梨可溶性固形物的近红外光谱检测模型稳定性及优化研究
发布时间：2021-07-12 21:23
随着社会经济的发展和人民生活水平的提高,人们对水果需求量增大的同时对水果品质的要求也越来越高。加之,我国水果种植面积和产量在世界上首屈一指,但是出口量却很少,在国际市场缺乏竞争力,其主要原因在于水果采后商品化处理技术落后。因此,增强水果的采后产业化、商品化处理,不仅可以满足人们对水果品质的高要求,更是提高我国水果产业竞争力的关键。论文以产自我国的梨为研究对象,以其可溶性固形物含量（soluble solids content,SSC）为检测指标（又称糖度）,利用近红外光谱技术,结合化学计量学方法,研究了梨不同采摘年份、不同存储时间、径向不同检测位置等因素对其SSC检测模型稳定性的影响,并进行了建模分析和补偿模型研究以实现模型优化。论文的主要研究内容及结论如下:1.研究了雪梨不同采摘年份对其SSC检测模型稳定性的影响,并提出了从不同采摘年份梨的光谱中提取特征变量的方法。以分别采摘于2017年、2018年、2019年当季的雪梨样品为研究对象,建立并比较了雪梨SSC的单一采摘年份模型和混合采摘年份模型。结果表明,混合3个年份校正集样品建立的混合采摘年份模型对每个年份的预测集样品取得了更好的预...
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
007~2018年我国水果产量Fig.1-1FruityieldinChinafrom2007to2018然而，与如此巨大的种植面积和产量相比，我国梨每年的出口量占比却很小[6,7]，在国际
西南大学硕士学位论文2图1-22007~2018年我国梨产量Fig.1-2PearyieldinChinafrom2007to2018造成这种情况的原因主要有两点：一是梨的国内消费比重较大，二是我国梨采后产业化、商品化处理技术落后。因此，在梨种植面积和产量保持平稳增长的同时，增强梨的采后产业化、商品化处理，是提高我国梨乃至整个水果产业国际竞争力的关键。而对于梨的采后产业化、商品化处理，实现其内部品质的快速、无损检测是至关重要的一步。加之，随着社会经济的发展和人民生活水平的提高，人们对水果的品质要求也愈发严苛，消费者的目光不再仅仅停留在大小和色泽等外观形状，而是更多地关注水果的内部品质[8]，诸如可溶性固形物含量（又称糖度）、含水量、硬度、可滴定酸度、干物质含量、酸碱度以及内部病变（如水心病和霉心病等）等。水果的这些内部品质决定了水果的口感和质量，并深刻影响着消费者的购买意愿[9-11]。因此，综上所述，实现梨内部品质的快速、无损检测不仅是扩大出口、提高国际市场竞争力的关键，也是满足消费者对水果品质要求日益多元化的需要。同时，这也成为当今我国水果产业研究的一项重大课题。1.2梨内部品质的近红外光谱检测研究现状1.2.1近红外光谱技术应用概述近红外光谱（nearinfraredspectroscopy,NIRS）技术可以快速有效地测定样品中的化学组成和物化性质，现已成为农业、工矿企业和科研部门不可或缺的一种分析技术。其优越性主要包括以下几点：①测试方便；②仪器成本低、非常适合用于在线检测；③分析速度快、分析效率高。自20世纪90年代以来，近红外光谱技术正在以产业链的形式应用于各个领域，如农业[12,13]、石化[14,15]、制药[16,17]和食品[18,19]等。下面对近红外光谱技术的几个主要应用领域进行概述。
