基于近红外漫反射光谱技术判别柿子品种和 贮藏期的研究

目的 通过近红外漫反射光谱技术建立了柿子不同品种和贮藏期的快速判别方法。方法 实验对置于冷库(0±0.5℃)贮藏20d、40d、60d的磨盘柿和阳丰甜柿的近红外光谱(400～2500nm)进行平滑处理、一阶倒数和标准正常化处理(SNV)处理,采用主成分分析法(PCA)建立判别模型。结果 在全波长范围内,不同品种定标模型的正确分类率达到100%;阳丰甜柿不同贮藏期的正确分类率达到97.78%;磨盘柿不同贮藏期的正确分类率达到98.89%。3个预测模型的累积准确率达到96.67%。结论 通过近红外漫反射光谱技术,判别不同品种的柿子并预测其贮藏期具有应用价值。     

甜柿货架期的近红外光谱定性判别

通过近红外漫反射光谱技术对甜柿的货架期进行了定性判别研究,运用不同光谱预处理方法和不同波段选择,发现在1 100² 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%2 400 nm内,采用二阶导数结合标准正常化和去散射(SNVD)处理的光谱预处理方法最好。判别模型的正确分类率达到97.8%¹00%,预测准确率达到88.9%100%,预测准确率达到88.9%¹00%。因此,近红外光谱技术对甜柿货架期的检测具有应用价值。     

可见/近红外漫反射光谱无损检测磨盘柿果实硬度的研究

建立可见/近红外光谱与磨盘柿果实硬度之间的数学模型,评价可见/近红外光谱技术无损检测磨盘柿硬度的应用价值。在可见/近红外光谱区域(570～1848nm),实验对比分析了不同数学建模算法、不同导数处理方法和不同散射及标准化处理的磨盘柿果实硬度定标模型。结果表明,应用偏最小二乘回归算法、一阶导处理和标准正常化和散射处理所建柿果实硬度定标模型的预测性能较优,模型的相关系数(Rc2)为0.7992,均方根误差(RMSEC)为2.0642;用该模型对40个预测样本进行预测,其相关系数(Rp2)为0.8267,预测均方根误差(RMSEP)为2.0223。研究表明,可见/近红外漫反射技术对磨盘柿果实硬度的快速无损检测具有可行性。     

磨盘柿褐变指标的可见/近红外漫反射无损预测研究

为了建立可见/近红外漫反射光谱与磨盘柿果皮和果肉褐变之间的关系,作者在全光谱区域(570～1 848 nm)对比分析了不同处理方法对磨盘柿果皮颜色b*和果肉浊度定标模型的影响。结果表明,应用MPLS、原始光谱和无散射处理建立果皮颜色b*的定标模型预测性能较好,Rp2为0.968,RMSEP为1.417 7,RPD为7.92。应用PLS、一阶导处理和无散射处理建立磨盘柿果肉浊度的定标模型预测性能较好,Rp2为0.757,RMSEP为0.107 9,RPD为2.22。因此,可见/近红外漫反射技术对磨盘柿果皮颜色b*和果肉浊度的快速无损检测具有可行性。     

线椒货架期的近红外光谱定性判别

利用近红外漫反射光谱技术对线椒的货架期进行定性判别研究。实验以常温货架期1、3、5 d的线椒为研究对象,利用主成分分析法(PCA)建立近红外漫反射定性判别模型,在全光谱范围(400~2500 nm)内比较了不同的光谱预处理方法结合不同散射和标准化方法对所建模型的影响。结果表明,采用全光谱下Log(1/R)+None光谱预处理方法建立的模型预测最好,该模型的交互验证相关系数(R_(CV))为0.9455,交互验证误差(SECV)为0.1534,其正确分类率达95.56%~100%,预测准确率达88.89%~97.78%,该模型能够准确地区分不同货架期的线椒鲜果。因此,近红外光谱技术为线椒货架期的鉴别提供了一种新方法。     

近红外光谱对贮藏期樱桃品质的定性判别

研究运用近红外光谱技术对贮藏期樱桃进行定性判别。实验的定标模型经过不同预处理和不同光谱波段条件的处理分析,得到在全光谱范围(408.8~2 492.8 nm)内,采用一阶微分结合去离散处理(SNV and D)的方法可以构建最优模型。该模型判别的正确分辨率为100%,预测准确率为90%~96.7%。实验说明,近红外光谱技术对贮藏期樱桃的检测具有适用性。     

