基于MATLAB软件的苹果内部品质系统化无损检测

研究将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度的近红外光谱扫描、数据处理、模型建立、含量预测及模型评价等在线无损检测水果内部品质的一体化。以市售陕西红富士苹果为材料,通过近红外文件格式转换、近红外光谱预处理、偏最小二乘法(PLS)回归分析、预测模型的建立、结果预测及模型精度检验等工作编写和调试基于MATLAB语言的模块化程序,经主程序调用建立苹果糖度及可滴定酸度的定量预测模型。结果表明:本实验所建预测模型糖度及可滴定酸度预测值和真实值之间的相关系数R分别为0.9528,0.8786;标准校正误差(SEC)分别为0.4788,0.0215;标准预测误差(SEP)分别为0.3170,0.0128;标准偏差(SD)分别为1.4111,0.0390,模型具有较高的预测精度。因此,将近红外设备与MATLAB软件链接,实现苹果糖度及可滴定酸度在线无损检测的一体化具有可行性且模型检测精度较高,对开发水果内部品质评价及在线分级软件具有重要意义。     

近红外光谱法快速检测甜菜糖度的模型优化

目的建立起近红外光谱技术关于甜菜糖度的最佳预测模型。方法研究了Savitzky-Golay平滑处理、Savitzky-Golay导数、均值中心化、差分求导、净分析信号、去趋势校正、标准正态变量变换和多元散射校正等8种预处理方法的多方法联用处理进行光谱数据的预处理,结合光谱波段优选,建立甜菜糖度与近红外光谱的预测模型。结果在进行模型的评价时,以误差均方根(SEP)、校正标准误差(SEC)与交叉检验误差(SECV)作为评价指标。结论发现经过光谱波段优选之后,结合Savitzky-Golay平滑、Savitzky-Golay导数、去趋势校正及均值中心化进行光谱数据的预处理得到的模型效果最佳。     

苹果糖度近红外光谱检测的初步试验研究

应用近红外光谱漫反射技术,开展了苹果内部品质无损检测的研究。对试验结果的方差分析表明:苹果不同测量位置对光谱测量的影响不显著,而不同测量距离对光谱影响较显著。运用SPSS10.0统计软件对苹果糖度与光谱曲线波峰处对应的吸光度进行多元线性回归分析,建立最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程,相关系数R分别为0.621、0.675、0.797和0.822,标准校正误差(SEC)分别为1.75、1.65、1.34和1.27°Brix,相对校正误差(R SEC)分别为13.73%、12.96%、11.42%和10.81%,试验表明:利用近红外光谱技术无损检测苹果糖度等内部品质是可行性的,也为今后进一步建立水果内部品质预测模型奠定了基础。     

基于近红外技术测定不同鲜肉中挥发性盐基氮含量

目的 应用近红外光谱技术快速检测猪肉、羊肉和牛肉的挥发性盐基氮含量。方法 本实验采集各种肉类的近红外光谱, 运用偏最小二乘法(partial least squares, PLS), 光谱经多种不同预处理方式并通过比较选择最优处理后, 建立挥发性盐基氮含量的近红外校正模型。结果 猪肉选择一阶导、S-G平滑方式, 羊肉选择二阶导、S-G平滑方式, 牛肉选择一阶导、Norris平滑方式。猪肉、羊肉和牛肉的挥发性盐基氮建模集相关系数分别为0.9069、0.9106和0.9587, 方根误差分别为1.12、1.64和2.20。结论 所建立的模型取得了较好的结果, 验证了近红外光谱技术对猪肉、羊肉和牛肉挥发性盐基氮进行定量分析的巨大应用潜力。     

无损检测光动力杀菌鲜切苹果气味及糖度

目的利用电子鼻及高光谱成像无损检测技术评价光动力杀菌对鲜切苹果气味及糖度的影响。方法通过电子鼻,基于雷达图、负荷加载(loadings)和主成分分析(principal components analysis,PCA)评价光动力处理鲜切苹果风味变化。卷积平滑(Savitzkye-Golay,S-G)和多元散射矫正(multiplicative signal correction,MSC)预处理高光谱数据,以偏最小二乘法建立糖度数学模型。结果鲜切苹果贮藏8 d后挥发性物质增加,其中2、8号传感器在区分其香气成分中起关键作用,结果显示光动力处理对鲜切苹果气味影响较小。高光谱S-G模型拟合效果较好,预测均方根误差为0.5320,相关系数r为0.8452,且光动力处理有助于维持其贮藏前期可溶性糖分含量。结论电子鼻及高光谱技术可以无损检测鲜切果蔬品质,可为光动力处理作为新型非热杀菌技术在鲜切果蔬保鲜的应用提供理论参考。     

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.     