西南大学硕士学位论文4800~1000nm波段范围，并建立了鳄梨DM含量的偏最小二乘（PLS）和多元线性回归（MLR）模型。结果表明，interactance模式优于reflectance模式，在interactance采集模式下建立的PLS模型的预测相关系数（Rp）以及预测均方根误差（RMSEP）分别为0.88和1.8%，通过4个特征变量建立的MLR模型可以得到与PLS模型相近的结果，其中3个特征变量位于900~920nm。该研究为后续梨DM含量检测研究提供了参考。图1-3文献[40]中提出的reflectance和interactance测量示意图Fig.1-3Schematicofreflectanceandinteractancemeasurementsproposedinref[40]2006年，刘燕德等[41]利用NexusFT-NIR型傅里叶变换近红外光谱仪获取了雪青梨在12500~4000cm-1内的近红外漫反射光谱，建立了不同波段范围（5452~12285cm-1、5452~8658cm-1、8658~12285cm-1）的雪青梨酸度PLS模型，同时分析了不同PLS主因子数下的模型交叉验证均方根误差（RMSECV），进而确定出最优模型。结果表明，基于5452~12285cm-1波段范围且PLS主因子数为7时，建模效果最佳，Rp以及RMSEP分别为0.79和0.0186%。2006年，韩东海等[42]通过获取鸭梨在651~1282nm波段范围的可见/近红外透射光谱来检测鸭梨褐心玻研究表明，在651~1282nm范围内，结合马氏距离（Mahalanobisdistance,MD）的判别分析（discriminantanalysis,DA）准确率可达100%，当将713~743nm之间的光密度差应用于测试集时，分类准确率为95.4%。2007年，刘燕德等[43]采集了梨在814~1834nm内的近红外漫反射光谱，同时分析了814~1834nm、1155~1834nm、814~1155nm波段范围，并结合不同的光谱预处理方法和建模方法建立了梨的SSC和TA检测模型。结果显示，对于SSC和TA，基于814~1834nm波段，采用多元散射校正（MSC）预处理
【参考文献】：
期刊论文
[1]基于MC-UVE、GA算法及因子分析对葡萄酒酒精度近红外定量模型的优化研究[J]. 王怡淼,朱金林,张慧,赵建新,顾小红,朱华新. 发光学报. 2018(09)
[2]中国水果产业供给侧改革与发展趋势[J]. 邓秀新. 现代农业装备. 2018(04)
[3]2017年国内水果市场形势分析与2018年展望[J]. 窦晓博,邵娜. 农业展望. 2018(06)
[4]基于近红外光谱法快速测定丹参中5种成分模型的建立[J]. 雷晓晴,李耿,王秀丽,付梅红,张秀荣,陈芳宁. 中草药. 2018(11)
[5]近红外光谱预测稻谷水分含量特征谱区选择及其效率分析[J]. 黄华,吴习宇,祝诗平. 光谱学与光谱分析. 2018(04)
[6]基于可见-近红外反射光谱的土壤碳酸钙含量与反演效果关系研究[J]. 林卡,李德成,刘峰,张甘霖. 土壤学报. 2018(02)
[7]近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量[J]. 田翔,刘思辰,王海岗,秦慧彬,乔治军. 食品科学. 2017(16)
[8]大米蛋白质、脂肪、总糖、水分近红外检测模型研究[J]. 李路,黄汉英,赵思明,胡月来,杨素仙. 中国粮油学报. 2017(07)
[9]皇冠梨糖度可见/近红外光谱在线检测模型传递研究[J]. 徐惠荣,李青青. 农业机械学报. 2017(09)
[10]梨和苹果糖度在线检测通用数学模型研究[J]. 刘燕德,马奎荣,孙旭东,韩如冰,朱丹宁,吴明明,叶灵玉. 光谱学与光谱分析. 2017(07)
博士论文
[1]苹果霉心病透射光谱无损检测技术研究[D]. 周兆永.西北农林科技大学 2017
[2]基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究[D]. 樊书祥.西北农林科技大学 2016
[3]麒麟瓜内部品质在线无损检测技术的实验研究[D]. 介邓飞.浙江大学 2014
[4]梨可溶性固形物和酸度的可见/近红外光谱静态和在线检测研究[D]. 孙通.浙江大学 2011
[5]中国水果出口贸易影响因素的实证分析[D]. 霍尚一.浙江大学 2008
硕士论文
