猕猴桃、桃和梨品质特性的近红外光谱无损检测模型优化研究

发布时间：2017-06-02 10:17

  本文关键词：猕猴桃、桃和梨品质特性的近红外光谱无损检测模型优化研究，由笔耕文化传播整理发布。

【摘要】：我国水果产销量居于世界前列，但原果品质以及果品加工制品质量却与发达国家相比存在较大的差距，，这也是限制我国水果产业健康发展并走向世界的巨大瓶颈。导致这种差距存在的主要原因归结于传统检测技术难以及时、准确、全面且客观了解果实田间生长期间、采摘后储藏、流通过程中以及后续加工等环节里品质特性的变化。因此，开展基于新兴检测技术的果品品质快速无损检测研究具有重要的实际意义。 本文在课题组前期研究基础之上，分别以采后猕猴桃、桃和梨为研究对象，基于近红外漫反射光谱技术建立了混合品种果实可溶性固形物含量检测模型、不同品种果实鉴别模型及损伤猕猴桃识别模型，并综合、系统地比较了定量检测与定性判别建模分析过程中各环节关键技术方法的选取对模型预测及判别性能的影响，最终确定相对最优分析模型，得到如下结论： （1）经X-Y共生距离（SPXY）法划分样品集，一阶导数法处理原始光谱，基于移动窗口偏最小二乘（MWPLS）特征波数选取方法的混合品种猕猴桃可溶性固形物含量广义回归神经网络（GRNN）分析模型预测精度和适用性最好，其校正相关系数（Rc）、校正均方根误差（RMSEC）、预测相关系数（Rp）和预测均方根误差（RMSEP）分别达到0.977、0.641、0.948和0.762。 （2）经Kennard-Stone算法划分样品集，基于样品原始光谱，利用连续投影算法（SPA）方法选取特征波数，建立的“华优”与“西选二号”猕猴桃Fisher、误差反向传播网络（BP）、最小二乘支持向量机（LSSVM）与极限学习机（ELM）品种判别分析模型对预测集样品的判别正确率均达到100%。 （3）经Kennard-Stone算法划分样品集，多元散射校正（MSC）方法处理原始光谱，采用SPA方法选取特征波数，建立的损伤猕猴桃LSSVM识别模型具有最优的识别效果，SPA-LSSVM模型对预测集碰撞损伤猕猴桃、挤压损伤猕猴桃和无损猕猴桃的识别正确率分别达到100%、85.7%和76.8%，总正确识别率为88.1%。 （4）经SPXY法划分样品集，根据样品原始光谱，基于无信息变量消除（UVE）特征波数选取方法的混合品种桃可溶性固形物含量的LSSVM分析模型具有最好的预测性能，其Rc、RMSEC、Rp和RMSEP分别达到0.998、0.220、0.985和0.428。 （5）经Kennard-Stone算法划分样品集，基于样品原始光谱，利用SPA方法选取特征波数，建立的“北京八号”、“莱山蜜”与“沙红”桃Fisher、BP、LSSVM与ELM品种判别分析模型具有最好的性能，对预测集3种桃样品的鉴别正确率均达到100%。 （6）经浓度梯度法划分样品集，根据MSC处理光谱，基于UVE特征波数选取的混合品种梨可溶性固形物含量LSSVM分析模型具有最好的预测性能，UVE-LSSVM模型的Rc、RMSEC、Rp和RMSEP分别达到0.986、0.163、0.974和0.262。 （7）经Kennard-Stone算法划分样品集，基于样品原始光谱，采用SPA方法选取特征波数，建立的“砀山酥梨”与“雪花梨”Fisher、BP、LSSVM与ELM品种鉴别模型对预测集梨样品的判别正确率均达到97.5%以上，具有最好的鉴别分类效果。
【关键词】：近红外光谱 猕猴桃 桃 梨 建模分析
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：O657.33
【目录】：

