微型近红外光谱仪检测水果可溶性固形物_郅建军
可见_近红外光谱法无损检测赣南脐橙可溶性固形物
第28卷 第3期光 学 学 报V ol.28,N o.32008年3月ACTA OPTICA SINICAMarch,2008文章编号:0253 2239(2008)03 0478 04可见/近红外光谱法无损检测赣南脐橙可溶性固形物刘燕德1 陈兴苗1 欧阳爱国2(1江西农业大学工学院,江西南昌330045;2江西蓝天学院汽车系,江西南昌330098)摘要 应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。
通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。
90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。
实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。
关键词 医用光学与生物技术;可见/近红外光谱;无损检测;人工神经网络;主成分分析;可溶性固形物;赣南脐橙中图分类号 O657.33;T N247 文献标识码:A收稿日期:2007 06 15;收到修改稿日期:2007 10 31基金项目:国家自然科学基金(60468002,30560064)、教育部新世纪优秀人才资助计划(N CET 06 0575)和江西省青年科学家(井冈之星)培养对象资助课题。
作者简介:刘燕德(1967-),女,江西泰和人,教授,博士生导师,主要从事生物光电及应用等方面的研究。
E mail:jx liuy d@Non Destructive Measure ment of Soluble Solid Conte nt in GannanNavel Oranges by V isible /Near Infrare d SpectroscopyLiu Yande 1Chen Xingmiao 1Ouyang Aiguo21En gineer ing College ,J ian gxi Agr icult ur e Un iver sit y ,Na n cha ng ,J ian gxi 330045,Chin a 2Depa r tm ent of Aut om obile ,J ia ngxi Blue Sky College ,Nan chan g ,Jia ngx i 330098,ChinaAbstract Non destructive m ea surement of soluble solid content in G annan navel oranges was carried out by visible/near infrared spec troscopy detec tion method.Effective information of spectra was obtained by principal component analysis,and was used as the input variables of artificia l neural network for building the nonlinear model.The results,based on calibration for 90samples,are 0.9147and 0.5203for calibration correlation coeffic ient and root m ean square error of ca libration.The results,based on prediction for 38unknown samples,are 0.9033,0.6964and 4.5709%for prediction correlation coeffic ient,root mean square error of predic tion,and relative standard deviation (RSD),respectively.Experimental results show that visible/nea r infrared spectroscopy detection method,based on a rtificial neural network,for non destructive measurement of