[1]中国水果产业转型升级：评价及影响因素研究[D]. 王刘坤.华中农业大学 2018
[2]同时快速鉴别中国药典收载的三种麻黄药材的近红外光谱法研究[D]. 罗阳.重庆医科大学 2016
[3]基于近红外光谱的猕猴桃糖度无损检测方法的研究[D]. 宋思哲.西北农林科技大学 2015
[4]基于近红外光谱技术的面粉品质研究[D]. 闫李慧.河南工业大学 2012
[5]石油产品特性的近红外测量技术研究[D]. 刘朋.中国石油大学 2009
[6]基于近红外技术的石油含水测量系统研究[D]. 宋涛.中国石油大学 2007
本文编号：3280685
【文章来源】：西南大学重庆市 211工程院校 教育部直属院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
007~2018年我国水果产量Fig.1-1FruityieldinChinafrom2007to2018然而，与如此巨大的种植面积和产量相比，我国梨每年的出口量占比却很小[6,7]，在国际
西南大学硕士学位论文2图1-22007~2018年我国梨产量Fig.1-2PearyieldinChinafrom2007to2018造成这种情况的原因主要有两点：一是梨的国内消费比重较大，二是我国梨采后产业化、商品化处理技术落后。因此，在梨种植面积和产量保持平稳增长的同时，增强梨的采后产业化、商品化处理，是提高我国梨乃至整个水果产业国际竞争力的关键。而对于梨的采后产业化、商品化处理，实现其内部品质的快速、无损检测是至关重要的一步。加之，随着社会经济的发展和人民生活水平的提高，人们对水果的品质要求也愈发严苛，消费者的目光不再仅仅停留在大小和色泽等外观形状，而是更多地关注水果的内部品质[8]，诸如可溶性固形物含量（又称糖度）、含水量、硬度、可滴定酸度、干物质含量、酸碱度以及内部病变（如水心病和霉心病等）等。水果的这些内部品质决定了水果的口感和质量，并深刻影响着消费者的购买意愿[9-11]。因此，综上所述，实现梨内部品质的快速、无损检测不仅是扩大出口、提高国际市场竞争力的关键，也是满足消费者对水果品质要求日益多元化的需要。同时，这也成为当今我国水果产业研究的一项重大课题。1.2梨内部品质的近红外光谱检测研究现状1.2.1近红外光谱技术应用概述近红外光谱（nearinfraredspectroscopy,NIRS）技术可以快速有效地测定样品中的化学组成和物化性质，现已成为农业、工矿企业和科研部门不可或缺的一种分析技术。其优越性主要包括以下几点：①测试方便；②仪器成本低、非常适合用于在线检测；③分析速度快、分析效率高。自20世纪90年代以来，近红外光谱技术正在以产业链的形式应用于各个领域，如农业[12,13]、石化[14,15]、制药[16,17]和食品[18,19]等。下面对近红外光谱技术的几个主要应用领域进行概述。
西南大学硕士学位论文4800~1000nm波段范围，并建立了鳄梨DM含量的偏最小二乘（PLS）和多元线性回归（MLR）模型。结果表明，interactance模式优于reflectance模式，在interactance采集模式下建立的PLS模型的预测相关系数（Rp）以及预测均方根误差（RMSEP）分别为0.88和1.8%，通过4个特征变量建立的MLR模型可以得到与PLS模型相近的结果，其中3个特征变量位于900~920nm。该研究为后续梨DM含量检测研究提供了参考。图1-3文献[40]中提出的reflectance和interactance测量示意图Fig.1-3Schematicofreflectanceandinteractancemeasurementsproposedinref[40]2006年，刘燕德等[41]利用NexusFT-NIR型傅里叶变换近红外光谱仪获取了雪青梨在12500~4000cm-1内的近红外漫反射光谱，建立了不同波段范围（5452~12285cm-1、5452~8658cm-1、8658~12285cm-1）的雪青梨酸度PLS模型，同时分析了不同PLS主因子数下的模型交叉验证均方根误差（RMSECV），进而确定出最优模型。