论文部分内容阅读
双孢蘑菇是世界上栽培最广、产量最多、消费最普遍的食用菌之一,但易发生微生物腐败等品质劣变现象。冷冻干燥是有效延长双孢蘑菇货架期的方式之一,但在其传统的过程检测中,其分析方法虽然可靠准确,却往往具有一定的破坏性,成本高且耗时长。本文基于高光谱成像系统针对双孢蘑菇冷冻干燥和冻干产品储藏过程品质指标监测技术进行研究,为双孢蘑菇等生鲜食品在储藏加工过程快速无损监测与控制提供理论依据。本研究主要结果如下:
1.以可溶性固形物含量(SSC)为指标,研究基于高光谱成像的双孢蘑菇超声渗透预处理(UOD)品质监测技术。同时,利用竞争性自适应重加权算法(CARS)进行特征波长的选取,分别建立并分析近红外波段全波段和特征波段的偏最小二乘回归(PLSR)和支持向量机(SVM)模型。结果表明:通过CARS在全波段不同UOD阶段双孢蘑菇光谱中提取出67个与SSC密切相关的特征波长,在此波段中利用正交信号校正(OSC)预处理的SVM模型建模集决定系数达到0.934,预测集决定系数为0.874,且RPD值为2.97,预测值与测量值的回归系数R2为0.936,说明CARS-OSC-SVM模型能够准确预测双孢蘑菇在超声辅助渗透期间的SSC变化。基于最优模型建立了超声辅助渗透过程双孢蘑菇SSC的伪彩色图像模型,直观表明了双孢蘑菇超声辅助过程SSC变化及分布情况。
2.以水分含量为指标,研究基于高光谱成像的双孢蘑菇冷冻干燥过程品质监测技术,同时,采用稳定性竞争性重加权自适应算法(SCARS)分别进行全波段和特征波段SVM建模。结果表明:在双孢蘑菇的冷冻干燥过程中,通过SCARS算法能够筛选出与水分含量密切相关的21个特征波长。经多元散射校正(MSC)预处理后此时建模集决定系数与预测集决定系数分别为0.928和0.802,RPD值为2.08,模型预测回归系数R2为0.985,说明CARS-MSC-SVM模型能够准确预测双孢蘑菇在冷冻干燥过程中的水分含量变化。
3.以硬度为指标,研究基于高光谱成像的冻干双孢蘑菇在储藏过程中的品质监测技术,采用CARS算法选取特征波长,建立并分析样品储藏过程全波段和特征波段SVM模型。结果表明:在冻干双孢蘑菇储藏过程中,通过CARS算法能够筛选出与硬度值密切相关的22个特征波长。经MSC预处理后,样品特征波段的模型预测效果最好,此时建模集决定系数与预测集决定系数分别为0.985和0.984,RPD值为3.12,模型预测回归系数R2为0.934,说明CARS-MSC-SVM模型能够准确预测冻干双孢蘑菇在储藏过程中的硬度变化。
1.以可溶性固形物含量(SSC)为指标,研究基于高光谱成像的双孢蘑菇超声渗透预处理(UOD)品质监测技术。同时,利用竞争性自适应重加权算法(CARS)进行特征波长的选取,分别建立并分析近红外波段全波段和特征波段的偏最小二乘回归(PLSR)和支持向量机(SVM)模型。结果表明:通过CARS在全波段不同UOD阶段双孢蘑菇光谱中提取出67个与SSC密切相关的特征波长,在此波段中利用正交信号校正(OSC)预处理的SVM模型建模集决定系数达到0.934,预测集决定系数为0.874,且RPD值为2.97,预测值与测量值的回归系数R2为0.936,说明CARS-OSC-SVM模型能够准确预测双孢蘑菇在超声辅助渗透期间的SSC变化。基于最优模型建立了超声辅助渗透过程双孢蘑菇SSC的伪彩色图像模型,直观表明了双孢蘑菇超声辅助过程SSC变化及分布情况。
2.以水分含量为指标,研究基于高光谱成像的双孢蘑菇冷冻干燥过程品质监测技术,同时,采用稳定性竞争性重加权自适应算法(SCARS)分别进行全波段和特征波段SVM建模。结果表明:在双孢蘑菇的冷冻干燥过程中,通过SCARS算法能够筛选出与水分含量密切相关的21个特征波长。经多元散射校正(MSC)预处理后此时建模集决定系数与预测集决定系数分别为0.928和0.802,RPD值为2.08,模型预测回归系数R2为0.985,说明CARS-MSC-SVM模型能够准确预测双孢蘑菇在冷冻干燥过程中的水分含量变化。
3.以硬度为指标,研究基于高光谱成像的冻干双孢蘑菇在储藏过程中的品质监测技术,采用CARS算法选取特征波长,建立并分析样品储藏过程全波段和特征波段SVM模型。结果表明:在冻干双孢蘑菇储藏过程中,通过CARS算法能够筛选出与硬度值密切相关的22个特征波长。经MSC预处理后,样品特征波段的模型预测效果最好,此时建模集决定系数与预测集决定系数分别为0.985和0.984,RPD值为3.12,模型预测回归系数R2为0.934,说明CARS-MSC-SVM模型能够准确预测冻干双孢蘑菇在储藏过程中的硬度变化。