soluble solid c ontent in Gannan navel oranges is feasible.Key wo rds medical optics and biotec hnology;visible/near infrared spectrosc opy;non destructive measurement;a rtificial neural network;principa l component ana lysis;soluble solid content;Gannan navel oranges1 引 言近红外光谱所含信息极其丰富,主要是有机分子(含氢基团)的倍频与合频吸收光谱,与中红外光谱一样,能得到分子的结构、组成、状态的信息。
水果内部品质近红外动态在线检测研究进展
水果内部品质近红外动态在线检测研究进展摘要:近红外光谱分析技术具有无前处理、无污染、方便快捷、无破坏性、在线检测、多组分同时检测,适于现场检测和在线分析等特点,已经广泛应用于果蔬内部品质的无损检测中。
主要介绍了水果近红外光谱在线检测原理及组成,最近几年近红外在线检测技术在水果品质检测方面的国内外研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术进行了展望。
关键词:近红外光谱;在线检测;水果;内部品质随着人们生活水平的不断提高,人们对水果品质的要求越来越高。
不仅注重外部品质(大小、色泽等),同时也越来越关注其内部品质(口感、甜度等)。
这就使得在线检测分级尤为重要,近几年广阔的市场需求极大地促进了水果内部品质检测的发展。
传统破损式化学检测方法制样繁琐、检测时间长、需要专业人员操作,难以满足大批量水果的在线检测与分级需求。
而近红外光谱技术具有无损、效率高、快速、重现性好,适于现场检测和在线分析等特点,已在提高水果生产技术自动化水平和水果质量方面发挥了重要作用[1-7]。
近几年,随着近红外光谱分析技术和化学计量学的不断发展及研究,近红外光谱分析技术在水果品质检测的应用日渐成熟,已经逐渐从实验阶段走向应用阶段,从静态研究向动态在线检测发展;并且在动态在线检测方面取得了实质性的进展[8-11]。
本文主要介绍了水果近红外光谱在线检测原理及组成,并简述了最近几年近红外检测技术在水果品质检测方面的国内外发展现状,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望。
为近红外光谱在线检测技术的推广应用提供参考。
1 近红外在线检测原理及组成1.1 动态在线近红外检测原理及方式在进行水果动态在线检测时,光谱通过漫反射或透射或漫透射方式进行采集,如图1所示,透射和漫透射的优缺点是:①可以测量果实整体;②可以测量厚皮果品;③可以检测果实内部特征;④只限于易透光物料;⑤需要配置高灵敏度、高动态范围检测器。
基于近红外光谱技术对草莓品质的快速检测及结果分析
I FOOD INDUSTRY I 99基于近红外光谱技术对草莓品质的快速检测及结果分析文 宋白玉 赵桂云 孙健江苏农林职业技术学院近红外光谱仪,这类设备成本不高,检测时不需要再做进一步处理。
样品直接检测,运行成本低。
此外,相关检测设备的自动化水平不断提高,可以满足用户的技能要求,检测结果准确可靠。
目前,HSXD-2100台式水果近红外光谱分析仪广泛应用于草莓质量检测环节,基于近红外光谱测量技术和化学计量分析技术检测草莓品质可以快速完成现场筛选和过程监控,保证产品质量。
HSXD-2100是河南华商兄弟科技有限公司推出的一款台式水果近红外光谱分析仪,可进行无损、快速的水果品质鉴定和现场品质分析,提供全方位服务,用于水果种植、管理、分级分类、病害筛查、储运管理等环节,能够保障产品质量。
这个测试设备有多项特点,可在不破坏果实的情况下进行无损抽样检测,不影响商业流通。
它还可以快速检测样品,检测时间仅需5秒。
近红外光谱快速检测设备可以实现以下功能。
第一,种质确认。
近红外光谱快速检测设备可以实现水果育种快速检测。
第二,种植管理。
近红外光谱快速检测设备可以监测水果的生长过程,是现代栽培、施肥、采收的有力保障,在各生产开发工作中具有一定的应用价值。
2.近红外光谱技术在草莓检测中的具体应用2.1草莓糖分检测应用含糖量决定了草莓的甜度和口感,是草莓质量控制的主要指标之一。
目前,水果的含糖量多采用糖度计进行测量,但这种检测方法耗时草莓成分的具体表征在一定程度上可以反映草莓的品质特性、性状和营养成分,也可以反映草莓加工品营养成分的流失情况、原料配比和工艺合理性。
