水果糖度和酸度的近红外光谱无损检测研究

发布时间：2017-05-01 17:14

  本文关键词：水果糖度和酸度的近红外光谱无损检测研究，，由笔耕文化传播整理发布。

【摘要】：水果品质自动化检测与分级是国际农业工程与食品工程科技界的热门研究课题,对于满足消费者对食品品质和食物安全的要求,提高水果产品的市场价值与市场竞争力,增加农民收入都具有重大意义。近年来我国水果总产量一直居世界前列,而由于水果产后加工和处理水平不高,水果年出口量仅占总产量的3%左右,这与世界水果第一王国的身份极不相称。糖度和酸度对果实品质起着主导作用,它不仅影响果实的甜味和色泽,还是合成维生素和类胡萝卜素等营养成分的基础原料。目前水果内部品质分析方法存在破坏样品、操作复杂、耗时长、成本高和无法实现在线检测等不足,因此,探索基于近红外光谱快速无损检测水果内部糖度和酸度方法并建立性能稳定的数学模型,是一项具有重要理论意义和实际应用价值的基础工作。本研究是国家高新技术“863”项目-水果品质实时检测和分级机器人系统研究的延伸和拓展,是对水果品质自动化检测与分级技术的一个重要推进。本研究综合多学科交叉知识,以苹果和梨为研究对象,以糖度和酸度检测为目标,分别从水果的近红外光谱响应特性、水果糖度和酸度无损检测精度影响因素、水果近红外光谱检测匹配参数、水果建模样品有效选择方法以及糖度和酸度的快速无损检测数学模型创建等方面进行了系统深入地研究,论文取得的主要创新性成果有: 1.采用现代科学仪器和实验分析方法,探索了仪器状态,样品参数、采样环境和测试条件等因素对水果糖度和酸度近红外光谱响应特性的影响,得出了一批水果糖度和酸度无损检测的重要优化匹配参数,对于阐明水果最佳光谱响应测试部位,最佳测量距离、不同样品状态参数对光谱响应测试的影响,制定检测技术规范具有重要参考价值。实验找到的水果漫反射光谱吸收峰位置出现在10176cm~(-1),8313cm~(-1),6860cm~(-1),5172cm~(-1)和4321cm~(-1)波段附近,研究结果表明不同水果波峰位置差异性不明显。研究得出的水果糖度和酸度检测的重要优化匹配参数是扫描次数为64次,光谱仪分辨率为16cm~(-1)和增益大小为4,实验证明该匹配参数能够满足水果糖度和酸度无损检测数学模型精度要求。 2.探索了基于近红外光谱的水果糖度和酸度无损检测方法,建立了相应的线性和非线性优化数学模型,给出了水果糖度和酸度的光谱吸收波段范围、不同数学模型的预测精度和适用范围,找出了MBP神经网络训练的优化匹配参数。研究得出的苹果糖度(SC),总酸度(TA)和有效酸度(pH)优化数学模型建立的光谱范围是4242.63cm~(-1)-12303.62cm~(-1),最佳主因子数(f_(opt))分别是9,10和10,数学模型的预测精度是校正相关系数(r_c)分别为0.954,0.79和0.821,校正标准偏差(RMSEC)分别为0.540,0.041和0.069和预测标准误差(RMSEP)分别为0.530,0.043和0.066;研究得出的早熟梨SC,TA和pH优化数学模型建立的光谱范围是4504.90cm~(-1)-7112.19cm~(-1),f_(opt)分别是10,8和10,模型的预测精度是r_c分别为0.923,0.85和0.88,RMSEC分别为0.505,0.22和0.132和RMSEP分别为0.543,0.239和0.132。另外,研究给出的MBP神经网络训练的优化匹配参数是输入层神经元数目优化为6,隐含层节点神经元数目为4,学习算法采用梯度下降法,学习速率为0.5,动量因子为0.2,建立的苹果三组分(SC,TA和pH)MBP非线性数学模型精度是(r_c)分别为0.950,0.941和0.925,RMSEC分别为0.199,0.013和0.100,RMSEP分别为0.217,0.023和0.200。研究表明建立非线性
【关键词】：近红外光谱技术 水果 糖度 酸度 无损检测 数学模型 优化匹配参数
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2006
【分类号】：TS255.7
【目录】：

