论文部分内容阅读
单宁是葡萄含有的重要酚类化合物中的一种,是影响葡萄酒品质的关键指标。当前多采用蛋白质沉淀法,高效液相色谱法,流动注射分析法,原子分光光度法检测酿酒葡萄果皮中单宁含量。虽然这些方法分析较为精确,但其耗费时间、费用昂贵且存在一定的局限性。高光谱作为一种新型的快速、无损检测技术,有效地克服了化学分析方法的缺点。近几年来,高光谱技术广泛应用于酿酒葡萄领域。本实验采用五个红葡萄品种赤霞珠、西拉、黑比诺、马瑟兰、媚丽,五个白葡萄品种霞多丽、贵人香、雷司令、8802、8803作为实验样本。采摘葡萄转色期到成熟期间的完整浆果。实验选取978nm到1625nm光谱波段范围作为研究对象,利用不同的预处理方法,基于不同的多元回归方法建立酿酒葡萄果皮中单宁含量预测模型,寻找一种快速、无损检测多品种酿酒葡萄单宁含量的方法。本文的研究结果表明:(1)确立了最优的光谱预处理方法。由于采集的葡萄光谱数据包含许多影响因素,本研究分别利用平滑、导数、多元散射校正、标准正态变化方法对光谱数据进行预处理,对于两组不同颜色的品种葡萄,分别采用不同的回归方法PLSR与SVR,实验结果发现通过多元散射校正进行预处理的光谱数据建模效果最佳。(2)比较不同回归方法建立模型的性能,确定性能最优模型。利用PLSR回归方法建立的模型表明,红葡萄品种预测模型的相关性系数为0.8634,均方根误差0.0903,白葡萄品种建立的预测模型相关系数为0.8571,均方根误差0.0914。利用SVR回归方法建立的模型结果显示,两个不同颜色品种葡萄各自的预测相关性系数都达到0.9左右。红葡萄品种预测模型相关性系数达到0.8960,均方根误差0.1069,白葡萄品种预测模型的相关性系数达到0.9187,均方根误差0.0925。(3)实验发现SVR回归方法建立的预测模型性能优于PLSR回归方法建立的模型。总结不同的预测结果发现模型具有广泛适用性,预测模型对于白葡萄品种与红葡萄品种具有同样性能的预测效果,未发现葡萄颜色对于模型预测效果有明显影响。