在基于近红外光谱的草莓成分分析中,蛋白质是研究最多的成分,也是同类产品质量控制的重要因素。
另一种是水,它是成分分析的重要内容,是某些固体的必要贮存控制因素和价值影响因素。
另外还包括测定脂肪、糖、维生素等成分的制剂。
基于近红外光谱技术对草莓品质进行检测,可以提升产品品质,更好地满足消费者对产品的口味、感官和营养需求。
苹果可溶性固形物近红外光谱在线检测影响因素研究
D O I : 1 0 . 3 9 6 9  ̄ . i s s n . 2 0 9 5 - 5 5 5 3 . 2 0 1 3 . O 1 . 0 2 1
苹果可溶性 固形物近红外光谱在线检测影 响 因素研究
孙 旭 东 ,郝 勇 ,刘 燕德
f 华 东交 通大 学机 电工程 学 院光机 电技 术及 应用 研究 所 ,南 昌市 ,3 3 0 0 1 3ቤተ መጻሕፍቲ ባይዱ)
S u n Xu d o n g ,Ha o Yo n g ,L i u Ya n d e . S t u d y o f f a c t o r s f o r o n l i n e d e t e c t i n g s o l u b l e s o l i d s b y n e a r i n f r a r e d s p e c t r o s c o p y i n i n t a c t
摘 要 :光 谱 仪 的 性 能和 样 品 运 动 速 度 是影 响近 红 外 光 谱 在 线 检 测精 度 的重 要 因素 。三 款 配 置 了不 同光 栅 的 短 波 光 谱 仪 被 用 于 在 线 检 测 苹 果 的可 溶 性 固形 物 含 量 。 分别 考 察 不 同光 谱 仪 和 五 种苹 果 运 动 速 度 对 苹 果 可溶 性 固形 物 在 线 检 测 精 度 的 影 响 。经 比较 ,在 0 . 1 9 0 m / s 速 度 下 ,使 用 Q E 6 5 0 0 0光 谱 仪 建 立 的偏 最 小 二 乘 模 型 预 测 结 果 最 优 。最 优 预 测 模 型 的 相 关 系数 为 0 . 8 1 4 .预 测 均 方 根 误 差 为 0 。 7 7 6  ̄ B i r x 。 结 果 表 明选 择 合 适 的样 品 运 动 速度 和光 谱 仪 可 提 高 苹果 可 溶性 固形 物 在 线 检 测 的精 度 关 键 词 :近 红 外 光谱 ;在线 检 测 ;速 度 ;可溶 性 固形 物 ;苹 果
基于近红外光谱的梨的可溶性固形物含量的无损检测
基于近红外光谱的梨的可溶性固形物含量的无损检测随着人民生活水平的不断提高和生活方式的转变,水果消费量在整个食物消费中的比重稳步提高,国民需求不断增长。
我国是众所周知的水果生产大国,然而我国距离水果贸易强国还有一定距离,我国产出的果品综合外观和内部品质总体性质达到高质量的比率不到所有产出水果的三成,难以达到进口国标准,出口量在水果总生产量中占比较低,因此,我国亟须提高生产技术和检测手段。
为解决我国水果业中出现的此类问题,本次研究针对薄皮水果的可溶性固形物含量作了快速无损检测的研究,基于薄皮水果的近红外光谱,提出了无信息变量消除法(UVE)和极限学习机(ELM)结合的检测其固形物含量的新的组合算法。
本文以国产梨为研究对象,以可溶性固形物含量为检测指标,采用实验室自行研制的近红外光在线检测装置采集研究对象样品的近红外漫反射光谱,经过平滑去噪预处理,交叉对比分析主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法与偏最小二乘法(PLS)和极限学习机算法建立的检测模型,证实基于近红外光谱和机器学习的梨的可溶性固形物含量快速无损检测的可行性。
本文的主要研究问题和内容如下:(1)设计搭建了检测薄皮水果的近红外漫反射光谱的实验系统,主要是光谱仪、光源和反射探头的选择和仪器的组装。
实验在室温下进行,沿梨的赤道圈随机选择15个均分点为数据采集点,完成薄皮水果漫反射光谱的实时测量。
(2)设计了一种全新的对国产梨的可溶性固形物含量检测的有效算法模型,该模型(以下简称UVE-ELM)对平滑降噪后的光谱数据表现更为优异,此外,还分析了具有全光谱、分别经过PCA、UVE和SPA选出特征光谱数据的传统偏最小二乘回归模型和极限学习机模型,用以对比验证UVE-ELM的稳健性。
对比模型的相关系数、验证均方根误差和预测均方根误差结果表明,UVE-ELM模型具有更出色的预测结果和稳定性,该模型的校正集相关系数和预测集相关系数分别为0.7881和0.8916,预测均方根误差为0.6043。
