基于高光谱成像技术的超声强化热风干燥紫薯的品质检测研究

发布时间：2018-10-05 09:07

【摘要】：干燥是食品产业重要的加工及保藏方法。热风干燥是常用的干燥方式,但传统热风干燥具有时间长、品质差等缺点,可采用超声强化等物理加工技术来促进物料干燥过程的传质速率,从而实现快速、高质的干燥加工。此外,干燥过程中的品质监测十分重要,但常规品质检测方法已无法满足现代干燥过程中快速、无损、实时的检测要求。光谱技术可以检测食品的内部品质特性,但难以获取食品品质信息空间的分布情况,也难以实现外部结构的有效检测。机器视觉技术可以提取出被测物体的空间信息外部属性,但是对于食品的内部品质却难以进行定量检测和分析。高光谱成像技术作为一种融合了光谱技术与机器视觉技术的新型无损检测方法,可以同时获取食品的光谱信息与空间信息,从而达到快速预测样品物理特性、内部化学特性以及获取空间分布信息的效果。高光谱在食品品质与安全检测方面的应用引起越来越多的关注,并在食品加工及品质检测领域中发挥着重要作用。因此,将高光谱成像技术应用于干燥过程中,理论上可实现产品品质的快速、准确、无损检测。本文以紫薯为研究对象,在探讨超声强化热风干燥特性和品质特性的基础上,研究高光谱成像技术对紫薯超声干燥过程中水分和可冻结水的快速精确检测,利用高光谱成像技术对紫薯超声干燥过程中花青素含量变化及空间分布进行预测及可视化研究,探讨不同光谱波段对紫薯超声干燥过程中总黄酮含量预测模型的影响,为利用高光谱成像系统实现紫薯超声干燥过程中物料品质的快速无损检测提供支持,也为高光谱成像技术在食品加工品质检测领域中的应用提供参考。研究主要内容如下:1.利用接触式超声强化热风干燥设备,研究在不同干燥温度及不同超声功率下,紫薯片的干燥特性和品质变化规律。结果表明:随着干燥温度和超声功率的增加,干燥时间明显缩短,干燥速率显著提高;Weibull分布函数可实现对干燥过程的有效模拟;水分扩散系数随干燥温度和超声功率的升高而增大;干燥活化能随着超声功率的增加而相应减少;利用扫描电镜观察紫薯的微观结构,表明提高超声功率会导致紫薯组织结构中的微细孔洞明显增多并扩张;差示扫描量热仪(DSC)检测结果表明,超声可提高水的流动性并降低玻璃化转变温度;在相同超声功率下,随着干燥温度升高,总酚和总黄酮含量基本呈现先升高后下降的趋势;在较低干燥温度下,增大超声功率有利于提高总酚和总黄酮含量,但在较高温度下,过高超声功率则不利于总酚和总黄酮成分的保持;提高超声功率可降低干燥过程能耗。将超声技术用于热风干燥过程的强化,可有效提高干燥速率和干燥品质。2.利用高光谱成像技术实现紫薯干燥过程中水分含量及可冻结水含量的快速准确预测。提取高光谱图像的平均光谱,使用移动窗口平滑、多元散射校正(MSC)和SG卷积平滑预处理方法对光谱进行预处理,并基于全波段光谱分别建立水分含量和可冻结水含量的偏最小二乘(PLSR)预测模型;应用相关系数法(RC)提取能表征水分含量和可冻结水含量的特征波长,最后分别基于光谱特征波长建立PLSR、多元线性回归(MLR)和BP神经网络(BP-ANN)预测模型。结果表明:MSC光谱预处理有助于提高PLSR模型精度,RC算法分别提取选择水分含量的10个特征波长和可冻结水含量的9个特征波长。基于特征波长建立的RC-MLR可有效提高模型精度及简化模型,水分和可冻结水训练集的决定系数分别为0.9417和0.8708,预测集的决定系数分别为0.9359和0.8592。3.采用高光谱成像技术检测紫薯干燥过程中花青素含量变化。对提取的平均光谱进行光谱预处理,建立PLSR和最小二乘支持向量机(LS-SVM)模型,并选择了最优光谱预处理方式。运用RC算法选择特征波长,并基于特征波长光谱信息建立PLSR、MLR和LS-SVM模型,对比选择最优模型。最后,应用最佳模型对预测集样本图像上每个像素点的花青素含量进行预测,实现花青素含量的分布可视化。结果表明:MSC光谱预处理方法可提高PLSR模型和LS-SVM模型精度,利用RC算法提取选择10个特征波长,基于特征波长下建立的RC-MLR模型预测精度最好,训练集的决定系数为0.8679,预测集的决定系数为0.8659,并应用RC-MLR模型实现了干燥过程中花青素含量分布变化的可视化。4.探讨不同光谱波段对不同超声功率下干燥过程中紫薯片总黄酮含量预测模型的影响。分别应用不同光谱预处理方法对全波段(371~1023 nm)原始平均光谱、可见光波段(400~760 nm)原始平均光谱和近红外波段(760~1023 nm)平均光谱进行校正,并分别建立样本光谱数据与检测的总黄酮含量之间的PLSR和LS-SVM模型。结果表明:MSC预处理后建立的模型预测结果均最好。经过MSC预处理后,基于可见光波段光谱建立的PLSR模型预测精度高于基于全波段光谱建立的LS-SVM模型和基于近红外光谱建立的PLSR模型预测精度,其模型精度最高,训练集的决定系数为0.8941,预测集的决定系数为0.7280。
[Abstract]:......
【学位授予单位】：河南科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TS215;O657.3

【参考文献】