香框传统加工方法的智能化、机械化程度低,加工品质一致性差,还有待开发新的加工设备及其自动化生产线。本文的研究工作是浙江省自然基金和浙江省林业厅重点课题,拟重点围绕香框自动去假种皮、自动化炒制及标准化加工等关键技术开展深入研究与开发,重点解决香榧加工品质一致性差、加工自动化程度低的技术难题,研发香榧加工自动化控制技术与炒制设备。主要研究内容和结论包括:1、对产自浙江临安、嵊州、绍兴等三个地方香榧的几何与力学特性进行了测定与分析,通过测定表明每种样品间的外形尺寸和质量差异较大,长轴主要分布在28-31 mm,短轴主要分布在18-20mm,斜轴主要分布在15-17mm。其次,通过TMS-PRO食品物性分析仪对香榧进行了力学特性测试,并利用有限元方法对不同受力情况下香榧力学特性进行分析确定使香榧破壳的最佳施力方向、大小及位置。通过实验表明沿青榧的轴向、径向同时施加挤压和剪切力,去皮结果比较理想。因此,针对该特点设计开发了一种香榧去皮设备,去皮实验表明:嵊州、绍兴和临安三个产区的香榧去皮率分别为97.2%、95.5%、95.3%;完好率分别为98.2%、98.7%、98.6%,总体效果良好。但三种样品去皮效果差异不一,可能采收时间及含水率等有一定关系。2、基于电加热炒制平台,完成了基于嵌入式的香榧自动炒制加工控制软硬件系统设计与开发。根据香榧加工工艺流程,完成了炒制加工设备的加热驱动控制模块、红外炒制温度控制模块(温度及时间控制)、环境参数数据采集模块(温湿度、有害气体及烟雾等监测控制等参数)、数据存储及报警模块、系统及设备执行结构控制模块(电机正反转、进出料、配液控制等)、系统通信等模块的硬件电路设计和实现,绘制PCB板,焊接电子元件,完成设备调试与系统集成。构建基于LINUX的嵌入式系统软件,主要包括存储器、MODBUS通信协议等底层硬件驱动、香榧自动炒制加工嵌入式控制应用系统软件、数据采集传输及香榧自动加工控制系统上位机等软件开发。另外,对PID及模糊控制算法进行了仿真分析。在此基础上完善了系统软件并进行了软硬件调试、实地安装和实验,实验结果表明设计开发工作达到了预期目标,为今后完善流水线规模化、自动化、标准化生产加工奠定基础。3、为保证香榧加工品质一致性,加工前需其进行大小分级,根据香榧果形、物理尺寸及企业需求改进优化基于椭圆孔分选装置的机械分级设备,并进行了实验,基本达到目标要求。针对香榧目前混合分级现状,本文提出香榧品质评价指标体系,包括大小、色质、松脆度、脱衣度、出仁率、不饱和脂肪酸、核仁脂肪含量、蛋白质含量等因素并提出了基于AHP模糊综合香榧品质评判方法。通过对等级均为1级的“冠军香榧”及其他三个自由品牌各自1000g的样品分级实验,结果表明:“冠军”品牌香榧为特级,样本2为1级,样本3和4为2级,有别于目前市场分级等级。4、提出了基于近红外的香榧产地溯源方法。对不同产地香榧原始光谱采用标准正态变量变换(SNV)、去趋势变换(Detrend)、一阶导数(FD)、二阶导数(SD)、多元散射校正(MSC)等预处理方法,然后建立基于KNN法、SIMCA法、PCA-DA法、PLS-DA法和LS-SVM法的产地溯源建模方法。实验结果表明:对于基于KNN法和SIMCA法的溯源模型总体识别率在60%左右,因此均不适合产地溯源。对于基于PCA-DA法、PLS-DA法、LS-SVM法的溯源模型的性能均较为理想,对经不同光谱预处理的光谱建立不同产地香榧鉴别的PCA-DA模型时,样本总体识别准确率为98%以上。对于PLS-DA法,在6种光谱预处理方法中,去趋势变换预处理光谱所建PLS-DA模型性能最优,对于校正集,总识别率为100.00%。对于测试集,测试集的总识别率达98.29%。一阶导数光谱所建模型对于校正集的识别准确率也为100.00%,对于测试集,识别准确率为96.58%。对于LS-SVM法,在6种光谱预处理方法中,原始光谱、多元散射校正光谱、标准正态变量变换光谱以及去趋势变换光谱所建LS-SVM模型性能卓越,对于校正集和测试集的识别准确率均为100%。一阶导数预处理光谱所建LS-SVM模型对校正集的识别准确率为100%,测试集识别准确率为98.29%。二阶导数预处理光谱所建LS-SVM模型性能最差,校正集的总体识别率为93.19%;测试集的总体识别率仅为89.74%。因此,基于PCA-DA、PLS-DA、LS-SVM的溯源模型适合鉴别三个不同产地香榧,是香榧产地鉴别的比较理想建模方法。