基于红外光谱技术的银耳产地识别研究

采用傅里叶红外光谱数据分析技术结合多元统计分析对银耳产地进行识别研究。采集福建古田、四川通江和河南的41个银耳样品的红外光谱信息,分析银耳的红外光谱特征;运用基线校正、多元散射校正(Multiplicative signal correction,MSC)、一阶导数(First derivative,FD)、二阶导数(Second derivative,SD)、Norris平滑(ND)、Savitzky-Golay平滑(SG)等方法对其进行预处理,选择最佳组合方法预处理后的光谱数据,建立最小偏二乘判别(PLS-DA)模型,并进行验证。结果表明,MSC+SD+SG(13,3)组合方法的预处理光谱效果最佳,与原始光谱相比,样品正确识别率提高了17.41%,达到100%。训练集和预测集的相关系数分别为0.9766、0.9559,校正标准差和预测标准差分别为0.1182、0.1740,模型对训练集和预测集样品的识别率均为100%。因此,红外光谱通过PLS-DA分析可以对不同产地的银耳进行快速、有效、准确的识别。     

基于高光谱成像技术的金银花霉变检测模型

利用高光谱成像技术,研究一种快速、准确、无损检测金银花霉变程度的方法。通过比较Savitzky-Golay(SG)卷积平滑、多元散射校正(MSC)和SG-MSC 3种预处理方法对偏最小二乘算法(PLS)建模效果的影响,得到SG-MSC为建模最优预处理方法。使用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)选择经预处理后光谱的特征波长,并分别建立偏最小二乘判别(PLS-DA)和最小二乘支持向量机(LS-SVM)的判别分析模型。结果表明,光谱经SG-MSC预处理后,应用CARS提取特征波长并建立LS-SVM判别分析模型为金银花不同霉变程度最优判别模型,其训练集与验证集的正确率均达到100%。利用高光谱成像技术能够快速无损、有效地鉴别金银花霉变程度,并且在特征波长下能实现金银花霉变程度的快速判别分析。     

美味牛肝菌矿质元素富集能力及产地鉴别

研究美味牛肝菌矿质元素含量及富集规律,建立偏最小二乘判别分析（partial least squares discrimination analysis,PLS-DA）光谱数据融合模型鉴别美味牛肝菌不同产地。测定云南省内6 个产地美味牛肝菌和生长土壤样品的矿质元素,同时采集近红外光谱和紫外光谱信息。根据矿质元素含量及富集系数分析美味牛肝菌对矿质元素的积累特征和富集能力。采用平滑（Savitzky-Golay,SG）、二阶导数（second derivatives,2D）、标准正态变换（standard normal variables,SNV）、多元散射校正（multiple scattering correction,MSC）等对光谱数据进行预处理。运用PLS-DA建立单一光谱与数据融合产地分类模型。结果表明：美味牛肝菌富含K、P元素,相同元素不同产地之间存在显著性差异,其中Na元素含量差异较大,最高含量是最低含量的20.70 倍;6 个产地土壤中Fe元素含量最大,可能与云南富含Fe金属离子的酸性土壤有关;美味牛肝菌中P、K、Zn富集能力较强,其中P的富集系数达到4.63;光谱数据预处理中,近红外光谱和紫外光谱的最佳预处理结果为SG＋2D、SG＋MSC,预测集正确率为88.46%和96.15%;中级融合模型效果最佳,通过Hottelling T2检测法检验,所有样品未超过95%置信区间,模型训练集正确率100.00%,预测集正确率92.31%。对美味牛肝菌进行矿质元素、富集规律及产地鉴别研究有利于合理利用云南野生食用菌资源。     

基于近红外高光谱成像技术的宁夏羊肉产地鉴别

使用900~1700 nm高光谱成像系统采集宁夏银川、固原、盐池三个不同产地的绵羊后腿样本的近红外高光谱数据,对光谱采用面积归一化方法预处理,利用SPA、CARS、UVE算法对预处理后的光谱数据提取特征波长分别为17、40、121个;结合PLS-DA及KNN建立特征波段下的判别模型。结果表明KNN判别模型效果较差,3种特征波长中利用CARS提取的特征波长建模效果最佳,代替全光谱建立PLS-DA判别模型是可行的;综合对比模型效果,CARS-PLS-DA为最优模型,校正集正确率90.48%,预测集正确率84.21%。证明利用近红外高光谱成像技术对羊肉产地鉴别是可行的。     