磨盘柿可溶性固形物的可见/近红外漫反射光谱无损检测

研究可见/近红外漫反射光谱技术快速检测磨盘柿可溶性固形物的方法。在可见/近红外光谱区域(570～1848nm),对比分析不同数学建模算法、不同导数处理方法和不同散射及标准化处理的果实可溶性固形物定标模型。结果表明：应用改进偏最小二乘回归算法、一阶导处理和去散射处理所建果实可溶性固形物定标模型的预测性能较优,其定标交互验证相关系数(Rcv)和预测相关系数(Rp2)分别为0.8076和0.8085,定标交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.4546°Brix和0.4482°Brix。这表明,可见/近红外漫反射技术对磨盘柿可溶性固形物的快速无损检测具有可行性。     

原料肉中掺大豆蛋白的近红外检测技术的研究

探讨了利用近红外光谱技术快速、准确地进行原料肉中是否掺大豆蛋白鉴别的可行性。首先以原料肉和掺假肉为原料,利用近红外光谱仪测定样品的漫反射光谱曲线,再应用Fisher线性判别分析和偏最小二乘法对试验数据进行了多元统计分析。分析结果表明,利用Fisher判别分析建立的判别模型的正确判别率达到100%,对未知样进行检验,正确判别率达到86.1%;最后利用偏最小二乘法(PLS)建立大豆蛋白掺入量的定量检测模型,校正模型决定系数(R2)为93.4%,内部交叉验证均方根差(RMSECV)为2.45%,对此模型进行验证,预测集相关系数(R2)为84.1%,预测标准偏差(RMSEP)为3.59%。说明应用近红外光谱技术对原料肉中掺大豆蛋白进行快速、准确的的鉴别是可行的。     

基于支持向量机的近红外光谱技术快速鉴别掺假羊肉

为实现掺假羊肉的无损鉴别,利用傅里叶变换近红外光谱分析技术建立混入鸭肉的掺假羊肉糜的快速检测方法。实验通过在羊肉糜中添加不同比例的鸭肉糜来制备掺假羊肉,采用近红外漫反射方式在全波段范围(10000~4000 cm-1)内采集羊肉、掺假羊肉和鸭肉的近红外光谱图,分别考察多元散射校正(Multiplicative scatter correction,MSC)、标准正态变量变换(Standard normal variate correction,SNV)、面积归一化(Area normalization)、标准化(Autoscale)、15点平滑处理(Smoothing)、一阶导数处理(1stderivative)的光谱预处理方法对所建支持向量机(nuSVM)判别模型的预测效果。结果显示,不同光谱预处理所建nu-SVM判别模型预测效果不同。其中,经标准化处理后所建的nu-SVM模型的预测能力最差为90.38%;15点平滑处理后所建nu-SVM模型的预测效果最好(96.15%),对建模集正确判别率为99.07%,对检验集正确判别率为96.15%;其余处理所建nu-SVM模型的判别能力介于二者之间。结果表明,采用近红外光谱技术结合15点平滑预处理后所建nu-SVM模型可以实现羊肉中的掺杂鸭肉的鉴别。     

微环境气体调控对精准相温贮藏期间柿果保鲜效果的影响

以阳丰甜柿和磨盘柿为试材,将柿果放入便携式气体调控保鲜箱中,然后放入1-MCP(含量为1μL/L),研究不同贮藏微环境气体调控对2种柿果精准相温贮藏期间品质指标、生理生化指标和相关酶系的影响。结果表明,1-MCP处理结合箱式气调(贮藏30 d后甜柿CO_2含量4.31%~5.27%,O_2含量15.63%~16.59%;磨盘柿CO_2含量11.66%~14.38%,O_2含量6.52%~9.24%)的贮藏微环境气体调控对两种柿果保鲜效果相似,均有效抑制柿果褐变的发生,保持柿果实硬度,降低柿果的呼吸强度和乙烯生成速率,抑制PG、CX、PPO活性的升高,减缓总酚含量的下降,且保鲜效果均优于单纯箱式气调(贮藏30 d后甜柿CO_2含量2.93%~3.62%、O_2含量17.28%~18.16%;磨盘柿CO_2含量10.24%~11.86%、O_2含量9.04%~10.66%)。结论:1-MCP处理结合箱式气调贮藏微环境气体调控,是柿果保鲜较适宜的贮藏方法。     