苹果糖度近红外光谱检测波段试验研究

目的通过近红外光谱技术对苹果进行无损检测,具有快速、非破坏性、无试剂分析、安全、高效、低成本等特点。方法本文运用Matlab7.1,对苹果的糖度与光谱曲线在不同波段处的相对光强进行多元线性回归分析,建立了最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程。结果校正方程的相关系数分别为0.621、0.715、0.797和0.822,标准校正误差分别为1.325、1.218、1.074和0.997Brix°,相对校正误差分别为11.28%、10.42%、9.63%和9.26%。结论试验表明用近红外光谱技术无损检测苹果糖度是可行性的,为今后进一步检测苹果的其他品质奠定基础。     

莲藕淀粉含量的近红外光谱无损检测方法

应用近红外光谱技术无损检测莲藕的淀粉含量。对光谱数据的3种预处理方法进行了比较分析,再采用偏最小二乘法(PLS)和联合区间偏最小二乘法(SiPLS)建立了莲藕淀粉含量的近红外光谱分析模型。研究结果表明,经多元散射校正、一阶导数和平滑等结合的预处理,采用联合区间偏最小二乘法(SiPLS)建立的模型最佳;其校正集的相关系数(Rc)和均方根误差(RMSEC)分别为0.960 0和0.741 6,预测集的相关系数(Rp)和均方根误差(RMSEP)为0.923 8和1.050 6,可以满足实际应用要求。结论:利用近红外光谱技术对莲藕淀粉含量进行无损检测切实可行。     

基于可见-近红外光谱技术对市售紫薯粉的品质评价

目的建立可见-近红外光谱法结合偏最小二乘回归法对市售紫薯粉的品质进行评价。方法以市售紫薯粉为研究对象,对其原始光谱进行S-G 9点卷积平滑(savitzky-golay smoothing,S-G)、标准正态变量变换(standard normal variable transform,SNV)预处理,建立碘蓝值、花青素以及水分含量的偏最小二乘模型。结果花青素模型校正集和预测集的相关系数分别为0.9750和0.9461,均方根误差分别为0.1052 mg/g和0.1918 mg/g;碘蓝值模型校正集和预测集的相关系数分别为0.9687和0.9673,均方根误差分别为7.0256和7.1848;水分含量校正集和预测集的相关系数分别为0.9397和0.9219,均方根误差分别为0.5589%和0.5965%。结论基于可见-近红外光谱技术可以实现对市售紫薯粉的花青素、碘蓝值以及水分含量的快速无损检测,对市售紫薯粉的品质评价提供理论参考。     

NIR高光谱成像技术检测冷鲜羊肉嫩度

利用900~1700 nm近红外高光谱成像系统对冷鲜羊肉嫩度进行快速无损检测研究。采集冷鲜羊肉(1~8 d)表面的高光谱散射图像,提取样本感兴趣区域反射光谱曲线并用剪切力值表征冷鲜羊肉的标准嫩度。以原始光谱、特征区域光谱和Savitzky-Golay卷积平滑预处理光谱建立冷鲜羊肉嫩度的偏最小二乘回归(PLSR)模型,预处理的特征区域光谱建立的模型效果更优。结果表明:特征区域光谱可有效替代全波段光谱,经过S-G卷积平滑预处理后,模型预测效果最佳,预测相关系数(Rp)和均方根误差(RMSEP)分别为0.773和1.060。研究表明:利用近红外高光谱成像技术结合偏最小二乘回归法对冷鲜羊肉嫩度的快速无损检测是可行的。     

基于气流-激光检测技术的面包老化表征

目的 探索应用气流-激光检测技术实现面包老化快速定量检测方法。方法 使用基于气流-激光检测技术的检测装置进行蠕变测试对面包黏弹性参数进行采集,分别使用采集到的蠕变阶段全参数和基于伯格斯模型提取的力学特性参数,结合不同预处理方法建立基于水分含量的水分损失速率和基于硬度的老化率的多元线性回归分析和偏最小二乘回归分析模型。结果 使用蠕变阶段全参数建立的预测模型取得最佳预测效果,对于老化率模型,使用S-G卷积平滑结合偏最小二乘回归最佳建模结果为校正集和验证集相关系数分别为0.971和0.959,校正集均方根误差和验证集均方根误差分别为9.723和10.721;对于水分损失速率模型,使用1阶导加S-G卷积平滑结合偏最小二乘回归最佳建模结果为校正集和验证集相关系数分别为0.984和0.968,校正集均方根误差和验证集均方根误差分别为0.002和0.002。结论 使用气流-激光检测技术可以对面包老化进行快速、简单、可靠的表征,本研究为面包老化的定量检测提供了新思路。     

