论文部分内容阅读
目前,对在树和采后的核果类水果的大部分品质参数多采用传统方法进行检测,这些方法常常具有破坏性且时间依赖性高,而近红外光谱分析技术具有分析速度快、绿色、无损等优点,可以实现水果品质的快速无损评价。(1)实现了无损检测单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄不同的口味需求。采用手持式NIR光谱仪MicroNIR 1700在950-1650 nm波长范围采集葡萄的近红外光谱,应用偏最小二乘(PLS)回归建立葡萄SSC预测模型。为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC相关的重要波长变量。研究结果表明RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型。RF-PLS模型的校正集、交叉验证及预测集RC,RCV和RP分别为0.9801、0.9661和0.9646,均方根误差RMSEC,RMSECV和RMSEP分别为0.6382°Brix、0.8299°Brix和0.8688°Brix。本研究表明,通过波长优选后的,手持式近红外光谱仪在预测单颗葡萄SSC的应用上完全可行,有较高的预测精度。(2)SSC、干物质含量(DMC)、总酚含量(TPC)以及总黄酮含量(TFC)是评价果用桑椹营养品质的重要指标。利用漫反射近红外光谱分析技术建立快速、实时无损地检测桑椹中营养成分的方法。首先用便携式近红外光谱仪MicroNIR1700采集桑椹的近红外光谱,光谱经预处理后,应用PLS建立桑椹SSC、DMC、TPC以及TFC的预测模型,并用UVE、自适应重加权采样(CARS)和RF三种方法筛选出最优波长变量,提高PLS模型精度。相较于UVE和RF法,CARS方法优选出更少的波长变量,所建PLS模型的预测效果更好。SCC、DMC、TPC以及TFC的CARS-PLS模型的校正相关系数RC分别为0.9807、0.9697、0.9491和0.9697,RMSEC分别为0.7035°Brix、0.6266%、0.3823 mg/g没食子酸和0.2666 mg/g芦丁,RP分别为0.9514、0.9430、0.8667和0.8771,RMSEP分别为1.2100°Brix、0.9178%、0.6352 mg/g没食子酸和0.6939mg/g芦丁。研究结果表明,手持式近红外光谱仪MicroNIR 1700结合化学计量学方法,能够用于现场对桑椹SCC、DMC、TPC以及TFC的快速无损检测。(3)实现了在两种相同型号仪器上苹果中SSC近红外模型的转移。本文使用K/S方法探讨了转移集样品数量对RMSEP的影响,确定样品数为18时转移效果最佳。采用直接校正法(DS)将从机光谱进行校正,结合CARS波长优选算法,筛选出25个波长点建立PLS分析模型。最终,苹果的SSC近红外模型成功的从主机转移到从机上,Rp为0.8603,RMSEP为0.7914°Brix。DS算法结合CARS波长优选方法可以有效的应用到模型转移的研究中。