苹果品种及损伤苹果的FT-NIR鉴别研究

用傅里叶近红外光谱技术(FT-NIR)对不同品种的苹果以及损伤嘎啦和完好嘎啦进行快速、无损检测,比较不同判别方法对所建立的区分苹果品种及苹果损伤模型的影响。结果表明:损伤嘎啦和完好嘎啦的近红外图谱经小波分析预处理后,用12000～4000cm-1波数范围的前5个主成分分别结合多层感知神经网络、径向基神经网络、Fisher判别3种方法所建立的判别模型对未知样本的正确判别率分别为97.8%、87.2%和84.8%,基于权重法用多元线性回归(MLR)所选择的特征波长所建立的Fisher判别模型对未知样本的正确判别率为89.1%;用偏最小二乘判别(PLS-DA)所建立的判别模型对未知样本的正确判别率为100%,由于PLS-DA模型对训练集和验证集的正确判别率均为100%,因此PLS-DA模型优于其他模型。不同品种苹果的光谱经平滑预处理后,用全波数范围12000～4000cm-1的前6个主成分所建立的判别模型优于经验波数范围8000～4500cm-1所建立的判别模型,其较优模型对建模集和验证集的正确判别率分别为90.9%和92.1%。近红外光谱技术结合化学计量学可以快速、无损鉴别苹果是否有损伤以及不同品种的苹果。     

可见/近红外漫反射光谱无损检测甜柿果实硬度

该研究的目的是建立可见/近红外漫反射光谱无损检测甜柿果实硬度的数学模型,评价可见/近红外漫反射光谱无损检测甜柿果实硬度的应用价值。果实硬度采用果皮脆性、果皮强度和果肉平均硬度作为评价指标。在可见/近红外光谱区域(400～2 500 nm),采用改进偏最小二乘法,对比分析了不同导数处理、不同散射及标准化处理的甜柿果实硬度定标模型。结果表明,对于果皮强度和果皮脆性,采用最小偏二乘法、一阶导数处理和标准多元离散校正处理建立的定标模型预测效果较好,RP2分别为0.858和0.862,SEP分别为0.094和0.157,RPD分别为2.47和2.63。对于果肉平均硬度,采用改进偏最小二乘法、一阶导数处理和标准正常化和去散射处理建立的定标模型预测效果较好,RP2为0.82,SEP为0.063,RPD为2.35。因此,可见/近红外漫反射光谱无损检测技术可用于甜柿果实硬度的无损检测。     

利用可见/近红外光谱判别干枣品种

目的利用可见/近红外反射光谱技术快速判别干枣的品种。方法使用光谱仪获取山西永和枣、山西板枣和新疆和田枣3种干枣在345~1100 nm波段范围内的漫反射光谱;分别使用多元散射校正(MSC)法和一阶导数法(1~(st)-D)和二阶导数法(2~(st)-D)对反射光谱进行预处理;对预处理光谱进行主成分分析,全交差验证法确定最佳主成分数量,提取主成分,结合马氏距离法和线性判别法建立品种判别模型,建立模型过程中使用全交叉验证法确定最佳主成分数,将模型应用于干枣的品种判别。结果可见/近红外反射光谱经过MSC处理后提取主成分建立品种预测模型对枣的品种判别结果最好,利用前4个主成分结合马氏距离法建立的判别模型和利用前5个主成分结合线性判别法建立判别模型,对于3个品种的枣的校正和验证判别准确率都达到了100%。结论可见/近红外反射光谱技术可以较好地判别干枣品种,本研究可为可见/近红外光谱技术在于枣品种和产地的快速鉴别和溯源中的应用提供一定的技术基础。     

采用近红外光谱进行采后苹果品种及货架期定性判别

运用近红外光谱技术,通过不同光谱预处理和不同光谱波段选择,研究苹果品种(嘎啦、乔纳金、金冠、寒富)及货架期(0、14、28 d)的近红外判别模型。结果表明,不同品种苹果定标判别模型最优光谱预处理方法为:在全波长范围(408. 8～2 492. 8 nm)内,采用去散射结合二阶导数光谱预处理,对未知样品判别正确率为85. 00%～95. 00%;苹果货架期较优定标模型在1 108～2 492. 8 nm范围内,光谱预处理方法为标准正常化处理(standard normal variate,SNV)+去散射处理(detrend,D)+一阶导数,预测样品正确率为91. 67%～96. 67%。实验证明,近红外光谱技术对采后苹果品种及货架期检测具有适用性。     

