论文部分内容阅读
桃具有极佳的口感和极高的营养价值,但不耐储藏。桃脆片是桃精深加工产品之一,它不仅能保持桃原有风味、营养成分,还具有口感酥脆、便于携带等优点,符合市场和消费者对低脂、低热量、高纤维素食品的需求。果肉片干燥加工为脆片后,大小、颜色、可溶性固形物、硬度等会发生变化,故干制品加工完成后需进行一定挑选,以确保品质等级。传统水果脆片检测和分级都是采用人工方法,制样繁琐,耗时耗力,具有破坏性,且效率不高,无法实现脆片快速无损检测的品质监控。因此,实现水果脆片品质快速无损检测,不仅能满足消费者日益多元化的需要,还能提高中国水果脆片产业的国际竞争力,有助于开发更广阔的国际市场。本研究是在江苏省苏北科技项目“果蔬脆片品质无损分级应用及产业化(BN2015025)”和江苏省研究生实践创新计划项目(2017)的支持下完成的。以黄桃脆片为研究对象,采用计算机视觉对黄桃脆片的外部品质(大小和颜色)进行图像特征提取研究,并开发了黄桃脆片外部品质检测和综合分级软件;利用近红外光谱实现对黄桃脆片内部品质(可溶性固形物和硬度)的快速检测。本研究可为进一步研发桃脆片综合品质在线检测装备提供理论依据。本研究具体内容和结果如下:1.基于计算机视觉的黄桃脆片外部品质检测搭建了黄桃脆片图像采集装置,主要由工业相机(含镜头)、光源、暗箱和计算机组成。利用相机自带采集软件采集黄桃脆片图像,Matlab软件进行图像处理。获取黄桃脆片图像,采用双峰法进行阈值分割,从图像中提取像素面积参数作为大小特征,L*、a*、b*参数作为颜色特征。基于黄桃脆片外部品质的预测模型中,图像像素面积参数与实测面积,b*值参数与实测b*值的一元线性回归模型中的预测决定系数(R2)分别为0.92和0.87,预测均方根误差(RMSEP)分别为1.57 cm2和2.27。基于黄桃脆片外部品质的分级模型中,SVM-C模型对黄桃脆片外部品质的判别效果优于PLS-DA模型,其预测集中,SVM-C总体分级准确率为90.52%,PLS-DA总体分级准确率为86.26%。开发了黄桃脆片外部品质检测与综合分级软件,该软件基于Windows系统采用C#对工业相机进行了二次开发,通过USB控制相机对样品图像的采集,采集到的图像经过计算机处理并计算分析。其中,采用一元回归模型作为检测模型,采用SVM-C模型作为综合分级模型。再利用105个黄桃脆片进行软件验证试验,结果表明,黄桃脆片大小、b*值的预测决定系数(Rp2)分别为0.94、0.85,预测均方根误差(RMSEP)分别为1.43 cm2、2.14,黄桃脆片综合品质总体预测分级准确率达88.56%。2.基于可见/近红外光谱的黄桃脆片内部品质检测研究比较了基于可见/短波近红外光谱和长波近红外光谱的四种预处理方法(标准正态变量变换、多元散射校正、移动平均平滑和一阶导数)对黄桃脆片SSC和硬度的PLS和LS-LVM模型预测结果。结果表明,MSC预处理方法的预测结果较好。其中,在黄桃脆片SSC的预测研究中,基于可见/短波近红外光谱的LS-SVM模型预测结果优于长波近红外光谱的LS-SVM模型预测结果,其Rp、RMSEP和RPD分别为0.761,1.998%和1.532;在黄桃脆片硬度的预测研究中,基于长波近红外光谱的LS-SVM模型预测结果优于可见/短波近红外光谱的PLS模型预测结果,其Rp、RMSEP和RPD分别为 0.862、0.292 Kg 和 1.991。为了筛选重要的特征波长来简化模型,利用SPA筛选了 SSC和硬度的特征波长,并建立了 LS-SVM模型。根据全波段光谱的建模结果,利用SPA算法对可见/短波近红外光谱数据进行黄桃脆片SSC特征波长筛选,从1853个原始光谱波长中筛选出17个特征波长,建立了 SPA-LS-SVM模型,其Rp、RMSEP和RPD分别为0.682、2.296%和1.332。利用SPA算法对长波近红外光谱数据进行黄桃脆片硬度特征波长筛选,从1557个原始光谱波长中筛选出15个特征波长,建立了 SPA-LS-SVM模型,其Rp、RMSEP 和 RPD 分别为 0.805、0.336 Kg 和 1.752。