• 项目资助3-4
• 中文摘要4-6
• 英文摘要6-12
• 插图清单12-17
• 表格清单17-23
• 相关缩略词及名词术语23-25
• 第一章 绪论25-52
• 1.1 课题研究的产业背景及意义25-27
• 1.1.1 课题研究的产业背景分析25-26
• 1.1.2 课题研究意义26-27
• 1.2 近红外光谱检测技术研究进展27-33
• 1.2.1 近红外光谱检测的物理基础27-28
• 1.2.2 近红外光谱检测技术流程及特点28
• 1.2.3 近红外光谱检测技术的发展历程28-29
• 1.2.4 化学计量学方法研究进展29-33
• 1.3 近红外光谱在水果内部品质检测的研究进展33-44
• 1.3.1 水果近红外光谱检测的可行性33-34
• 1.3.2 具体检测流程34
• 1.3.3 关键技术及解决方案34-36
• 1.3.4 国内外研究进展36-44
• 1.4 目前国内外研究中存在的问题44-45
• 1.5 研究目的与具体内容45-47
• 1.5.1 课题来源45
• 1.5.2 研究目的、要求与总体研究内容45-47
• 1.5.3 技术路线47
• 1.6 本章小结47-52
• 第二章 实验材料与方法52-75
• 2.1 实验样品准备与步骤52-55
• 2.1.1 实验样品准备52-53
• 2.1.2 样品观察和测定内容53
• 2.1.3 实验步骤及流程53-54
• 2.1.4 具体实验过程54-55
• 2.2 水果糖度和酸度的理化分析55-63
• 2.2.1 水果糖度的理化分析55-57
• 2.2.2 水果葡萄糖、果糖和蔗糖的理化分析57-59
• 2.2.3 水果还原糖的理化分析59-61
• 2.2.4 水果酸度的理化分析61-63
• 2.3 水果近红外光谱测量方法63-74
• 2.3.1 水果组织的近红外光谱响应特性63-65
• 2.3.2 蒙特卡罗(Monte Carlo，MC)模型的建立65-67
• 2.3.3 实验光谱仪器的选择67
• 2.3.4 实验光谱仪基本工作原理67-68
• 2.3.5 Nexus FT-IR光谱仪性能测试实验68-70
• 2.3.6 水果近红外光谱数据的处理分析软件70-71
• 2.3.7 水果近红外光谱采集的实现71-72
• 2.3.8 部分苹果和梨样品近红外光谱图72-74
• 2.4 本章小结74-75
• 第三章 水果近红外光谱响应特性和糖度检测精度的影响因素75-110
• 3.1 水果近红外光谱响应特性的影响研究75-95
• 3.1.1 水果近红外光谱响应特性的影响因素75-76
• 3.1.2 测量距离对水果近红外光谱响应特性的影响76-81
• 3.1.3 测试部位对水果近红外光谱响应特性的影响81-85
• 3.1.4 表面颜色对水果近红外光谱响应特性的影响85-88
• 3.1.5 信号能量对水果近红外光谱响应特性的影响88-91
• 3.1.6 拟水平法在水果糖度和酸度无损检测中的应用91-95
• 3.2 水果糖度近红外光谱无损检测精度的影响因素95-100
• 3.2.1 不同信号能量对糖度无损检测精度的影响95-96
• 3.2.2 不同生长部位对糖度无损检测精度的影响96-97
• 3.2.3 不同测试部位对糖度无损检测精度的影响97-98
• 3.2.4 不同测量距离对糖度无损检测精度的影响98-100
• 3.3 光谱仪检测参数的选择及优化实验100-108
• 3.3.1 扫描次数的选择与实验100-102
• 3.3.2 分辨率大小的选择与实验102-105
• 3.3.3 正交实验设计在检测参数优化匹配中的应用105-108
• 3.4 本章小结108-110
• 第四章 水果近红外光谱检测的建模样品有效选择方法110-139
• 4.1 异常样品的形成机理及类型110-113
• 4.2 水果样品异常值的判别方法113-124
• 4.2.1 样品异常值判别方法113-116
• 4.2.2 异常样品剔除及实现方法116-117
• 4.2.3 建模样品有效选择实验结果117-124
• 4.3 样品的相似性判别及优化方法124-129
• 4.3.1 样本数量确立及相似性样品判别124
• 4.3.2 水果相似性样品的剔除算法124-125
• 4.3.3 相似样品成分值统计分析125-127
• 4.3.4 样品优化过程及模型预测结果127-129
• 4.4 基于遗传算法的样品优选方法129-137
• 4.4.1 遗传算法实现算法129-133
• 4.4.2 软件的设计思路及实现133
• 4.4.3 实验验证部分133-137
• 4.5 本章小结137-139
• 第五章 水果糖度和酸度近红外光谱无损检测的数学模型139-186
• 5.1 实验样本分组及基础数据139-140
• 5.1.1 实验样本的基本情况139
• 5.1.2 校正样本与预测样本的挑选原则139-140
• 5.2 水果近红外光谱数据的预处理方法140-145
• 5.2.1 光谱数据的预处理和分析流程140
• 5.2.2 光谱数据的预处理方法选择与检测精度验证140-145
• 5.3 水果糖度和酸度的线性数学模型建立与精度验证145-168
• 5.3.1 水果糖度的线性数学模型建立及精度验证145-154
• 5.3.2 水果酸度的线性数学模型建立及精度验证154-166
• 5.3.3 水果糖度和酸度的线性数学模型优化及精度验证166-168
• 5.4 水果糖度和酸度的非线性数学模型建立与精度验证168-182
• 5.4.1 人工神经网络的基础理论和算法168-170
• 5.4.2 水果糖度和酸度的非线性数学模型建立及精度验证170-182
• 5.5 水果糖度和酸度的线性与非线性数学模型性能对比分析182-184
• 5.6 本章小结184-186
• 第六章 水果内部组分糖的近红外光谱无损检测方法186-206
• 6.1 水果内部组分糖的高效液相色谱分析法186-192
• 6.1.1 样品与测定方法186-187
• 6.1.2 结果与讨论187-192
• 6.2 水果内部组分糖的近红外光谱无损检测方法192-201
• 6.2.1 水果近红外光谱数据预处理方法192-193
• 6.2.2 建模有效光谱波段范围选择193-194
• 6.2.3 水果内部组分糖的数学模型建立及精度验证194-200
• 6.2.4 水果内部组分糖的优化数学模型建立及精度验证200-201
• 6.3 水果内部还原糖的近红外光谱无损检测方法201-204
• 6.3.1 水果内部还原糖的测定结果201
• 6.3.2 水果近红外光谱数据的预处理方法201-202
• 6.3.3 水果内部还原糖的优化数学模型建立及精度验证202-204
• 6.4 本章小结204-206
• 第七章 小波变换在水果糖度和酸度近红外光谱无损检测中的应用206-231
• 7.1 小波变换滤噪原理206-208
• 7.1.1 一维信号的滤噪算法206-207
• 7.1.2 小波模极大值的滤噪算法207-208
• 7.1.3 基于阈值的滤噪算法208
• 7.1.4 基于小波低频系数重构的滤噪算法208
• 7.2 小波包变换滤噪原理208-209
• 7.2.1 最佳小波包分解树确定方法208-209
• 7.2.2 小波包滤噪实现过程209
• 7.3 水果近红外光谱数据的小波变换实验209-216
• 7.3.1 水果近红外光谱采集过程209-210
• 7.3.2 小波变换的模拟数据集210
• 7.3.3 实验结果与讨论210-216
• 7.4 基于小波变换的水果糖度和酸度数学模型建立及精度验证216-229
• 7.4.1 偏最小二乘法数学模型建立及精度验证216-217
• 7.4.2 基于小波变换与偏最小二乘法相结合的数学模型建立及精度验证217-218
• 7.4.3 基于小波变换与人工神经网络相结合的数学模型建立及精度验证218-229
• 7.5 本章小结229-231
• 第八章 结论与展望231-235
• 8.1 论文取得的主要研究成果231-233
• 8.2 论文的主要创新点233-234
• 8.3 进一步研究展望234-235
• 致谢235-236
• 附录236-237
• 个人简历237-239