基于近红外光谱的冻融猪肉糜鉴别模型研究

目的 反复冻融猪肉糜品质差、不易判别。方法 采用近红外光谱分析技术对新鲜猪肉糜和不同冻融次数猪肉糜分别进行无损鉴别,建立了窄神经网络(narrow neural network, NNN)、线性判别(linear discriminant, LD)、支持向量机(support vector machine, SVM)和子空间判别(subspace discriminant, SD)4种不同的判别模型,并对所建立的模型性能采用正确判别率、混淆矩阵、受试者工作特征曲线和曲线线下面积这4个指标进行评价。结果 基于子空间判别建立的模型较优,其预测集正确判别率为96.4%,并且其混淆矩阵、ROC曲线和AUC均显示了该模型对于冻融猪肉糜分类的优越性。结论 本研究建立的近红外光谱技术结合子空间判别模型对冻融猪肉糜的鉴别能力较强,可为工业化在线检测方法的开发提供技术支撑。     

基于可见/近红外透射光谱的山西老陈醋产地的判别分析

针对山西醋业市场存在的问题,采用可见-近红外光谱技术,结合化学计量学方法,开展山西老陈醋产地的判别分类工作.对3个不同产地的240个山西老陈醋样品采集光谱数据,分析不同预处理方法(未处理、平滑、微分)对陈醋产地判别结果的影响;结合判别分析法建立陈醋产地定性判别模型.试验结果表明,可见-近红外原始光谱结合判别分析法的结果最优,校正集正确分类的比例达98.46%,预测集达93.33%;微分光谱分析结果最差.     

基于傅里叶近红外光谱和电子鼻技术的苹果霉心病无损检测

为研究傅里叶近红外光谱技术(Fourier transform near infrared spectroscopy,FT-NIRS)和电子鼻技术分别结合化学计量学方法对苹果霉心病的判别效果,以“红富士”霉心病苹果和健康苹果为试材,利用近红外光谱技术,基于主成分分析建立Fisher判别和多层感知器(multi-layer perceptron,MLP)神经网络模型;同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑,基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果最好,验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。     

近红外光谱分析技术在花生原产地溯源中的应用

采用近红外光谱结合化学计量学方法对不同省份来源的花生样品进行溯源研究。首先花生近红外光谱通过标准正态变换加去趋势化预处理降噪、主成分分析降维和小波转换降噪降维两种处理,然后结合线性判别分析、贝叶斯判别分析和k最近邻分析3种判别模型对不同省份来源地花生进行判别。通过分析最优判别组合结果表明,小波转换结合k最近邻分析对花生产地分类效果最好,原始正确分类率为100.0%;交叉验证正确分类率为55.9%。初步实现了花生产地判别,但模型的性能仍有待提高。     

近红外漫反射光谱技术对小米产地溯源的研究

为建立小米产地溯源的快速检测技术,更好的维护地方名优小米品牌效益,试验利用近红外漫反射光谱技术对不同状态小米进行产地溯源鉴别,试验分别选取来自肇源和肇州两个小米主产区的144份小米样品,应用近红外漫反射光谱技术结合化学计量学对不同状态下的小米进行产地溯源研究,结果表明:在全波长范围内采用因子化法建立的定性分析模型和在特征波段范围内采用偏最小二乘法(PLS)建立的定量分析模型,对肇源、肇州两个小米主产区的小米籽粒和小米粉末的正确鉴别率均在90%以上,其中小米粉末的模型正确预测率要高于小米籽粒。因此,应用近红外漫反射光谱技术对不同状态小米产地溯源的鉴别具有一定的可行性。     

近红外光谱技术快速检测猪肉糜中的掺杂鸭肉

为快速、准确利用近红外定性分析混入鸭肉的掺假猪肉糜。试验在猪肉糜中添加不同比例的鸭肉肉糜,制备不同掺假鸭肉的样品90个,其中76个为掺有不同鸭肉质量分数的样品,14个为纯猪里脊肉,并独立制备44个验证集样品,其中37个为掺有不同鸭肉肉糜质量分数的样品,7个为纯猪肉。在10 000 cm-1~4 000 cm-1波数范围内进行光谱扫描,采用不同光谱预处理方法结合主成分分析,建立PLS-DA模型。建立的判别分析模型:在全波段范围(10 000 cm-1~4 000 cm-1)内,对校正集正确判别率可达100%,验证集的正确判别率可达88.6%。研究结果表明近红外漫反射光谱可以快速检测猪肉中的掺杂鸭肉。