了国内外应用NIR无损检测技术在苹果糖度、酸度等内部品质以及褐变和病害等内部缺陷方面的研究现状,展望了苹果NIR光谱无损检测技术研究方向和应用前景。     

基于电感耦合等离子体质谱仪分析矿物元素含量的大豆产地溯源

为表征相似地域特性的溯源指标,提高矿物元素对大豆产地溯源的准确性及稳定性。采用电感耦合等离子体质谱仪分析黑龙江省北安市9个农场及黑河市嫩江县6个农场共42个大豆样品中矿物元素含量,对所得的矿物元素含量数据进行方差分析、主成分分析和判别分析。结果显示:北安市和黑河市嫩江县矿物元素溯源指标,第1主成分主要由V、Fe、La、Ce、Pr、Nd、Dy、Er、Yb 9种元素构成,贡献率最大,为28.390%;第2主成分主要由As、Se、Lu、Ir、Au 5种元素构成,贡献率为14.435%;第3主成分主要由Ca、Ni、Cd、Ba 4种元素构成,贡献率为10.881%。利用大豆中矿物元素含量的分析,实现了省内大豆主产区产地溯源,并获得了黑龙江省两个大豆主产区溯源指标,分别为Na、K、Mn、Rb、Ba和Au 6种元素。综合2个主产区42个大豆样品矿物元素分析结果,实现了对黑龙江省两大主产区大豆产地溯源的准确判别,正确判别率为100%。     

基于Welch法功率谱和广义回归神经网络的禽蛋裂纹辨识

为建立一种快速无损检测禽蛋裂纹的方法,构建了基于磁致伸缩振子扫频式振动的禽蛋裂纹检测系统。系统以声学特性为基础,通过利用Welch法功率谱分析禽蛋振动音频信号,利用主成分分析法提取特征向量中的有用信息并构建基于广义回归神经网络（generalized regression neural network,GRNN）的禽蛋裂纹检测模型。实验对290 枚鸡蛋进行检测（训练集200 枚,测试集90 枚）。结果表明,测试集中无损蛋与裂纹蛋的判别率分别达到96.7%和98.3%。研究表明,利用磁致伸缩振子扫频和Welch法功率谱分析,通过主成分分析法提取特征向量中的有用信息并结合GRNN模型检测禽蛋裂纹是可行的。     

基于低场核磁共振技术的注胶肉快速检测

目的:探索并建立一种新的注胶猪肉快速检测方法.方法:以正常猪肉及注射不同种类胶(黄原胶、卡拉胶、明胶、琼脂)的注胶肉为对象,利用低场核磁共振并结合主成分分析法分析处理的检测数据,根据肉品中的水分存在状态及分布结果,对猪肉进行快速检测.结果:正常肉与注胶肉之间、各类注胶肉及不同注胶量之间在主成分得分图上具有很好的区分效果.结论:低场核磁共振技术结合主成分分析法可以快速区分正常肉与注胶肉.     

基于主成分分析和人工神经网络的近红外光谱大豆产地识别

为了准确、快速地识别大豆产地,通过近红外光谱技术(NIRS)结合主成分分析(PCA)和人工神经网络技术(ANN)研究不同国家大豆内含特征,建立进口大豆产地识别模型.采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本.采用多元散射校正(MSC)、标准正态变量(SNV)、Savitz...     

基于近红外光谱的豆酱鉴别技术研究

针对葱伴侣、凤彩桥、海天和金菜地四种品牌的豆酱,利用近红外光谱分析技术,对其进行预处理、主成分分析(PCA)、聚类分析(CA)和判别分析(DA),以建立识别不同豆酱品牌的近红外光谱定性判别模型.分析结果显示4种不同品牌的平均近红外光谱存在差异,其主成分空间分布也处于不同区域.对样品进行聚类分析,凤彩桥和海天存在小部分交...     

基于金属元素组成的新疆石榴产地识别分析

采用电感耦合等离子体原子发射光谱法,对新疆6 个主要产地（库车、吐鲁番、叶城、疏附、喀什、和田）的36 个石榴样品的可食部分（果肉）和籽中12 种金属元素的含量进行测定,采用主成分分析（principalcomponent analysis,PCA）和线性判别分析（linear discrimination analysis,LDA）对石榴可食部分和籽中金属元素进行综合评价。结果表明：PCA得出2 个三因子模型,分别解释了石榴可食部分和籽中金属元素数据的84.29%和60.33%;通过对石榴可食部分中金属元素组成进行PCA,PCA更好地将36 个石榴样品划分为6 类,与实际产地吻合。LDA得出新疆不同产地石榴可食部分和籽的总体验证判别率分别为100%和100%,交互验证判别率分别为100%和94.44%。说明提出的方法具有很好的产地识别作用,可作为石榴产地的一种鉴别方法。     

基于电子鼻与电子舌技术评价氯吡脲对甜瓜品质的影响

为了评价施用氯吡脲对甜瓜风味品质的影响,本实验以薄皮甜瓜为研究对象,采用电子鼻和电子舌技术结合主成分分析(PCA)和判别式分析方法,并结合甜瓜的生理指标进行分析对甜瓜风味品质进行评价。结果发现使用氯吡脲后的甜瓜与人工授粉的甜瓜相比,甜瓜的纵径和单果重显著提高(p<0.05),而横径和甜瓜中的可溶性固形物没有显著性差异;通过对电子鼻检测发现高浓度氯吡脲(20 mg/L)的使用使成熟期甜瓜中部分挥发性成分减少,电子舌数据显示氯吡脲的使用增加了成熟期甜瓜中的呈酸物质。通过主成分分析,发现氯吡脲对其它风味也造成一定影响,处理组与对照组的品质组成存在显著差异(p<0.05),且与氯吡脲的施用浓度存在一定的相关性,本实验为评价氯吡脲对甜瓜等农产品品质影响提供了科学依据,也为制定氯吡脲的合理使用规范提供了重要的数据支撑。     

电子舌对啤酒的区分识别研究

采用电子舌对不同品牌的啤酒及其混合样品进行识别,对所获得的数据进行主成分分析、判别因子分析和偏最小二乘回归分析。结果表明：电子舌能够有效识别不同品牌的啤酒及不同品牌啤酒的混合样品;对不同品牌啤酒的混合样品建立了偏最小二乘回归分析预测模型,电子舌响应信号和啤酒混合比例之间有很好的相关性(相关系数为0.9436),偏最小二乘回归分析模型预测误差在1.43%～3.00%之间。证明电子舌可用于啤酒的识别。