论文部分内容阅读
酿酒葡萄中的酚类物质主要由总酚和花色苷组成,是构成影响酿酒葡萄品质的重要指标,对葡萄酒质量产生关键影响。当前对酿酒葡萄中酚类物质含量的检测多为化学试剂测量方法,该方法费时费力、实验成本高,对环境造成污染和破坏,已不能与现代葡萄酒产业发展相适应。针对以上问题,本文以不同成熟期的酿酒葡萄赤霞珠为研究对象,在900-1700 nm波段范围下,基于高光谱成像技术和多元回归方法,建立对酿酒葡萄成熟期果皮中花色苷和总酚含量的预测模型,以实现对酿酒葡萄中酚类物质含量的无损高效检测,为酿酒葡萄成熟期的酚类物质检测提供一种新的检测手段。本文的主要研究内容如下:(1)确定了对样品光谱数据的最优预处理方法。在对花色苷和总酚含量的检测研究中,通过比较原始光谱数据和不同光谱预处理方法建立的偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型性能得出,相较于多元散射校正(Multiplicative Scatter Correction,MSC)、变量标准化(Standard Normalized Variate,SNV)以及导数处理方法,S-G平滑方法建立的PLSR预测模型的性能较好。S-G平滑处理后建立的花色苷和总酚含量的PLSR预测模型的预测相关系数分别为0.8407和0.7551,预测均方根误差分别为0.0129和0.0046。(2)建立了酿酒葡萄花色苷含量的检测分析模型,实现了酿酒葡萄成熟期果皮中的花色苷含量的检测研究。分别应用PLSR方法和支持向量回归(Support Vector Regression,SVR)方法建立花色苷含量的预测模型,在两种预测模型中,SVR预测模型取得了较好的预测结果,模型的预测相关系数为0.9414,预测均方根误差为0.0046。结果表明,利用高光谱成像技术能够实现对酿酒葡萄成熟期果皮中花色苷含量的高效无损检测。(3)利用高光谱成像技术,建立了酿酒葡萄光谱信息和成熟期果皮中总酚含量的定量分析模型,实现了酿酒葡萄成熟期果皮中总酚含量的无损检测研究。分别应用PLSR和BP神经网络(BP Neural Network,BPNN)方法建立总酚含量的预测分析模型,比较两种预测模型性能得出,BPNN模型的预测性能优于PLSR预测模型,模型的预测相关系数为0.7629,预测均方根误差为0.0071。综上所述,利用高光谱成像技术实现了对酿酒葡萄成熟期果皮中的花色苷和总酚含量的无损高效检测,为酿酒葡萄中酚类物质含量检测提供了一种新方法,具有广阔的应用发展前景。