小麦粉品质在线无损快速检测系统设计与实现

目的:快速无损检测小麦粉的品质。方法:搭建主要包括微型近红外光谱仪集成装置、生产线可调速模拟装置、光谱在线采集控制软件和在线建模分析软件四大部分小麦粉品质在线检测系统,针对小麦粉中水分、灰分、面筋指标采用不同建模算法建立定量分析模型,并对在线定量分析模型稳健性进行优化,分析不同试验条件对建模结果的影响。结果:偏最小二乘回归(PLSR)算法对水分、灰分、面筋的定量分析模型均优于多元线性回归(MLR)和主成分回归(PCR)算法。用石英玻璃杯在线采集小麦粉样品的建模效果最佳,15档速度/积分时间6 000 ms最佳配比的建模效果最佳。结论:基于近红外光谱分析技术的小麦粉品质在线检测系统,可以实现小麦粉品质在线无损快速检测。     

太赫兹衰减全反射技术对板栗果仁霉变程度判别研究

板栗作为我国重要的经济作物，每年因储存不当造成的损失高达年产量的35%~50%，这造成了巨大的经济损失。本文利用太赫兹时域光谱技术，结合模式识别算法建立板栗果仁霉变程度的定性判别模型，从而保障板栗果仁的品质安全。实验选取迁西板栗、沂蒙短枝、怀柔板栗这三个品种的60颗饱满果仁进行霉变培养，并依据国家标准GB/T 22346-2008《板栗质量等级》将板栗果仁分为正常、轻度霉变、重度霉变3类，采集板栗果仁样本太赫兹光谱（波段0.3~3.6THz）后进行光学常数提取，从而得到样本的吸收系数谱图和折射率谱图，并结合基于遗传算法（Genetic Algorithm ，GA）寻优和基于粒子群算法（Particle Swarm Optimization，PSO）寻优的支持向量机算法（Support Vector Machine Algorithm，SVM）建立定性判别模型。实验结果表明，PSO-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为91.6667%，GA-SVM算法模型对板栗果仁霉变程度的预测集识别正确率为100%。由此可得，利用太赫兹时域光谱技术可以实现对板栗果仁霉变程度的区分识别，为太赫兹技术在食品检测领域的应用提供了理论基础。     

基于中红外光谱法检测煎炸油极性组分

目的 利用中红外光谱技术实现对煎炸油极性组分的快速检测。方法 根据光谱-理化值共生距离分类法对煎炸油中红外光谱数据进行样本划分,从而得到校正集和预测集。采用卷积(Savitzy-Golay,S-G)平滑+一阶导数预处理手段,利用竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行特征提取,建立煎炸油极性组分含量的偏最小二乘回归(partial least squares regression, PLSR)预测模型,并利用BP神经网络算法对模型进行优化。结果 BP神经网络算法建立的模型校正集决定系数为0.9032,校正集均方根误差(root means quare error of calibration,RMSEC)为0.1264,预测集决定系数为0.8569,预测集均方根误差(root mean square error of prediction, RMSEP)为0.0625。经BP神经网络算法优化后,均方根误差明显减小,提高了预测模型的准确性。结论 结合BP神经网络算法的中红外光谱技术是一种检测煎炸油极性组分的有...     

基于太赫兹成像技术的发芽葵花籽无损检测研究

发芽葵花籽中脂肪和蛋白质等营养物质的含量会减少，影响油脂产品的产量及品质，因此需要保证葵花籽的品质安全。在对发芽葵花籽进行检测研究时，通常需要剥除葵花籽的外壳，破坏样本，这一操作不利于后续的贮藏加工。文章对发芽葵花籽的带壳无损检测方法进行了研究，采用太赫兹透射成像技术结合最大峰值(Max Peak Size)图像重构方法获取发芽葵花籽图像，应用自适应阈值分割法提取图像特征，应用连续投影(Successive Projections Algorithm,SPA)算法提取光谱特征，并通过串行融合实现特征融合，采用误差反向传播(Back propagation,BP)神经网络算法建立了发芽葵花籽在不同频率段内的识别模型。结果表明，采用SPA-BP算法建立的基于融合特征的发芽葵花籽识别模型效果较好，模型整体识别准确率为100%。由此可得，利用太赫兹时域透射成像技术可以实现发芽葵花籽的带壳无损检测，这对未来带壳油料作物品质的无损检测提供新思路。