近红外技术快速检测冷鲜羊肉品质的研究

目的建立近红外反射光谱法,结合偏最小二乘回归法对冷鲜羊肉进行快速无损检测。方法从农贸市场购买新冷鲜羊肉100批,通过分析一阶导和二阶导,S-G平滑(savitzky-golay,S-G)和Norris平滑方式建立羊肉的近红外光谱参数与样品的蛋白质、脂肪、水分含量之间的对应关系模型。结果蛋白质含量最优模型选择5981.72～5961.74 cm~(-1)波段,二阶导,S-G平滑方式,相关系数为0.9312,建模方差为0.803;脂肪含量最优模型选择5207-7362 cm~(-1)波段,一阶导,Norris平滑方式,其相关系数0.9157,建模方差为4.703;水分含量最优模型选择6800-9000 cm~(-1)波段,一阶导,Norris平滑方式,相关系数为0.9200,建模方差为0.039。结论所建立模型的精确度符合检测要求,为羊肉品质的分析测定提供了一种快速方便的检测方法 。     

Measurement of yogurt internal quality through using Vis/NIR spectroscopy

A nondestructive optical method for determining the sugar content and acidity of yogurt was investigated. Three types of preprocessing, S. Golay smoothing with multiplicative scatter correction (S. Golay smoothing with MSC), S. Golay 1st-Der and wavelet package transform (WPT), were used before the data were analyzed with chemometrics methods of partial least square (PLS). Spectral data sets as the logarithms of the reflectance reciprocal were analyzed to build a best model for predicting the sugar content and acidity of yogurt. A model using preprocessing of WPT with a correlation coefficient of 0.91 and 0.90, a root mean square error of prediction (RMSEP) of 0.36 and 0.04 showed an excellent prediction performance to sugar content and acidity. S. Golay smoothing with MSC was also finer, combined with the calibration and validation results. S. Golay 1st-Der was the worse preprocessing method in this experiment. In the paper, a multivariate calibration method of principal component artificial neural network (PC-ANN) was also established. In PC-ANN models, the scores of the principal components were chosen as the input nodes for the input layer of ANN. After adjusting the number of input nodes (principal components), hidden nodes, as well as learning rate and momentum of the network, a model with a correlation coefficient of 0.92 and 0.91, a root mean square error of prediction (RMSEP) of 0.33 and 0.04 showed an excellent prediction performance on sugar content and acidity. At the same time, the sensitive wavelengths corresponding to the sugar content and acidity of yogurt were proposed on the basis of regression coefficients by PLS.     

基于MCCV-CARS-RF建立红提糖度和酸度的可见-近红外光谱无损检测方法

利用USB2000＋微型光谱仪采集红提400～1?000?nm透过率光谱数据,并通过理化分析测得糖度和酸度值;利用SavitZky-Golay卷积平滑法对原始光谱进行预处理,结合蒙特卡罗交叉验证法剔除奇异点,再利用竞争自适应重加权采样法降维,最终建立随机森林预测模型。糖度预测模型的校正集相关系数和均方根误差分别为0.955?8和0.315?8;验证集相关系数和均方根误差为0.956?8和0.318?5。酸度预测模型的校正集相关系数和均方根误差分别是0.945?6和0.300?1;验证集相关系数和均方根误差为0.940?5和0.311?2。结果表明,该方法适用于红提糖度和酸度的快速无损检测,且具有较高的准确度。     

Non-destructive evaluation of maturity and quality parameters of pomegranate fruit by visible/near infrared spectroscopy