结果表明，基于5452~12285cm-1波段范围且PLS主因子数为7时，建模效果最佳，Rp以及RMSEP分别为0.79和0.0186%。2006年，韩东海等[42]通过获取鸭梨在651~1282nm波段范围的可见/近红外透射光谱来检测鸭梨褐心玻研究表明，在651~1282nm范围内，结合马氏距离（Mahalanobisdistance,MD）的判别分析（discriminantanalysis,DA）准确率可达100%，当将713~743nm之间的光密度差应用于测试集时，分类准确率为95.4%。2007年，刘燕德等[43]采集了梨在814~1834nm内的近红外漫反射光谱，同时分析了814~1834nm、1155~1834nm、814~1155nm波段范围，并结合不同的光谱预处理方法和建模方法建立了梨的SSC和TA检测模型。结果显示，对于SSC和TA，基于814~1834nm波段，采用多元散射校正（MSC）预处理
【参考文献】：
期刊论文
[1]基于MC-UVE、GA算法及因子分析对葡萄酒酒精度近红外定量模型的优化研究[J]. 王怡淼,朱金林,张慧,赵建新,顾小红,朱华新. 发光学报. 2018(09)
[2]中国水果产业供给侧改革与发展趋势[J]. 邓秀新. 现代农业装备. 2018(04)
[3]2017年国内水果市场形势分析与2018年展望[J]. 窦晓博,邵娜. 农业展望. 2018(06)
[4]基于近红外光谱法快速测定丹参中5种成分模型的建立[J]. 雷晓晴,李耿,王秀丽,付梅红,张秀荣,陈芳宁. 中草药. 2018(11)
[5]近红外光谱预测稻谷水分含量特征谱区选择及其效率分析[J]. 黄华,吴习宇,祝诗平. 光谱学与光谱分析. 2018(04)
[6]基于可见-近红外反射光谱的土壤碳酸钙含量与反演效果关系研究[J]. 林卡,李德成,刘峰,张甘霖. 土壤学报. 2018(02)
[7]近红外漫反射光谱法快速检测谷子蛋白质和淀粉含量[J]. 田翔,刘思辰,王海岗,秦慧彬,乔治军. 食品科学. 2017(16)
[8]大米蛋白质、脂肪、总糖、水分近红外检测模型研究[J]. 李路,黄汉英,赵思明,胡月来,杨素仙. 中国粮油学报. 2017(07)
[9]皇冠梨糖度可见/近红外光谱在线检测模型传递研究[J]. 徐惠荣,李青青. 农业机械学报. 2017(09)
[10]梨和苹果糖度在线检测通用数学模型研究[J]. 刘燕德,马奎荣,孙旭东,韩如冰,朱丹宁,吴明明,叶灵玉. 光谱学与光谱分析. 2017(07)
博士论文
[1]苹果霉心病透射光谱无损检测技术研究[D]. 周兆永.西北农林科技大学 2017
[2]基于可见/近红外光谱及成像技术的苹果可溶性固形物检测研究[D]. 樊书祥.西北农林科技大学 2016
[3]麒麟瓜内部品质在线无损检测技术的实验研究[D]. 介邓飞.浙江大学 2014
[4]梨可溶性固形物和酸度的可见/近红外光谱静态和在线检测研究[D]. 孙通.浙江大学 2011
[5]中国水果出口贸易影响因素的实证分析[D]. 霍尚一.浙江大学 2008
硕士论文
[1]中国水果产业转型升级：评价及影响因素研究[D]. 王刘坤.华中农业大学 2018
[2]同时快速鉴别中国药典收载的三种麻黄药材的近红外光谱法研究[D]. 罗阳.重庆医科大学 2016
[3]基于近红外光谱的猕猴桃糖度无损检测方法的研究[D]. 宋思哲.西北农林科技大学 2015
[4]基于近红外光谱技术的面粉品质研究[D]. 闫李慧.河南工业大学 2012
[5]石油产品特性的近红外测量技术研究[D]. 刘朋.中国石油大学 2009
[6]基于近红外技术的石油含水测量系统研究[D]. 宋涛.中国石油大学 2007
本文编号：3280685
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3280685.html
教材专著