• 项目来源5-6
• 摘要6-8
• ABSTRACT8-13
• 第一章 绪论13-19
• 1.1 选题背景与意义13
• 1.2 近红外光谱技术在果品品质检测领域的研究现状13-17
• 1.2.1 果品内部品质指标定量检测方面13-15
• 1.2.2 果品品质特性定性鉴别方面15-17
• 1.3 研究中尚存在的问题17
• 1.4 研究内容与方法17-19
• 第二章 近红外光谱分析技术基本原理与方法19-28
• 2.1 引言19
• 2.2 近红外光谱检测技术概述19-21
• 2.2.1 近红外光谱分析技术的原理19
• 2.2.2 近红外光谱分析技术的特点19-20
• 2.2.3 近红外光谱分析的基本流程与步骤20
• 2.2.4 近红外光谱分析模型的评价准则20-21
• 2.3 近红外光谱数据处理方法21-26
• 2.3.1 样品优选方法21-22
• 2.3.2 近红外光谱的预处理方法22-23
• 2.3.3 有效特征波数的优选方法23-24
• 2.3.4 校正模型建立方法24-26
• 2.4 小结26-28
• 第三章 猕猴桃品质特性的近红外光谱无损检测模型优化研究28-53
• 3.1 引言28
• 3.2 试验材料与方法28-29
• 3.2.1 试验材料28
• 3.2.2 近红外光谱采集28-29
• 3.2.3 可溶性固形物含量测定29
• 3.3 混合品种猕猴桃可溶性固形物含量近红外光谱无损检测29-37
• 3.3.1 异常样品的剔除29-31
• 3.3.2 样品集的合理划分31-32
• 3.3.3 光谱预处理32
• 3.3.4 有效特征波数的选取32-34
• 3.3.5 可溶性固形物含量建模分析34-37
• 3.3.6 模型综合比较与评价37
• 3.4 猕猴桃品种的近红外光谱快速鉴别技术研究37-44
• 3.4.1 异常样品的剔除37-38
• 3.4.2 Kennard-Stone 算法划分样品集38-39
• 3.4.3 光谱预处理39
• 3.4.4 有效特征变量的提取39-41
• 3.4.5 品种判别分析模型的建立41-43
• 3.4.6 判别模型的综合比较与评价43-44
• 3.5 贮藏期损伤猕猴桃近红外光谱快速识别技术研究44-51
• 3.5.1 猕猴桃近红外光谱特征分析44-45
• 3.5.2 异常样品的剔除45-46
• 3.5.3 Kennard-Stone 算法划分样品集46
• 3.5.4 光谱预处理46
• 3.5.5 有效特征变量的提取46-48
• 3.5.6 损伤猕猴桃识别模型的建立48-51
• 3.5.7 识别模型的综合比较与评价51
• 3.6 小结51-53
• 第四章 桃品质特性的近红外光谱无损检测模型优化研究53-69
• 4.1 引言53
• 4.2 试验数据介绍53
• 4.3 混合品种桃可溶性固形物含量近红外光谱无损检测53-62
• 4.3.1 三种桃近红外光谱特征分析54-55
• 4.3.2 异常样品的剔除55
• 4.3.3 样品集的合理划分55-56
• 4.3.4 光谱预处理56
• 4.3.5 有效特征波数的选取56-58
• 4.3.6 可溶性固形物含量建模分析58-61
• 4.3.7 模型综合比较与评价61-62
• 4.4 不同品种桃的近红外光谱快速鉴别技术研究62-68
• 4.4.1 异常样品的剔除62
• 4.4.2 Kennard-Stone 算法划分样品集62
• 4.4.3 光谱预处理62-63
• 4.4.4 有效特征变量的提取63-65
• 4.4.5 品种判别分析模型的建立65-67
• 4.4.6 判别模型的综合比较与评价67-68
• 4.5 小结68-69
• 第五章 梨品质特性的近红外光谱无损检测模型优化研究69-84
• 5.1 引言69
• 5.2 试验数据介绍69
• 5.3 混合品种梨可溶性固形物含量近红外光谱无损检测69-77
• 5.3.1 异常样品的剔除70-71
• 5.3.2 样品集的合理划分71
• 5.3.3 光谱预处理71-72
• 5.3.4 有效特征波数的选取72-73
• 5.3.5 可溶性固形物含量建模分析73-77
• 5.3.6 模型综合比较与评价77
• 5.4 不同品种桃的近红外光谱快速鉴别技术研究77-83
• 5.4.1 异常样品的剔除77
• 5.4.2 Kennard-Stone 算法划分样品集77-78
• 5.4.3 光谱预处理78
• 5.4.4 有效特征变量的提取78-80
• 5.4.5 品种判别分析模型的建立80-82
• 5.4.6 判别模型的综合比较与评价82-83
• 5.5 小结83-84
• 第六章 结论与展望84-86
• 6.1 结论84-85
• 6.2 创新点85
• 6.3 展望85-86
• 参考文献86-92
• 致谢92-93
• 作者简介93

【参考文献】

中国期刊全文数据库 前10条

1 庞艳苹;夏立娅;左永强;张晓瑜;闫军颖;;近红外光谱法快速鉴别真伪平谷大久保桃[J];安徽农业科学;2010年03期

2 刘辉军;孙斌;陈华才;;基于近红外光谱的不同产地苹果货架期鉴别方法[J];光电工程;2011年05期

3 何勇;李晓丽;邵咏妮;;基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究[J];光谱学与光谱分析;2006年05期

4 刘燕德;应义斌;;傅里叶近红外光谱的雪青梨酸度偏最小二乘法定量分析[J];光谱学与光谱分析;2006年08期

5 李建平;傅霞萍;周莹;应义斌;谢丽娟;牛晓颖;闫战科;于海燕;;近红外光谱定量分析技术在枇杷可溶性固形物无损检测中的应用[J];光谱学与光谱分析;2006年09期

6 王加华;孙旭东;潘璐;孙谦;韩东海;;基于可见/近红外能量光谱的苹果褐腐病和水心鉴别[J];光谱学与光谱分析;2008年09期

7 刘燕德;陈兴苗;孙旭东;;可见/近红外漫反射光谱无损检测南丰蜜桔维生素C的研究[J];光谱学与光谱分析;2008年10期

8 安欣;徐硕;张录达;苏时光;;多因变量LS-SVM回归算法及其在近红外光谱定量分析中的应用[J];光谱学与光谱分析;2009年01期

9 冯洁;廖宁放;赵波;罗永道;李宝聚;;常见黄瓜病害的多光谱诊断[J];光谱学与光谱分析;2009年02期

10 展晓日;朱向荣;史新元;张卓勇;乔延江;;SPXY样本划分法及蒙特卡罗交叉验证结合近红外光谱用于橘叶中橙皮苷的含量测定[J];光谱学与光谱分析;2009年04期

中国博士学位论文全文数据库 前1条

1 徐惠荣;基于可见/近红外光谱的水果糖度检测模型优化及应用研究[D];浙江大学;2010年

中国硕士学位论文全文数据库 前2条

1 岳绒;受损猕猴桃贮藏期间近红外光谱与品质关系的研究[D];西北农林科技大学;2011年

2 刘卉;猕猴桃、桃和梨品质的近红外漫反射光谱无损检测研究[D];西北农林科技大学;2011年

  本文关键词：猕猴桃、桃和梨品质特性的近红外光谱无损检测模型优化研究，由笔耕文化传播整理发布。

本文编号：414942