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。     

融合光谱与纹理特征的龙井茶等级无损识别

龙井茶等级快速无损识别具有重要意义。本研究以六个等级龙井茶为实验对象,应用高光谱成像技术,分别建立基于光谱特征、纹理特征及融合特征的支持向量机(Support Vector Machine,SVM)识别模型。首先采用标准正态变量变换(Standard Normal Variate,SNV)对光谱进行归一化处理,提取光谱特征,建立SVM光谱模型;然后通过T分布和随机近邻嵌入(T-Distributed Stochastic Neighbour Embedding,T-SNE)算法将高维高光谱数据映射到低维空间,选取特征图像。应用灰度共生矩阵(Gray-Level Co-Occurrence Matrix,GLCM),提取纹理特征,建立SVM图像模型;最后将光谱特征和纹理特征进行数据级融合,建立SVM混合模型。数据显示,光谱模型预测集识别率为91.11%,图像模型预测集识别率为75.42%,混合模型预测集识别率为95.14%。结果表明,与仅使用光谱或纹理信息建模相比,结合光谱和纹理特征可以提高模型识别的准确率。为进一步提高混合模型精度,引入人工蜂群(Artificial Bee Colony,ABC)算法,迭代优化SVM模型的惩罚因子C和核函数宽度g,得到最优模型,预测集准确率可达98.61%。本研究为改进龙井茶叶快速无损评估技术提供了一种可靠的方法。     

基于多类别的镉稻米近红外光谱识别分析

采用近红外(NIR)光谱结合化学计量学方法对不同镉污染程度的稻米进行鉴别。首先利用主成分分析(PCA)对样本的NIR光谱进行解析,再用有监督学习算法偏最小二乘识别分析(PLS-DA)、径向基人工神经网络(RBF-ANN)及支持向量机(SVM)对不同污染程度的镉稻米进行定性建模分析。本文还讨论了不同的光谱预处理方法以及建模方法对识别效果的影响。由于NIR光谱差异太小,所以PCA得分图重叠严重,类之间很难区分,PLS-DA、RBF-ANN与SVM模型的预测集鉴别准确率分别为77.1%,67.8%与67.2%,PLS-DA的识别率最高。近红外光谱技术与化学计量学方法虽难以获得预测准确率较高的识别模型,但其预测结果还是可用于超标镉稻米的初步筛查。     

基于高光谱成像技术无损检测苹果表面缺陷

基于高光谱成像技术结合模式识别,建立了苹果表面缺陷识别模型。首先,利用高光谱图像采集系统采集完好无损和表面有缺陷苹果的高光谱图像,提取感兴趣区域的平均光谱反射率;然后,比较标准正态变换(SNV)和多元散射校正(MSC) 2种光谱预处理方法对建模效果的影响,得出MSC为建模最优预处理方法。最后,采用主成分分析法选择累计贡献率超过99%的前5个主成分作为样本集特征光谱数据,分别建立了基于K最近邻(KNN)模式识别和偏最小二乘判别分析(PLS-DA)识别模型。结果表明:光谱经MSC预处理后,基于PLS-DA建立的识别模型对校正集和检验集识别率均达到100%,表明基于高光谱成像技术结合模式识别可实现苹果表面缺陷的无损检测。     

基于可见/近红外光谱技术的红提成熟度判别模

成熟度是水果评价的重要标准,直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难,果肉营养价值参差不齐、产品竞争力低等问题,建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段（分别为：未成熟、半成熟、成熟、过熟）的样本并进行光谱信息采集。选择550 nm~1 000 nm的光谱波段建模,分别将经过预处理的光谱用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、无信息变量消除算法（Uniformative Variable Elimination,UVE）和连续投影算法（Successive Projection Algorithm,SPA）进行特征波长提取,建立支持向量机（Support Vector Machines,SVM）、极限学习机（Extreme Learning Machine,ELM）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）的判别模型,最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明,在Savitzky-Golay（SG）卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳,SVM模型次之,PLS-DA模型最差。因此,红提成熟度的最佳判别分类模型为SG-SPA-ELM,该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的,该研究为红提成熟度的判别找到了一种新的无损检测方法。     

