陕西洛川富士鲜苹果品质综合评价及分级体系的构建

建立鲜苹果品质综合评价标准及分级标准,构建鲜苹果品质的综合评价及分级体系,为鲜苹果品质在线无损检测提供技术支撑。以陕西洛川富士苹果为材料,利用SPSS 19.0软件通过因子分析对鲜苹果13 项品质指标进行筛选,利用概率分布和层次分析分别进行品质评价指标的分级及指标权重的确定,再通过K-均值聚类分析和判别分析建立苹果品质判别函数模型。本实验筛选出陕西洛川富士鲜苹果的7 项主要品质指标：单果质量、果形指数、色泽a*值、可溶性固形物含量、硬度、VC含量、糖酸比,建立了主要品质指标的分级标准和评分标准,得到对鲜苹果品质综合评价的5 个判别函数,建模样本和检验样本的判别正确率分别达95.65%和91.67%。     

基于Android微型近红外光谱仪实时检测 云系统的实现

目的基于Android开源平台对MicroNIR 1700微型近红外光谱仪开发微型近红外光谱仪实时检测云系统。方法使用USB Host模式开发Android app应用程序,实现微型近红外光谱仪的控制、光谱采集、样品指标检测、短信通知等功能;采用SHH开源架构搭建web云服务平台,依据光谱分析仪器需求实现了数据监听、数据库存储以及检测信息地图标注等后台服务功能,Android设备通过移动网络与web云服务连接,实现数据的传递与共享。结果使用者仅需通过app程序下载相对应的模型文件并连接微型近红外光谱仪即可实现样品指标的现场检测,并结合网络云服务实现了样品指标检测结果、模型信息、测量时间、终端定位等关键数据的智能云端化监测管理功能。结论该系统运行稳定,为微型近红外光谱仪的网络化、智能化发展提供了一种方向。     

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。     

小麦霉菌污染支持向量机判别模型的建立

为建立一种快速判别小麦霉菌污染的方法,该研究采用近红外光谱技术结合化学计量学方法,以126份小麦样品为研究对象,通过剔除异常样品、光谱降维和预处理,采用支持向量机分类（support vector machine classification,SVM）方法建立判别模型。结果表明：运用基于马氏距离的主成分分析方法剔除异常样品5个,将原始光谱数据进行降维处理得到8个主成分,能够代表原始样本的98.80%。输入变量的最佳预处理方式为标准正态变量变换,最佳核函数为linear,核函数参数C值为10,SVM判别模型的训练集判别正确率为100%,交叉验证判别正确率为98.89%。用未参与建立判别模型的外部验证集样品对SVM判别模型进行验证,结果表明：SVM判别模型对外部验证集样品的判别正确率为100%。该研究所建立的SVM判别模型可以用于小麦霉菌污染的快速检测。     

近红外光谱分析技术在苹果品质检测中的应用进展

苹果营养丰富,是大众水果之一,苹果的品质安全问题一直是社会关注的热点。本研究综述了2012~2016年我国近红外光谱分析技术在苹果品质检测中的研究和应用进展,包括基于近红外光谱的苹果品质检测、模型传递、分类与分级及在线检测系统研制4个方面。对今后我国近红外光谱分析技术在苹果品质检测中的应用提出建议,技术研究方面应不断建立和维护模型数据库,提高模型通用性;技术应用方面应研制在线检测系统和推进软硬件+互联网相结合,使近红外光谱分析技术在苹果品质检测中得到长足的发展。     

基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。     

基于可视传感器阵列的鳊鱼新鲜度评价模型研究

目的 建立基于可视传感器阵列的鳊鱼新鲜度评价模型。方法 研究采用可视传感阵列与鱼体进行无接触式反应, 提取阵列反应前后的颜色变化信息来表征鱼的气味特征; 同时根据行业标准SC/T3032-2007测得表征鱼新鲜度的挥发性盐基氮(TVB-N)含量; 将可视传感技术所得的特征信息与TVB-N指标含量进行关联, 分别建立基于可视传感技术鱼新鲜度评价的定性模型BP神经网络和联合间隔偏最小二乘法(siPLS)定量模型。结果 BP神经网络模型精度较高, 训练集正确率为86.79%, 预测集正确率为86.43%; siPLS模型次之, 模型校正集和预测集的正确率分别为82.52%和80.67%。结论 可视传感器新技术所测得指标与TVB-N相关性较大, 可快速预测出鱼在储藏期间TVB-N的变化从而能够快速、无损地评价鱼类新鲜度。     

