红富士苹果的可溶性固形物含量检测方法研究
发布时间：2021-11-02 21:28
我国的苹果产量居于世界前列,但在世界苹果出口格局中却远低于欧美发达国家的地位。究其原因,我国苹果产业的商品化程度低,商用处理模式落后。为了提升我国苹果产业在世界上的市场竞争力,满足市场需求,我国苹果产业的采后处理技术亟待提高。而采后处理的首要关注点在于产品的品质检测,特别是可溶性固形物含量（SSC）又是产品品质体系中的重点。近红外光谱检测技术是目前国际上最为主流的检测方案之一,其优势在于检测结果准确稳定、速度快、损耗低。因此,本文基于近红外光谱技术,研究苹果SSC的预测方法。本文将采集到的苹果近红外光谱作为数据样本。首先,需要对采集的样本进行数据处理:采用主成分分析—马氏距离法（PCA-MD）根据阈值剔除数据中的异常样本;采用Savitzky-Golay卷积平滑法对信号进行滤波,去除光谱中噪声;采用多元散射校正（MSC）对苹果样品光谱进行基线校正处理。然后,为了提高预测模型的准确率,需要对预处理后的光谱信息剔除无效波长信息。本文分别采用连续投影算法（SPA）和遗传算法（GA）实现波长特征的筛选,提高模型预测精度和稳定性,提取结果评价是基于相关系数和均方根误差两项指标进行衡量。经分析发现...
【文章来源】：济南大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
近红外光谱检测仪目前的检测方式是依据其被检测物的基础物理特征进行模块的选择和测量方式的选
糖度计
济南大学硕士学位论文92.1.3苹果近红外光谱的定量分析近红外光谱定量分析是对携带有物体内部信息的红外线进行光谱分析，将其中的各项参数信息通过计算公式进行解析和重组。再将经过初步处理的数据利用合理的数学建模方式对样品成分模型进行设计。最后结合大量的实验数据对完成初步建模的数学模型进行后期的更新和优化，得到准确率相对较高的参数预测模型，实现对样本组成成分的测量。本次实验的SSC值的测量预测就是选用近红外光谱分析实现的。要保证近红外定量分析结果的有效稳定，就需要选择合适的数学计量手段，校正模型是否有效，能否起到应有的作用，决定了最后的测试结果。样品品质分析的实际操作过程就是依据检测出的样本光频谱数据以及其其他相关参数进行模型建立，最后实现数据预测的。具体方式如下：首先选择大范围的具有相当程度代表性的样本数据进行分析，这样得出的理论模型具有较好的泛化性。其次，测量方式要依据其样本的类型和相关参数进行选择，并得出有效的样本参数组合。通常我们测出的数据是包含有大量的多余信息的，因此，需要先进行数据的预处理。我们一般采用平滑滤波或高低通滤波的手段实现信息的处理。将处理后的数据结合其他参数利用预先选择好的数学建模方式进行模型的建立。最后利用校正样本进行调整和完善，得出符合设计要求的数据模型。得出的稳定模型具有很好的预测能力。常规的近红外光谱分析技术流程如图2-4所示。图2-4近红外光谱技术流程图
【参考文献】：
期刊论文
[1]基于改进遗传算法的区间光谱特征波长变量选择方法[J]. 刘鑫,冒智康,张小鸣,李绍稳,金秀. 江苏大学学报(自然科学版). 2020(03)
[2]融合极端学习机的判别性分析字典学习算法[J]. 王军浩,闫德勤,刘德山,邢钰佳. 计算机科学. 2020(05)
[3]土壤有机质含量预测精度对光谱预处理和特征波段的响应[J]. 徐丽华,谢德体. 江苏农业学报. 2019(06)
[4]基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析[J]. 李尚科,李跑,杜国荣,丁胜华,蒋立文,刘霞. 食品安全质量检测学报. 2019(24)
[5]苹果分级的研究现状及进展[J]. 孟祥宁,张紫涵,李扬,任龙龙,宋月鹏. 落叶果树. 2019(06)
[6]基于连续投影算法的小麦蛋白质含量近红外光谱预测分析[J]. 张津源,张德贤,张苗. 江苏农业学报. 2019(04)
[7]苹果无损检测和品质分级技术研究进展及展望[J]. 曹玉栋,祁伟彦,李娴,李哲敏. 智慧农业. 2019(03)
[8]我国苹果出口现状及未来趋势[J]. 姚心省,杨杰. 中国果树. 2019(03)
[9]苹果近红外无损检测实验研究[J]. 刘琼磊,谭保华. 湖北工业大学学报. 2017(04)
[10]采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测[J]. 刘思伽,田有文,张芳,冯迪. 食品科学. 2017(08)
博士论文
[1]基于高光谱成像苹果外观与内部多指标检测研究[D]. 冯迪.沈阳农业大学 2017
[2]基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D]. 朱逢乐.浙江大学 2014
硕士论文
[1]面向苹果检测的近红外光谱信息处理技术研究[D]. 张宁.济南大学 2019
[2]基于近红外的苹果可溶性固形物含量建模研究[D]. 李晓旭.济南大学 2019
[3]应用不同预处理方法建模测定土壤有机质和总氮含量[D]. 焦德晓.山东大学 2019
[4]基于近红外光谱的梨的可溶性固形物含量的无损检测[D]. 路敏.兰州大学 2019