【引证文献】

中国期刊全文数据库 前7条

1 金长江;郑先哲;;应用近红外光谱技术快速检测黑加仑浆果的主要营养成分[J];东北农业大学学报;2011年05期

2 潘圆媛;刘燕德;孙旭东;;水果内部品质近红外动态在线检测研究进展[J];激光与红外;2010年08期

3 葛纪帅;黄文倩;张弛;密雅荣;;基于SolidWorks的称重式水果分选机设计[J];机械设计与制造;2012年07期

4 杨磊;陈坤杰;;近红外光谱在水果内部品质检测中的研究进展[J];江西农业学报;2008年01期

5 葛纪帅;赵春江;黄文倩;孟志军;;基于智能称重的水果分级生产线设计[J];农机化研究;2012年01期

6 杨小青;党宏社;;基于像素点变换法的苹果颜色分级系统研究[J];农机化研究;2012年03期

7 陈香维;杨公明;;测试部位对猕猴桃近红外光谱响应特性的影响[J];农业机械学报;2009年01期

中国博士学位论文全文数据库 前7条

1 黄富荣;人体血液胆固醇、甘油三酯近红外光谱无试剂分析方法研究[D];暨南大学;2010年

2 樊景超;苹果果实病害近红外光谱信息获取与识别模型研究[D];中国农业科学院;2011年

3 金长江;基于近红外光谱与机器视觉技术的浆果品质检测研究[D];东北农业大学;2011年

4 唐燕;猕猴桃和桃电学特性和生理特性关系研究[D];西北农林科技大学;2011年

5 李文龙;痰热清注射液生产过程质量控制方法研究[D];浙江大学;2011年

6 傅霞萍;水果内部品质可见/近红外光谱无损检测方法的实验研究[D];浙江大学;2008年

7 黄凌霞;基于光谱技术的蚕桑相关特性数字化研究[D];浙江大学;2007年

  本文关键词：水果糖度和酸度的近红外光谱无损检测研究，由笔耕文化传播整理发布。

本文编号：339330