In this study, the potential of visible and near infrared spectroscopy was investigated to classify the maturity stage and to predict the quality attributes of pomegranate variety “Ashraf” such as total soluble solids content, pH, and titratable acidity during four distinct maturity stages between 88 and 143 days after full bloom. Principal component analysis was used to distinguish among different maturities. The prediction models of internal quality attributes of the pomegranate were developed by partial least squares regression. The transmission spectra of pomegranate were obtained in the wavelength range from 400 to 1100 nm. In this research several preprocessing methods were utilized including centering, smoothing (Savitzky–Golay algorithm, median filter), normalization (multiplicative scatter correction and standard normal variate) and differentiation (first derivative and second derivative). It concluded that different preprocessing techniques had effects on the classification performance of the model using the principal component analysis method. In general, standard normal variate and multiplicative scatter correction gave better results than the other pretreatments. The correlation coefficients (r), root mean square error of calibration and ratio performance deviation for the calibration models were calculated: r = 0.93, root mean square error of calibration = 0.22 °Brix and ratio performance deviation = 6.4 °Brix for total soluble solids; r = 0.84, root mean square error of calibration = 0.064 and ratio performance deviation = 4.95 for pH; r = 0.94, root mean square error of calibration = 0.25 and ratio performance deviation = 5.35 for titratable acidity.     

近红外光谱法检测婴幼儿营养米粉蛋白质含量

以160个婴幼儿营养米粉为样品,应用近红外光谱技术和偏最小二乘法建立了婴幼儿营养米粉中蛋白质含量的近红外模型。比较了2、3、4、5、6、7、8 mm不同装样厚度(即光程)下样品近红外光谱的稳定性,通过样品光谱在不同波数下的标准差选定了5 mm为最佳的装样厚度;比较了变量标准化、导数、多元散射校正和9点平滑预处理方法对模型建立的影响,根据模型的相关系数和均方根误差确定了最佳的预处理方法,为变量标准化、一阶导数和9点平滑,预处理后的光谱数据结合国标方法测定的蛋白质含量建立了婴幼儿营养米粉中蛋白质含量的近红外定量分析模型,定标集和验证集相关系数分别为0.9856、0.9841,均方根误差分别为0.2431%、0.2456%,对已建立的近红外光谱定量分析模型进行了外部样品验证,预测准确度达到96%,验证结果证明了近红外检测技术与国标方法一致性较好,速度快且不需要样品前处理,在婴幼儿营养米粉蛋白质含量分析中具有广泛的应用价值。     

南疆鲜羊肉水分含量的近红外光谱法无损检测

本文在近红外反射光谱780~1700 nm的波长范围内采集新宰杀的同一品种的羊的后腿肉134个样本的光谱数据,来实现快速无损的南疆生鲜羊肉含水量的检测。这些光谱数据经中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等预处理方法对原始光谱进行降噪处理;然后以13:1的比例将样本分为训练集和测试集,并采用PLSR建立预测模型,使用所建模型对生鲜羊肉水分含量进行预测。结果为:训练集的预测相关系数Rc为0.94、标准差MSEC为0.04,预测成功率为97.6%,测试集的预测相关系数Rv为0.89、标准差MSEV为0.07,预测成功率为96.4%。实验结果证实结合中值平滑滤波、多元散射校正、一阶导数、标准化处理、中心化变换和S-G平滑等多种预处理方法建立的基于近红外光谱PLSR模型,可以对南疆鲜羊肉的水分含量进行精确的快速无损评价,并且能为南疆生鲜羊肉水分含量的快速无损检测技术的应用提供理论上的指导。     

英红九号发酵叶中茶褐素近红外定量模型的优化与验证

为提高近红外光谱分析方法快速实现对测定红茶在制品中的茶褐素的定量模型精度无损、快速检测,该试验利用近红外光谱技术对以英红九号发酵叶中茶褐素进行采集、提取和分析的检测为例,对其近红外定量检测模型的构建与优化进行了研究。首先,采用规范化处理（Normalize）、基线校正（Baseline）、S-G一阶导数（Savitzky-Golay,1st S-G）、S-G二阶导数（2nd S-G）、标准正态变量变换（Standard Normal Variate Transform,SNV）五种预处理方法对原始光谱进行预处理分析。然后,采用效果最好的一阶导数预处理方法进行波长特征提取,分别使用间隔偏最小二乘算法（Interval Partial Least Square,iPLS）、竞争自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、变量迭代空间收缩方法（the Variable Iterative Space Shrinkage Approach,VISSA）提取波长特征。最后,使用偏最小二乘回归（Partial Least Square,PLS）预测模型进行回归建模。研究结果表明：使用一阶导数进行预处理、同时使用CARS方法建立的1st-CARS-PLS模型效果特征更显著,特征值数量为53个。研究表明,该试验采用的模型方法能够快速、无损地检测英红九号发酵叶中的茶褐素含量。