论文部分内容阅读
甘薯在我国粮食作物总产位居第四,仅次于水稻、小麦、玉米。甘薯在我国的饮食与工业经济的发展中发挥着重要的作用。甘薯的产地起源分类、产后在线分级、产品安全快速检测方法受到消费者与食品加工厂商的密切关注。甘薯品质的优劣直接影响到加工产品的质量、等级及所产生的经济价值。甘薯加工产品的安全直接威胁到人体的健康。因此,迫切需要一种快速、高效的技术方法对甘薯品质和安全进行检测。本文使用高光谱与太赫兹时域光谱技术,结合多种化学计量学方法,主要对甘薯的产地鉴别、内部品质、有害添加物展开检测方法的研究。为甘薯产业品质及安全检测的发展提供依据。主要研究内容与结论如下:(1)利用高光谱成像技术对紫薯产地进行鉴别。以福建、广西、山东三个产地的紫薯为研究对象,结合主成分分析(PCA)、连续投影算法(SPA)、无信息变量消除(UVE)等降维及筛选变量方法,分别建立偏最小二乘判别(PLS-DA)、最小二乘支持向量机(LS-SVM)、极限学习机(ELM)定性分析模型。结果表明,采用PCA-LS-SVM与UVE-ELM模型对产地的分类效果最优,误判率均低为4.598%。实验表明,结合合适的波段筛选方法建立的LS-SVM与ELM模型可实现对紫薯产地的快速鉴别与分类。(2)利用高光谱成像技术对紫薯内部品质(SSC、干物质含量)的检测。以广西紫薯为研究对象,使用多种光谱预处理方法与原始光谱建立PLS模型。结果显示,分别为原始光谱、归一化预处理后光谱为最优光谱数据。再使用PCA、SPA、UVE等降维及筛选变量方法,分别建立对广西紫薯SSC和干物质含量的PLS、LS-SVM、ELM预测模型。通过比较使用筛选变量方法建立的定量模型结果。结果表明,以20个主成分变量为输入变量的径向基核函数(RBF-Kernel)建立的LS-SVM模型对紫薯SSC和干物质含量的预测效果最优,该模型预测均方根误差(RMSEP)分别为0.439 ~oBrix、0.010g,预测相关系数(R_p)分别为0.957、0.953。实验表明,采用PCA-LS-SVM模型提高模型建立的效率与预测效果,从而加快紫薯SSC和干物质含量分级检测的速度与精度。(3)利用太赫兹时域光谱技术对甘薯淀粉中有害添加物(明矾)含量的检测。采集甘薯淀粉、明矾及其混合物样品的THz光谱。分析光谱发现明矾在0.980、1.065、1.146THz处有明显的吸收峰,在混合样品中随着明矾含量的增加,其吸收峰更为明显。使用多种预处理方法,建立对明矾含量的LS-SVM预测模型。结果表明,使用归一化预处理方法建立的LS-SVM模型的预测效果最优,其RMSEP为0.0047,R_p为0.9972。再将归一化光谱使用UVE、SPA、UVE-SPA等筛选特征变量方法后再建立LS-SVM模型。结果表明,采用归一化-SPA-LSSVM模型对甘薯淀粉中明矾含量的预测能力最佳。其RMSEP为0.0046、R_p为0.9976。只需39个变量参与建模,既能有效的提高建模速度,模型的预测精度也有所提高。实验表明,THz-TDS技术可对有害添加物的快速检测。综上研究结果,采用高光谱和太赫兹光谱技术可实现对甘薯产地鉴别、内部品质、有害添加物的检测,达到较好的预测精度,为甘薯产业品质及安全实时快速检测提供参考依据。