论文部分内容阅读
近红外光谱检测技术已经成熟的应用于水果品质检测。通过水果检测装置可以快速无损伤的检测水果的内部品质。目前,水果检测装置不仅价格比较高昂,而且检测装置的检测方式单一。不能满足不同水果的检测方式,此时需要使用不同的水果检测装置。同时检测方式单一降低了水果检测装置的实用性,提高了水果批发商的购买成本。因此,水果检测装置迫切需要实现多模式通用化。目前,漫反射存在两种结构,45°光源漫反射结构和环形光源漫反射结构,因此,迫切需要研究哪种结构更优。目前,漫反射检测存在最优检测距离,而且对水果尺寸比较敏感。因此,迫切需要研究可调检测距离的漫反射装置。本文针对“每种水果检测装置的检测方式单一”和“45°光源漫反射结构和环形光源漫反射结构哪种最优”和“漫反射检测存在最优检测距离”等问题开展了研究工作。首先研发两种装置“可提供多种检测方式的水果检测装置”和“可调检测距离的漫反射检测装置”。然后,通过苹果SSC的检测实验验证了两种装置的可行性,并在漫反射检测方式下比较两种装置所建预测苹果可溶性固形物模型的性能。最后建立了三种检测方式下苹果SSC的预测模型。最优的苹果漫反射检测模型和不同尺寸苹果在最优检测距离下的通用模型。获得了苹果SSC和光谱的定量关系,为将来的多模式动态检测装置和可调检测距离的漫反射动态检测装置提供了基础数据和模型。主要研究内容和结论如下:（1）研究多模式水果检测装置可提供多种检测方式检测苹果SSC的可行性。结果表明,三种光谱经3点高斯滤波平滑GFS预处理后建立预测苹果SSC含量的模型均取得很好的结果。漫透射模型的Rpre和RMSEP分别为0.967、0.507°Brix;全透射模型的Rpre和RMSEP分别为0.957、0.574°Brix;漫反射模型的Rpre和RMSEP分别为0.949、0.536°Brix;进一步将漫反射光谱结合CARS算法筛选特征波长,使用119个变量建立模型的Rpre和RMSEP分别为0.977和0.362°Brix。使用30个未参与建模的冰糖心苹果检验该模型预测苹果SSC的性能。最终30个外部验证集的相关系数为0.906,验证均方根误差为0.707°Brix。本研究验证了多模式装置可提供多种检测方式的可行性,而且还建立了苹果不同检测方式下的糖度预测模型。（2）研究两种漫反射光学结构,45°漫反射和环形漫反射哪种结构更优。首先计算了两种可见/近红外检测系统在550～900nm光谱范围内的吸光度重复性;然后采集220个苹果的漫反射光谱并转换为吸光度光谱。最后使用CARS和UVE算法筛选原始光谱在550～900nm光谱范围内的有效变量,使用有效变量和苹果可溶性固形物含量建立PLS模型。结果表明,在550～900nm光谱范围内,45°漫反射和环形漫反射的吸光度重复性分别为0.0017AU和0.0008AU,环形漫反射条件下的吸光度重复性更好。通过CARS算法筛选变量建立的模型明显优于UVE算法筛选变量建立的模型。比较了在45°漫反射和环形漫反射条件下建立的CARS-PLS模型。其中45°漫反射使用57个变量建立模型的Rp和RMSEP分别为0.843和0.724°Brix。环形漫反射使用93个变量建立模型的Rp和RMSEP分别为0.924和0.475°Brix。很明显环形漫反射模型的预测精度更高,这与两种条件下吸光度重复性的结果保持一致。进一步对环形漫反射建立的CARS-PLS模型进行了外部验证,验证集相关系数和验证集均方根误差分别为0.879和0.517°Brix。本研究表明,45°漫反射光学结构采集光谱有效信息集中在可见光波段,这将导致模型的稳健性差。环形漫反射光学结构合理的减少杂散光,因此能够采集到更多与苹果SSC相关的有效信息,建立的模型质量更高。本研究验证了环形漫反射结构更优。（3）研究可调检测距离的漫反射装置检测苹果时的最优检测距离,并建立苹果尺寸通用模型以提高苹果SSC预测模型的鲁棒性。将苹果按照尺寸分为小果（66-75mm）、中果（75-80mm）和大果（80 mm以上）。调节水果托盘中心到探头表面的距离,实现不同尺寸苹果的中心位置到探头表面的距离为4cm、50mm和60mm。建立三种果型在三种距离下的SSC预测模型。并分别挑选出三种果型在最优距离下的光谱数据。在最优距离下,对混合三种果型的光谱进行预处理和波段筛选,结合偏最小二乘法建立苹果SSC的预测模型。结果表明,三种果型在50mm条件下建立模型的性能最好,Rp2和RMSEP值分别0.881和0.551°Brix。混合果型光谱经过BOC-SGS预处理和CARS波段筛选,使用94个有效变量建立PLS模型,预测第二批小果的Rp2和RMSEP分别为0.805和0.748°Brix,相比于原始光谱预测模型的Rp2提高了1.8%,RMSEP降低了3.4%。预测第二批中果的Rp2和RMSEP分别为0.861和0.581°Brix,相比于原始光谱预测模型的Rp2提高了4.7%,RMSEP降低了9.2%。预测第二批大果的Rp2和RMSEP分别为0.726和0.727°Brix,相比于原始光谱预测模型的Rp2提高了2.7%,RMSEP降低了3.6%。混合模型对水果尺寸的变化不敏感,即提高了苹果SSC预测模型的鲁棒性。