论文部分内容阅读
我国是水果生产大国,却是水果出口小国。水果商品化处理程度低是导致我国水果国际市场竞争力弱、出口量小的主要原因之一,提高我国的水果商品化处理水平能有效地增强我国水果的国际市场竞争力,扩大我国水果出口量。水果外观和内部品质的快速无损检测是水果商品化处理的重要环节。因而,实现水果外观和内部品质的快速无损检测是非常重要和必要的。本研究课题以翠冠梨、水晶梨和贡梨为研究对象,综合利用可见/近红外光谱技术、光纤传感技术以及化学计量学方法开展梨可溶性固形物(SSC)和酸度的静态和在线检测研究,采用不同的建模方法并结合不同的光谱预处理方法建立梨可溶性固形物和酸度的静态预测模型和在线预测模型。研究了影响预测模型的各种因素包括光源-检测器角度、水果传输速度以及水果放置方位,并采用不同的特征波长选择方法对光谱波长变量进行选择研究。本文的主要内容和研究结论如下：(1)对USB4000微型光纤光谱仪的静态光谱采集参数和在线光谱采集参数进行优化研究。对于翠冠梨SSC检测,USB4000微型光纤光谱仪的最优静态光谱采集参数Boxcar点数和Average次数分别为6和4,USB4000微型光纤光谱仪的最优在线光谱采集参数Boxcar点数为6。(2)研究了光源-检测器角度、水果传输速度以及水果放置方位对梨SSC预测模型性能的影响。光源-检测器角度对翠冠梨SSC预测模型性能有影响,光源-检测器角度120°优于光源-检测器角度180°。在三个水果传输速度下(0.3 m/s、0.5 m/s、0.7 m/s),随着水果传输速度的增加,翠冠梨SSC的PLS预测模型性能不断下降,但下降幅度不大。水果放置方位对贡梨SSC预测模型性能有影响。水果放置方位HH和HV优于水果放置方位VU和VD,水果放置方位HH与HV以及水果放置方位VU与VD之间则差别不大。(3)在可见/近红外检测系统AI里,研究了2009年慈溪与横港两果园翠冠梨SSC和pH的静态检测,采用偏最小二乘回归(PLS)、主成分回归(PCR)、逐步多元线性回归(SMLR)以及最小二乘支持向量机(LS-SVM)建模方法结合不同的预处理方法建立单个果园以及两个果园统一的SSC预测模型,采用PLS方法结合不同的预处理方法建立单个果园以及两个果园统一的pH预测模型。2009年慈溪、横港以及两果园翠冠梨SSC的最优静态预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.971、0.203%、0.328%、0.322%和2.59,0.941、0.289%、0.322%、0.355%和2.58,0.946、0.277%、0.354%、0.347%和2.37。2009年慈溪、横港以及两果园翠冠梨pH的最优静态预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.765、0.113、0.112、0.128和1.60,0.885、0.095、0.123、0.117和1.63,0.835、0.105、0.115、0.123和1.65。PLS建模方法优于PCR.SMLR以及LS-SVM建模方法。(4)在可见/近红外检测系统AI里,研究了2009年慈溪与横港两果园翠冠梨SSC和pH的在线检测,采用PLS、PCR、SMLR以及LS-SVM建模方法结合不同的预处理方法建立单个果园以及两个果园统一的SSC预测模型,采用PLS方法结合不同的预处理方法建立单个果园以及两个果园统一的pH预测模型。2009年慈溪、横港以及两果园翠冠梨SSC的最优在线预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.966、0.222%、0.253%、0.350%和3.36,0.953、0.259%·、0.326%、0.344%和2.55,0.923、0.306%、0.331%、0.376%和2.54。2009年慈溪、横港以及两果园翠冠梨pH的最优在线预测模型的相关系数、RMSEC、RMSEP、RMSECV以及RPD分别为0.814、0.105、0.127、0.123和1.41,0.881、0.098、0.104、0.117和1.92,0.854、0.102、0.120、0.121和1.58。PLS建模方法优于PCR.SMLR以及LS-SVM建模方法。建立了在0.5 m/s水果传输速度下基于可见/近红外光谱技术结合化学计量学方法在线检测不同果园不同采摘期翠冠梨可溶性固形物和酸度的方法体系和预测模型,提高了可溶性固形物预测模型的精度,为在线检测翠冠梨内部品质提供了新方法。(5)在分级生产线上的可见/近红外检测系统里,研究了贡梨SSC的在线检测,并采用PLS方法结合不同的预处理方法建立SSC预测模型。贡梨SSC的最优在线预测模型的相关系数、RMSEC、RMSEP、RMSECV以及RPD分别为0.945、0.285%、0.290%、0.344%和2.86。(6)提出了一种光谱特征波长选择的新方法----组合式特征波长选择方法UVE-GA-PLS,并与其他6种常用的特征波长选择方法包括(BiPLS、SiPLS、UVE-PLS、GA-PLS、SPA-MLR以及UVE-SPA-MLR)进行研究比较。对于翠冠梨SSC检测,UVE-GA-PLS为7种特征波长选择方法中的最优方法,仅采用50个波长变量建立的SSC预测模型性能与全波谱728个波长变量建立的PLS模型性能相近。翠冠梨SSC的UVE-GA-PLS模型的相关系数、RMSEC、RMSEP以及RMSECV分别为0.958、0.248%、0.290%和0.292%,RPD值为2.97。