近红外光谱结合模式识别技术快速鉴别煎炸油质量

采用近红外透反射光谱结合模式识别技术建立煎炸油质量的快速鉴别方法。采用国标方法测定79个煎炸油样本的酸价与羰基值,通过羰基价确定样本真实属性。利用Kennard-stone算法选取训练集和预测集。探讨样本NIR光谱预处理方法,以平滑、一阶导数和均值中心化处理的全光谱作为数据输入,采用偏最小二乘识别分析(PLS-DA)方法建立煎炸油质量的定性分类模型,并对模型进行验证。模型训练集与预测集的正确识别率分别达94.5%与100%。比较主成分识别分析(PCA-DA)、K最近邻法(KNN)与分类回归树(CART)3种建模方法。结果表明PLS-DA预测能力优于其它方法,NIR光谱结合PLS-DA可作为快速鉴别煎炸油质量的一种新方法。     

傅里叶变换红外光谱和紫外光谱数据融合对牛肝菌种类的鉴别

采集5?种共272?份牛肝菌样品的傅里叶变换红外光谱和紫外光谱,结合多光谱信息融合策略,建立牛肝菌种类快速鉴别的方法。多元散射校正（multiplicative signal correction,MSC）及二阶导数（second derivative,2D）等预处理方法对原始光谱进行优化,比较优化处理对区分不同种类牛肝菌影响;利用优化处理后的光谱数据及融合数据建立偏最小二乘判别分析（partial least squares discriminant analysis,PLS-DA）模型和支持向量机（support vector machine,SVM）判别模型。结果显示：1）经过2D和MSC预处理后,不同种类牛肝菌的PLS-DA鉴别效果优于未优化模型,表明2D＋MSC预处理优化了光谱信息并提高了分类准确度;2）基于傅里叶变换红外光谱、紫外光谱、低级融合和中级融合数据分别建立PLS-DA模型,预测正确率为86.87%、66.67%、78.89%和95.56%;建立SVM判别模型,预测正确率分别为88.89%、74.44%、91.11%和100.00%,表明中级融合技术对不同种类牛肝菌鉴别效果显著,优于其他技术;3）中级融合技术在PLS-DA模型和SVM判别模型中对样品的预测正确率分别为95.56%和100.00%,表明SVM判别模型对牛肝菌种类区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,快速鉴别牛肝菌种类,为牛肝菌种类鉴别和质量控制提供可靠、稳定的方法。     

Postharvest Hardness and Color Evolution of White Button Mushrooms (Agaricus bisporus)

ABSTRACT: The quality evaluation of mushrooms was studied by storing fresh white button mushrooms (Agaricus bisporus) for 6 to 8 d, at various controlled temperature conditions (3.5 to 15 °C) and measuring the instrumental textural hardness and color of the mushroom cap for different product batches. A nonlinear mixed effect Weibull model was used to describe mushroom cap texture and color kinetics during storage considering the batch variability into account. Storage temperature was found to play a significant role in controlling texture and color degradation. On lowering storage temperature (i) the extent of the final browning extent in the mushroom after storage was reduced and (ii) the rate textural hardness losses was slowed down. A linear dependence of the final browning index with temperature was found. An Arrhenius type relationship was found to exist between the temperature of storage and storage time with respect to textural hardness. The average batch energy of activation was calculated to be 207 ± 42kJ/mol in a temperature range of 3.5 to 20 °C. Practical Application: This article evaluates how temperature abuse affects mushroom texture and color, applying methods that allow for the consideration of the natural product variability that is inherent in mushrooms. Its results apply to mushroom producers, retail distribution, and supermarkets for effective storage management.     

How the inclusion of mushroom powder can affect the physicochemical characteristics of pasta

In this study, a partial substitution of durum wheat semolina with three different species of mushrooms (white button, shitake and porcini) was undertaken to increase the nutritional value of the pasta. The cooking properties and textural characteristics of the pasta produced were also determined. The results showed that the addition of mushroom powder increased the cooking loss, as well as firmness and resistance of the uniaxial tension of the pasta. Porcini mushroom incorporation significantly decreased the swelling index, water absorption index and moisture content values of the cooked pasta, while, for the white button and shiitake mushrooms, there was no noticeable effect on either index compared with the control sample (containing exclusively durum wheat semolina). The addition of shiitake mushroom powder resulted in pasta with the highest firmness and tensile strength.     

