近红外光谱检测技术在农业和食品分析中的应用

主要介绍近红外光谱检测技术在农业和食品分析中的应用。作为一种简单、快速、无损伤及无污染的检测手段,近红外光谱在鉴定原料的真伪、原料中有效成分的含量、有毒组分的识别和水果内部成分测定等方面具有独特的效果,因此在农业和食品等领域得到了广泛的应用。     

苹果可溶性固形物近红外光谱在线检测影响因素研究

光谱仪的性能和样品运动速度是影响近红外光谱在线检测精度的重要因素.三款配置了不同光栅的短波光谱仪被用于在线检测苹果的可溶性固形物含量.分别考察不同光谱仪和五种苹果运动速度对苹果可溶性固形物在线检测精度的影响.经比较,在0.190m/s速度下,使用QE65000光谱仪建立的偏最小二乘模型预测结果最优.最优预测模型的相关系数为0.814,预测均方根误差为0.776.Brix.结果表明选择合适的样品运动速度和光谱仪可提高苹果可溶性固形物在线检测的精度.     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。     

基于LED组合光源的水晶梨可溶性固形物和大小在线检测

该文探讨了近红外光谱技术结合发光二极管（LED）组合光源探头在线检测水晶梨的可溶性固形物和大小的可行性。试验中采用850、880和940 nm 3盏LED组成组合光源探头,每个水晶梨在均匀成单列的输送线上以每秒5个梨的速度运动,采用漫反射方式采集水晶梨的漫反射光谱。应用偏最小二乘（PLS）和最小二乘支持向量机（LS-SVM）方法建立了可溶性固形物和大小2个理化参数的校正模型,同时对不同光谱预处理方法（平滑、一阶微分、二阶微分）建立的模型的预测性能进行了对比分析,并通过外部验证来检验模型预测的准确性。利用平     

机器视觉在农产品检测与分级中的应用与展望

计算机技术的发展与计算机速度的提高和硬件成本的下降,使得机器视觉技术在农产品检测领域中的应用越来越广泛,论述了国内外机器视觉技术在农产品检测中的应用研究和发展情况,同时指出了进一步研究的方向。     

红外热成像技术在农业生产中的应用

红外热成像技术是利用物体自身各部分红外热辐射的差异,把物体不可见的热辐射情况转换为可视热图的技术。为此,简单介绍了红外热成像技术的原理,从农业生产管理与决策、农业生产自动化、农产品检测与加工等3个方面入手,阐述了目前红外热成像技术在农业生产中的应用情况,总结了存在的问题,并对未来进一步的研究方向进行了展望。     

温室环境下多变量的控制系统设计

针对有效、快速地检测和控制温室环境因素是温室生产的关键这一问题,介绍了温室中温度、湿度、光照和CO2浓度等主要的环境因素,并研究了对这些因素进行有效管理和控制的策略,设计了温室环境下多变量的控制系统。该系统体系结构为工控机和单片机开发系统的主从式结构,能够对温室内外环境因子进行实时监测和智能化调节,为农作物创造最优化的生长条件;系统以PC机为上位机,完成数据打印、数据处理和参数设置等辅助任务;采用MCS-51单片机为下位机,完成全部控制功能,下位机可脱离上位机独立工作。     

农产品品质近红外光谱分析结果影响因素研究综述

结合国内外研究现状,针对校正集样品选择,样品粒径、含水率、温度、试验因素,以及预处理和数学建模方法的选择对农产品近红外光谱分析结果的影响进行了探讨分析。分析结果表明：为获得可靠的分析结果,样品选择应均匀、广泛,并应考虑样品粒径、含水率及温度的影响,同时应选择合适的光谱预处理和数学建模算法。     

南丰蜜桔可溶性固形物近红外特征波段选

探讨了在350～1800nm波段范围内不同光谱预处理方法对提高模型预测能力和稳定性的作用，但其效果不如间隔偏最小二乘法显著。通过间隔偏最小二乘特征波段选择方法，确定了南丰蜜桔可溶性固形物特征波段为：642～787nm、861～1006nm、1080～1152nm和1226～1371nm。采用30个未参与建模的南丰蜜桔样品，预测特征波段建模模型，预测模型的相关系数为0.95，预测均方根误差为0.55°Birx。结果表明：近红外光谱技术结合间隔偏最小二乘特征波段选择方法，可以提高南丰蜜桔可溶性固形物无损检测数学模型预测能力和稳健性。     

南丰蜜桔可溶性固形物近红外特征波段选择

探讨了在350～1 800 nm波段范围内不同光谱预处理方法对提高模型预测能力和稳定性的作用,但其效果不如间隔偏最小二乘法显著.通过间隔偏最小二乘特征波段选择方法,确定了南丰蜜桔可溶性固形物特征波段为:642～787 nm、861～1 006 nm、1 080～1 152 nm和1 226～1 371 nm.采用30个未参与建模的南丰蜜桔样品,预测特征波段建模模型,预测模型的相关系数为0.95,预测均方根误差为0.55°Birx.结果表明:近红外光谱技术结合间隔偏最小二乘特征波段选择方法,可以提高南丰蜜桔可溶性固形物无损检测数学模型预测能力和稳健性.