基于近红外技术和偏最小二乘判别法对无花果成熟度的快速判别

以无花果为试验对象,对其进行近红外光谱采集,并对其糖度、单果重、纵径、横径、硬度5个指标进行K-均值聚类;根据光谱数据、主成分分析确定最优聚类效果的成分和各类别的指标分布构建偏最小二乘判别分析(PLS-DA)模型进行聚类判别,以实现对果实成熟度(幼果期、成长期、成熟期)分类的准确、快速、无损伤鉴别。结果表明,3种成熟阶段的无花果样品的糖度、单果重和硬度均具有显著性差异,成熟果和成长果与幼果的纵径和横径间具有显著性差异。根据PLS-DA判别模型累计训练集的分类正确率为99.59%,测试集的分类正确率为99.15%。说明主成分分析与光谱数据所建立的PLS-DA模型性能较好,对无花果成熟度的快速鉴别是有效且可行的。     

基于光学性质判别苹果的早期轻微损伤

苹果的轻微损伤部位容易被病原微生物入侵,导致自身和周围果实腐烂。早期轻微损伤的检测能有效降低损失。本研究采用单积分球系统结合反向倍增法测量1450~1800 nm波段下极品富士苹果的光学参数,采用多元散射校正和标准正态变量对数据进行预处理。基于1450~1800 nm的吸收系数和约化散射系数,结合主成分分析和概率神经网络(PNN)建立了苹果轻微损伤的判别模型。构建的模型对无损伤样品判断准确率达到96%以上,当PNN密度分度值(Spread)小于0.7时,吸收系数对有损伤样品的判断准确率为100%。实验结果说明了苹果在1450~1800 nm范围内的光学性质能够用于判断苹果早期轻微损伤,为光学参数检测水果损伤提供应用前景。     

基于Android平台微型近红外光谱仪的开发与应用

在Android平台上对C11708MA微型近红外光谱仪进行系统开发,实现光谱仪控制、样品指标测量、调用模型文件并显示样品可溶性固形物的预测结果等功能。利用近红外漫反射无损检测技术对镇江句容果园水蜜桃样品的可溶性固形物含量进行相关研究,运用化学计量学方法建立了水蜜桃可溶性固形物含量的近红外模型,并对模型的性能进行了评价。结果表明,采用偏最小二乘法(PLS)建立模型,光谱预处理的最佳条件为:移动窗口平滑(MAF)和Savitzky-Golay一阶导数。所建模型的校正相关系数(R_c)和预测相关系数(R_p)分别为0.931 1和0.880 2,校正标准偏差(RMSEC)和预测标准偏差(RMSEP)分别为0.441 0和0.531 0。开发的App程序运行稳定,预测结果准确,可应用于水蜜桃内部品质可溶性固形物含量的快速、无损、活体检测。     

近红外光谱法快速分析马铃薯煎炸油的品质

为快速监测马铃薯煎炸油的品质,选择棕榈油、菜籽油和大豆油为研究对象,运用近红外光谱分析方法分别建立了3种煎炸油的定性判别模型,以及酸价、过氧化值与极性组分3个关键质量控制指标的定量模型。基于马氏距离法的定性模型对检测集进行判别,结果表明根据距离阈值判断的正确率达到100%。基于偏最小二乘法建立的定量模型对样品进行预测,结果显示理化指标定量模型基本符合实际应用要求。棕榈油、菜籽油、大豆油煎炸油品质定量模型验证集的结果验证了定量模型的可靠性。研究表明利用近红外光谱法能够实现对马铃薯煎炸油品质的快速鉴定。     

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。     

可见/近红外光谱半透射法检测苹果中可溶性固形物含量

目的 检验自行搭建的半透射光谱采集平台检测水果中可溶性固形物含量的可行性, 并比较不同光谱采集方式对光谱模型的影响。方法 以红富士苹果为检测对象, 光谱采集平台中的USB2000 光谱仪采集半透射光谱数据, AntarisⅡ FT-NIR光谱仪采集漫反射光谱数据, 同标准法检测得到的苹果可溶性固形物含量建立偏最小二乘(PLS)模型, 并结合不同的预处理方式优化近红外光谱模型。结果 比较发现采用半透射的光谱采集方式优于漫反射方式。半透射光谱采用平滑处理后模型预测性能最佳, 对样本预测得到相关系数为0.937, 均方根误差为0.517。结论 自行搭建的光谱采集平台可行, 为今后检测水果的光谱采集方式提供参考。     