多光谱数据融合技术对绒柄牛肝菌产地的鉴别

采集5?个产地96?份绒柄牛肝菌样品的红外光谱和紫外光谱,结合多光谱信息融合策略,建立快速、有效鉴别绒柄牛肝菌产地的方法。运用多元散射校正、标准正态变量、二阶导数等预处理方法对原始光谱数据进行优化处理,减少噪音干扰。选取具有指纹特性的光谱信息进行初级数据融合;通过偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）筛选光谱数据中变量在投影方向重要程度大于1的波段,进行中级数据融合。利用优化处理后的单一光谱数据及多光谱融合数据建立PLS-DA模型和支持向量机（support vector machine,SVM）判别模型,比较两种判别模型对绒柄牛肝菌产地的鉴别效果。结果显示,通过红外光谱、紫外光谱、初级融合和中级融合数据分别建立PLS-DA模型,对绒柄牛肝菌产地的预测正确率为56.25%、56.25%、62.50%和81.25%;建立SVM判别模型,产地预测正确率分别为90.63%、65.63%、87.50%和96.88%,表明中级融合技术对绒柄牛肝菌产地鉴别效果显著,优于其他技术;并且SVM判别模型对牛肝菌产地区分效果优于PLS-DA模型。采用中级融合技术建立SVM判别模型,能够快速、有效鉴别不同产地绒柄牛肝菌,同时为食品质量监控提供有效方法和理论基础。     

Effects of Postharvest Brassinolide Treatment on the Metabolism of White Button Mushroom (<Emphasis Type="Italic">Agaricus bisporus</Emphasis>) in Relation to Development of Browning During Storage

Postharvest browning is the primary cause of a decrease in the shelf life of the white button mushroom (Agaricus bisporus). This study investigated the effect of postharvest brassinolide (BL) treatment on metabolism in relation to browning of the white button mushroom. Each harvested mushroom was dipped into one of three solutions containing 0, 1, or 3 μM BL for 5 min and stored in darkness at 4 °C for 16 days. Our results indicated that treatment with BL restrains browning development and reduces the total phenolic content and polyphenol oxidase activity. In addition, BL treatment maintains lower weight loss, electrolyte leakage, and malondialdehyde content and inhibits any increase in lipoxygenase activity compared with those of the control mushrooms. Furthermore, BL treatment significantly decreases the accumulation of reactive oxygen species (ROS) and induces the antioxidant enzyme system. Compared with 1 μM BL, treatment with 3 μM BL is more effective in reducing cap browning. The reduction of membrane oxidative damage and ROS levels induced by BL inhibits enzymatic browning reaction in the white button mushroom. These findings suggest that treatment with BL could have the potential of inhibiting browning and thus maintaining the mushroom’s commercial value.     

红外光谱结合多元统计分析快速鉴别不同种类牛肝菌

采用傅里叶变换红外光谱结合多元统计分析方法快速鉴别不同种类食用牛肝菌。采集10 个不同种类93 个牛肝菌子实体的红外光谱,分析食用牛肝菌的红外光谱特征;用多元散射校正（multiplicative signal correction,MSC）、标准正态变量（standard normal variate,SNV）、二阶导数（second derivative,SD）、Norris平滑（ND）、正交信号校正（orthogonal signal correction,OSC）、小波压缩等方法对光谱进行优化处理;经优化处理的光谱数据分别建立马氏距离分类模型及偏最小二乘判别分析（partial least squares discriminant analysis,PLSDA）。结果显示,牛肝菌在3 325、2 934、2 927、1 637、1 547、1 402、1 375、1 259、1 453、1 081、1 029 cm－1等附近有多个吸收峰,主要归属为蛋白质、多糖、氨基酸等的特征吸收峰。MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）两种预处理方式前10 个主成分累积贡献率分别为95.58%、95.54%,基于两种预处理方法建立马氏距离分类模型,验证集预测准确率分别为90%和95%。PLS-DA结果显示经MSC＋SD＋ND（15∶5）和SNV＋SD＋ND（15∶5）预处理不易于区分牛肝菌种类;原始光谱经正交信号校正及小波压缩（orthogonal signal correction waveletcompression,OSCW）、优化处理并进行PLS-DA分析,能够很好地区分不同种类牛肝菌。马氏距离分类模型不仅能反映样品的分类情况,同时计算出与测试样品相似度最大的物种,可为食用菌种类鉴别和未知物种鉴定提供可靠依据;OSCW预处理后进行PLS-DA分析能有效鉴别不同种类牛肝菌,为野生食用菌的鉴别分类提供一种辅助方法。     