近红外光谱分析技术在果品品质检测中的应用
近红外光谱分析技术在果品品质检测中的应用本文论述了近红外光谱(NIRS)分析技术的原理,近红外光谱技术发展进程及其在果品品质中应用现状,发展前景。
标签:近红外光谱技术;果品品质检测;应用一、近红外光谱分析技术概述一般检测果品内部营养成分主要采用湿化学法,这样检测会破坏样品,操作繁琐、检测效率不高,而且不具备代表性,难以在商业上广泛应用。
近红外光谱技术是一种无损检测技术,在果品的品质检测和分级的研究应用中已取得较大进展。
近红外光谱技术作为一种分析手段,可以测定水果中的成分,包括有机物和部分无机物。
当分子受到红外线照射时,这些物质分子中化学键结合的各种基团发生伸缩、振动、弯曲等运动,分子被激发产生共振,同时光的能量一部分被吸收,通过测量其吸收光,可以得到极为复杂的图谱,这种图谱表示被测物质的信息。
不同物质在近红外波长区域有丰富的吸收光谱,每种成分都有特定的吸收峰,这就为近红外光谱定量分析提供了基础。
随着近红外光谱分析技术已广泛应用在果品品质检测方面[1-3]。
近红外光谱分析技术具有如下的优点[4-6]:1.被测样品无需进行前处理,不发生破坏,从而使样品保持原始状态;2.近红外光谱信息量大,对样品中多种成分同时进行分析;3.一般样品可在1 min内完成,大大缩短测试周期;4.适用的样品范围广,不同物态可直接测定;6.近红外光在普通的光导纤维中具有良好的传输特性,便于实现实时分析。
同时,近红外光谱分析技术也存在以下不足之处:7.物质在近红外区吸收弱,灵敏度较低;8.建立数学模型需要测量大量样品化学值;9.每一种模型只能适应一定时间和空间范围,模型需要不断更新。
采用近红外光谱分析技术进行果品品质分析具有如下优点:果品无需进行前处理,不发生破坏,可以不经过样品分离。
直接由近红外光谱测定出其中的多种成分含量,测定的准确度取决于化学计量学建立的数学模型,利用理想的数学模型预测的准确度可以达到校准仪器的测定值。
但是一般来说,近红外分析的准确度要略低于标准法。
苹果可溶性固形物近红外光谱检测的偏最小二乘回归变量筛选研究
文献标识码 :A D I 0 3 6 ̄.sn 10 —53 2 1 )02 8—5 O :1. 9 4 i . 0 00 9 (0 2 1—600 s 息, 导致偏最小二乘 回归过程中扩大估计方 差 ,降低模型 精
实验用苹果源于南 昌某个水果批发市场 , 中挑 出没有 从
损伤及疤痕的样 品 10个 。 0 清理干净 表皮灰尘 等 , 次编 号 , 依
在样品的赤 道部 位标记三点 ( 间隔约 1 0) 2 。。将苹果放 置在温
度2 O℃、 湿度 6 的实验环 境下 。 0 待样 品达到室温时 , 分别
苹果 可溶 性 固形 物近 红外 光 谱检 测 的偏 最小 二乘 回归变 量筛 选研 究
欧 爱 国, 小强 , 1 3 谢 周延睿 , 燕德 刘
华东交通大学机电学院光 机电技术及应用研究所 ,江西 南 昌 3 0 1 303
摘
要
为 了提高苹果可溶性 固形物含量近红外光谱校正模 型的预测能力 和稳健性 ,分别采用 反 向区间偏
变量 , 以提高 模型 的预测 能力[z。王加华 等用 遗传算 法 可 t ̄ -
筛选苹 果糖 度近 红外 光谱特 征波 段 , 并建 立 了 G -L A P S模 型 ,提高了模 型精度 , 简化 了模型 。石吉勇等利 用反 向区 间 偏最小二乘法结合模拟退火算 法筛选 草莓 可溶性 固形物近红
中图分类号 : 5 . 06 73
引 言
可溶性 固形物 (S ) S C 是评 价苹果 品质的 主要 指标 ,为满 足大宗苹果产 后商 品化 分级 的需要 ,迫切需 要 采取 方便 快
度。 鉴于此 , 本工作综合应 用遗传算 法 、反向 区间 偏最小 二 乘 法和连续投影 算法 筛选 苹果 可溶性 固形 物 的特征 光谱 变 量, 并对所建立的校正模型进行对 比研究 ,期 望提高偏最 小 二乘回归模 型的预测能力强 。
雪梨中可溶性固形物的快速检测
34 2017, V ol.37, No.14 农业与技术※农业科学雪梨中可溶性固形物的快速检测黄沛遵 靳 皓*(天津农学院工程技术学院,天津 300384)摘 要:本文采用近红外漫反射法,对雪梨中的可溶性固形物含量进行检测。
随机地在每只雪梨上选择2~3个样本,共采集了133个样本。
剔除异常样本5个,剩下128个样本,分为校正集90个,预测集38个。