苹果可溶性固形物近红外光谱无损检测试验

可溶性固形物(Soluble solids contents, SSC)是单糖、双糖和多糖等可溶性糖的总称,是苹果口感和营养品质的关键评价指标之一。为实现苹果可溶性固形物的快速检测,采用STS和QE两款不同光谱仪采集光谱,开展SSC无损检测试验研究。对比分析卷积平滑(SG)、一阶导数(FD)、多元散射校正(MSC)等各种预处理方法及其组合方法,改善光谱信号的效果,对比STS和QE两款仪器的信噪比,并建立不同波长范围的偏最小二乘回归(PLS)模型,建立最佳预处理方法处理后的PLS模型。其中, SG-MSC组合预处理效果最好, STS和QE光谱仪测得的苹果光谱模型预测相关系数分别为0.951和0.859,预测均方根误差为0.433%和0.732%。结果表明,搭建的试验平台可实现苹果SSC的测量,且使用STS光谱仪采集到的光谱信号优于QE光谱仪,研究可为苹果SSC快速检测仪器的设计提供参考。     

基于电子鼻技术的玫瑰香葡萄贮藏期快速判别

为了建立基于电子鼻技术的玫瑰香葡萄贮藏期快速、无损判别方法。采用电子鼻PEN3系统分别对10,0℃贮藏不同时间的玫瑰香葡萄进行检测,分析传感器载荷贡献率,应用主成分分析、线性判别分析对贮藏期进行区分,建立贮藏期判别模型,比较马氏距离法、欧氏距离法、相关性法、判别函数分析法对未知样品贮藏时间的判别效果,同时测定贮藏期间的好果率、可溶性固形物、总酸、VC、硬度等指标,考察品质变化规律。结果表明:玫瑰香葡萄在贮藏期间品质变化呈现一定规律性,电子鼻不同的模式识别方法可将不同贮藏期样品有效区分,应用判别函数分析对未知样品的判别正确率达95%。因此,利用电子鼻判别玫瑰香葡萄的贮藏期方法可行。     

水果腐败传感监测系统设计与试验

目的：解决水果腐败多气体动态监测和早期预警的难点。方法：设计了气体传感器模块、数据采集模块等模块,开发了检测软件,集成研制了基于气体传感器阵列检测系统。以苹果为验证对象,探析了苹果腐败前气体传感器的响应差异及变化规律。结果：建立了线性判别分析、K-最近邻和反向传播人工神经网络（BP-ANN）3种苹果腐败前天数的判别模型,其中BP-ANN识别率达99%;通过联合区间、遗传算法、模拟退火、蚁群算法和竞争自适应重加权抽样法（CARS）5种变量筛选方法结合偏最小二乘法（PLS）筛选特征变量,建立了腐败前天数定量预测模型,CARS-PLS模型的预测效果最优,相关系数可达0.974。结论：基于气体传感器技术的水果腐败检测是可行的,为水果腐败检测系统的研发提供参考。     

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。     

近红外漫反射光谱技术对小米产地的快速检测

为实现对小米产地溯源的快速检测,保护优质小米的品牌效益,维护消费者的合法权益,采用近红外漫反射光谱技术结合化学计量学,对来自肇源及肇州两地区的144份小米样品进行产地溯源研究。结果表明,采用因子化法建立的鉴别分析模型对肇源及肇州地区的小米样品鉴别正确率均为100%;采用欧氏距离法建立的聚类分析模型对两地区小米样品的鉴别正确率分别为95.65%和100%;采用偏最小二乘法建立的定量分析模型对两地区小米样品的鉴别正确率分别为95.65%和91.67%。由此可知,近红外漫反射光谱法是一种快速、高效、无损的小米产地溯源判别技术。     

冬枣的保鲜方法研究及电子鼻评价

针对冬枣不耐储藏的特点,研究了0.01%水杨酸处理对冬枣的影响。检验了冬枣贮藏过程中果实硬度参数发生变化,同时以电子鼻系统检测冬枣样品。试验结果表明水杨酸处理的冬枣样品的硬度指标优于未处理的冬枣样品。水杨酸处理冬枣的电子鼻贮存期检测模型(R2=0.93325)相比较未处理冬枣的电子鼻贮存期检测模型(R2=0.73406)具有更高的检测准确度。     

基于敲击振动检测苹果内部缺陷的研究

为了能快速检测并剔除有内部缺陷的苹果,利用敲击振动的方法研究了红富士和金冠苹果共振频率的变化规律,发现苹果的硬度系数和腐烂面积有很好的相关性,提出了一种无损检测苹果内部缺陷的方法.红富士和金冠苹果的硬度系数与腐烂面积的相关系数R2分别为0.998和0.878.以苹果的硬度系数为自变量,建立了Logistic回归方程,其中第5d红富士和金冠苹果的预测值与实际值一致对比例为76.0%和78.9%,OR(比数比)值分别为76.0和79.0,建立的方程基本能够检测出内部有缺陷的苹果.