基于支持向量机的野生蘑菇近红外识别模型

提出一种应用近红外光谱技术对野生蘑菇识别的新方法。使用FieldSpec3便携式近红外光谱仪对包括野生蘑菇在内的13种蘑菇进行漫反射光谱采集,通过对光谱的分析,得出1 483,1 727,1 930,2 100,2 180,2 310nm为样品中多糖、蛋白质、脂肪的特征吸收峰,且野生蘑菇中3种成分的相关基团近红外特征吸收峰显著地高于其它蘑菇。将以上6处波长的吸光率作为输入变量,建立支持向量机识别模型,取RBF核,优化后惩罚因子C=2 048.0,核参数γ=0.031 25,该模型对未知样本正确识别率为95.3%。结果表明,利用近红外光谱少量波长处的特征吸收差异,建立支持向量机识别模型可以很好地对野生蘑菇进行鉴别。     

Prediction of white button mushroom (Agaricus bisporus) moisture content using hyperspectral imaging

Hyperspectral imaging is a non-contact, non-destructive technique that combines spectroscopy and imaging to extract information from a sample. This technology has recently emerged as a powerful technique for food analysis. In this study, the potential of hyperspectral imaging (HSI) to predict white button mushroom moisture content (MC) was investigated. Mushrooms were subjected to dehydration at 45 ± 1 °C for different time periods (0, 30, 60 and 120 min) to obtain representative samples at different moisture levels (93.40 ± 0.62%, 82.76 ± 2.11%, 73.20 ± 2.60% and 60.89 ± 4.32% wet basis [wb]). Hyperspectral images of the mushrooms were obtained using a pushbroom system operating in the wavelength range of 400–1000 nm. Hunter L, a and b colour values of the mushrooms were also measured. The average reflectance spectra of samples at different MC levels were obtained and Partial Least Square Regression (PLSR) models were built to predict mushroom moisture content. To reduce the spectral variability caused by factors unrelated to MC such as scattering effects and differences in sample height, different spectral pre-treatments were applied. The Standard Normal Variate (SNV) transformation was found to be the best approach among the wavelength range studied, resulting in the greatest reduction in Root Mean Square Error of Cross Validation (RMSECV) and Root Mean Square Error of Prediction (RMSEP) for a 4-component PLSR model. RMSECV of 5.50 (% wb) and RMSEP of 5.58 (% wb) were obtained for the calibration and test sets of data, respectively. Prediction maps were generated from hyperspectral data to show the predictive model performance at pixel level. This study shows the potential of hyperspectral imaging for prediction of mushroom moisture content in the studied wavelength range. The implemented method highlighted contrast between areas of different moisture content to achieve better knowledge of dehydration distribution over the mushroom surface.     

减压贮藏对双孢菇保鲜品质的影响

研究减压压力对双孢菇贮藏品质的影响。结果表明:25.3kPa和50.7kPa减压处理组能较好地保持双孢菇的感官品质,降低呼吸强度,显著减缓白度值及硬度下降(P0.05),维持较高的可溶性固形物含量(P0.05),并抑制PPO酶活性(P0.05)。然而,减压处理会增加双孢菇的失重率(P0.05),且减压压力越小,失重率越高,其中,50.7kPa和76.0 kPa组失重率维持较好。综合来看,50.7kPa压力的减压保鲜效果最佳。     

不同储藏年限绒柄牛肝菌紫外&红外光谱数据融合鉴别研究

野生食用菌干品长时间储藏会引起微生物增殖、物理及化学变化,影响其商品品质,为保证其质量安全,亟需建立快速有效的方法,鉴别不同储藏年限野生食用菌。本研究采集5个储藏年限,77个绒柄牛肝菌子实体的紫外(UV)与傅里叶变换红外(FT-IR)光谱,采用卷积平滑(SG)、二阶导数(2-D)、标准正态变量(SNV)等方法对光谱进行预处理,结合偏最小二乘判别分析(PLS-DA),建立UV、FT-IR、低级和中级数据融合模型。结果显示:UV与FT-IR光谱最佳预处理分别为SG+2-D和SG+2-D+SNV;UV、FT-IR、低级和中级数据融合模型,总样品分类错误数分别为10、6、4、3,且中级数据融合的R2cal平均值最接近于1、RMSECV平均值最小,表明中级数据融合分类效果,优于UV、FT-IR和低级数据融合。采用UV与FT-IR中级数据融合策略结合PLS-DA,能够准确鉴别不同储藏年限牛肝菌样品,为野生食用菌品质评价提供一种新思路。