[5]光谱预处理方法及其集成研究[D]. 第五鹏瑶.天津工业大学 2019
[6]极限学习机算法与应用研究[D]. 王照锡.天津理工大学 2019
[7]基于D-S融合理论的高速列车转向架故障诊断方法研究[D]. 朱菲.西南交通大学 2018
[8]基于红外光谱的苹果糖度检测设计与实现[D]. 张猛.黑龙江大学 2017
[9]基于DS证据理论的多传感器数据融合算法研究与应用[D]. 王力.太原理工大学 2015
[10]基于可见/近红外光谱的江西特色柑橘可溶性固形物检测研究[D]. 许文丽.江西农业大学 2014
本文编号：3472403
【文章来源】：济南大学山东省
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
近红外光谱检测仪目前的检测方式是依据其被检测物的基础物理特征进行模块的选择和测量方式的选
糖度计
济南大学硕士学位论文92.1.3苹果近红外光谱的定量分析近红外光谱定量分析是对携带有物体内部信息的红外线进行光谱分析，将其中的各项参数信息通过计算公式进行解析和重组。再将经过初步处理的数据利用合理的数学建模方式对样品成分模型进行设计。最后结合大量的实验数据对完成初步建模的数学模型进行后期的更新和优化，得到准确率相对较高的参数预测模型，实现对样本组成成分的测量。本次实验的SSC值的测量预测就是选用近红外光谱分析实现的。要保证近红外定量分析结果的有效稳定，就需要选择合适的数学计量手段，校正模型是否有效，能否起到应有的作用，决定了最后的测试结果。样品品质分析的实际操作过程就是依据检测出的样本光频谱数据以及其其他相关参数进行模型建立，最后实现数据预测的。具体方式如下：首先选择大范围的具有相当程度代表性的样本数据进行分析，这样得出的理论模型具有较好的泛化性。其次，测量方式要依据其样本的类型和相关参数进行选择，并得出有效的样本参数组合。通常我们测出的数据是包含有大量的多余信息的，因此，需要先进行数据的预处理。我们一般采用平滑滤波或高低通滤波的手段实现信息的处理。将处理后的数据结合其他参数利用预先选择好的数学建模方式进行模型的建立。最后利用校正样本进行调整和完善，得出符合设计要求的数据模型。得出的稳定模型具有很好的预测能力。常规的近红外光谱分析技术流程如图2-4所示。图2-4近红外光谱技术流程图
【参考文献】：
期刊论文
[1]基于改进遗传算法的区间光谱特征波长变量选择方法[J]. 刘鑫,冒智康,张小鸣,李绍稳,金秀. 江苏大学学报(自然科学版). 2020(03)
[2]融合极端学习机的判别性分析字典学习算法[J]. 王军浩,闫德勤,刘德山,邢钰佳. 计算机科学. 2020(05)
[3]土壤有机质含量预测精度对光谱预处理和特征波段的响应[J]. 徐丽华,谢德体. 江苏农业学报. 2019(06)
[4]基于近红外光谱技术和优化预处理方法的不同品牌燕麦无损鉴别分析[J]. 李尚科,李跑,杜国荣,丁胜华,蒋立文,刘霞. 食品安全质量检测学报. 2019(24)
[5]苹果分级的研究现状及进展[J]. 孟祥宁,张紫涵,李扬,任龙龙,宋月鹏. 落叶果树. 2019(06)
[6]基于连续投影算法的小麦蛋白质含量近红外光谱预测分析[J]. 张津源,张德贤,张苗. 江苏农业学报. 2019(04)
[7]苹果无损检测和品质分级技术研究进展及展望[J]. 曹玉栋,祁伟彦,李娴,李哲敏. 智慧农业. 2019(03)
[8]我国苹果出口现状及未来趋势[J]. 姚心省,杨杰. 中国果树. 2019(03)
[9]苹果近红外无损检测实验研究[J]. 刘琼磊,谭保华. 湖北工业大学学报. 2017(04)
[10]采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测[J]. 刘思伽,田有文,张芳,冯迪. 食品科学. 2017(08)
博士论文
[1]基于高光谱成像苹果外观与内部多指标检测研究[D]. 冯迪.沈阳农业大学 2017
[2]基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D]. 朱逢乐.浙江大学 2014
硕士论文
[1]面向苹果检测的近红外光谱信息处理技术研究[D]. 张宁.济南大学 2019
[2]基于近红外的苹果可溶性固形物含量建模研究[D]. 李晓旭.济南大学 2019
[3]应用不同预处理方法建模测定土壤有机质和总氮含量[D]. 焦德晓.山东大学 2019
[4]基于近红外光谱的梨的可溶性固形物含量的无损检测[D]. 路敏.兰州大学 2019
[5]光谱预处理方法及其集成研究[D]. 第五鹏瑶.天津工业大学 2019
[6]极限学习机算法与应用研究[D]. 王照锡.天津理工大学 2019
[7]基于D-S融合理论的高速列车转向架故障诊断方法研究[D]. 朱菲.西南交通大学 2018
[8]基于红外光谱的苹果糖度检测设计与实现[D]. 张猛.黑龙江大学 2017
[9]基于DS证据理论的多传感器数据融合算法研究与应用[D]. 王力.太原理工大学 2015
[10]基于可见/近红外光谱的江西特色柑橘可溶性固形物检测研究[D]. 许文丽.江西农业大学 2014
本文编号：3472403
本文链接：https://www.wllwen.com/projectlw/qgylw/3472403.html
