论文部分内容阅读
基于介电特性的果品无损检测技术是当今果品检测技术发展的重要方向。灵武长枣作为宁夏地方特色鲜食枣珍品,急需进行采后品质快速检测识别、分级分选、新鲜度预测。本文基于介电特性进行了长枣无损检测技术的研究,为该技术的应用推广进行了前期探索,为长枣产业的快速发展提供了技术支持。文中利用3532-50型平行板LCR测量仪、质构仪以及化学检测实验,对灵武长枣室温贮藏过程中介电特性参数和物理力学品质、内部化学品质进行了动态监测,得到了长枣介电特性参数与其物理力学品质、内部化学品质的相关性。以长枣微观电学特性参数,利用BP-ANN神经网络建立了长枣品质与新鲜度的预测模型。从而为开发长枣实时、在线、快速无损检测技术提供了理论支持,为其应用于工业检测做了前期准备。论文主要研究结果如下:(1)灵武长枣介电特性参数最佳测试频率为3.16kHz。(2)在3.16kHz频率下长枣介电特性参数与其物理力学品质指标(脆度、硬度、果肉坚实度、果品强度、破裂深度)相关性的研究表明:果实介电参数Z、Lp、X与长枣脆度、硬度、果肉坚实度呈现较高相关性。因此,Z、Lp、X可以反映长枣的脆度、硬度、果肉坚实度变化。(3)在3.16kHz频率下长枣介电特性参数与其化学品质指标(水分、可溶性固形物、维生素C、可滴定酸)相关性的研究表明:果实介电参数Z、Cp、B可以反映其水分、可溶性固形物的变化;Z、Lp可以反映长枣采后贮藏过程中维生素C变化;Rs、B可以反映长枣采后贮藏过程中可滴定酸的变化。(4)本文首次提出一种准确推算表征被测样品微观介电特性参数值算法,通过这种算法得到的相对介电常数ε’能较好地表征被测样品本身微观的介电特性。(5)以表征长枣微观介电特性参数指标ε’、ε",运用BP神经网络建立灵武长枣脆度、果肉坚实度、可溶性固形物、水分的预测模型,模型的相关系数分别为:0.9、0.89、0.83、0.84。运用BP神经网络建立的枣果新鲜度等级预测模型可较好地预测枣果的新鲜度等级,准确率可达到81%。