使用Unscrambler9.7软件做数据处理。
采用不同的光谱预处理方法,结合偏最小二乘(PLS )进行建模预测。
发现,使用面积标准化、平均值标准化、标准正态变量变换(SNV )、多元散射校正(MSC )4种光谱预处理方法,均可得到理想的预测效果。
使用预测相关系数(R )和预测均方根误差(RMSEP )作为评价指标,R 值超过0.96,RMSEP 值小于0.20。
关键词:近红外;漫反射法;预处理;可溶性固形物中图分类号:S661.2 文献标识码:A DOI:10.11974/nyyjs.20170733033雪梨是一种常见的水果,对急性气管炎和上呼吸道感染均有良效,又有降低血压和养阴清热的功效。
其味甘性寒,具有生津润燥、清热化痰、养血生肌之功效[1]。
其可溶性固形物含量的高低是鉴别其品质的重要因素之一。
同时,近红外光谱具有测试方便,适于在线分析等特点[2]。
已有多人基于近红外光谱对此进行过研究。
王凡等[3]使用漫透射光谱技术对番茄的可溶性固形物做了研究;郭成[4]等使用近红外光谱结合波长优选检测了葡萄的可溶性固形物含量;王伟名[5]等使用近红外漫反射光谱检测了梨的果糖浓度;刘小路等[6]建立了蓝莓的可溶性固形物的检测模型;樊书祥等[7]使用近红外光谱检测模型对苹果的产地差异做了研究;许文丽等[8]使用变量优选和快速独立成分分析的方法检测了黄花梨的可溶性固形物;吴方龙等[9]使用近红外漫反射光谱无损检测了梨的可溶性固形物;刘燕德等[10]使用近红外漫透射光谱在线检测了雨露香梨的可溶性固形物;王铭海等[11]使用近红外漫反射光谱无损检测了成熟期梨的可溶性固形物;秦善知等[12]使用便携式近红外光谱仪检测了梨的可溶性固形物。
近红外漫反射检测梨可溶性固形物SSC和硬度的研究
近红外漫反射检测梨可溶性固形物 S S C 和硬度的研究 *章海亮,孙旭东(华东交通大学机电学院,江西南昌,330013)摘 要 :采用近红外漫反射光谱检 测梨可溶性固形物 (SSC )和 硬 度 。
采集梨的近红外漫反射光谱 ,光谱经梨的吸光度原始光 谱 、一阶微分和二阶微分预处理 ,分别采用多元线性回归 、主成分回归和偏最小二乘法 ,建立了梨可溶性固形物 (SSC )和 硬 度的定量预测数学模型 。
结果表明采用一阶微分结合偏最小二乘法的预测效果最好 ,可 溶 性 固 形 物 (SSC )和硬度定量数学校正模型的相关系数 分 别 为 0.9285 和 0.8478,均方根误差分别为 0.4364 °Birx 和 1.227。
近红外漫反射光谱作为一种无损 的检测方法用于评价梨可溶性固形物 (SSC )和硬度是可行的 。
关 键 词 :近红外漫反射光谱 ;可 溶 性 固 形 物 SS C ;硬 度 ;梨中 图 分 类 号 :O433.5 文 献 标 识 码 :Adoi :10.3969/j.i ss n.1006-7205.2011.01.026章 海 亮, 孙 旭 东. 近红外漫反射用于检测梨内部糖度及有效酸度的研究[J]. 中 国 农 机 化, 2011, (1): 101~103, 111ZHANG Ha i -l i a ng, SUN Xu -dong. Study on pr e d i ct i n g sugar content and v a li d a c i dity of pear by near i nfr a r e d d i ffus e r e -flectance technique[J]. Chinese Agr i cultur a l M e chan i za t i o n, 2011, (1): 101~103, 111了近红外光 谱在不同回 归方法 下 对 水 果 和 硬 度 的 预 测 水平 。
草莓固体可溶物的近红外光谱信息统计分析
草莓固体可溶物的近红外光谱信息统计分析本文旨在介绍草莓固体可溶性物质的近红外(NIR)光谱信息统计分析的研究进展。
首先,介绍了近红外光谱信息统计分析技术,特别是与草莓固体可溶性物质相关的研究。
其次,介绍了近几年在草莓固体可溶性物质的近红外光谱信息统计分析方面的最新研究进展,并对未来研究的发展前景做出了展望。
近红外光谱信息统计分析是利用近红外光谱技术对各种类型物质进行信息统计和分析的一项研究方法。
它基于电磁辐射在物质中的传播,采用多组仪器检测所研究物质的传播谱,并用计算机程序解析、分析和计算检测结果。
它可以提供准确的物质信息,并能够精准测定物质的成分和水分含量。
近年来,随着计算机技术的进步和近红外技术的发展,近红外光谱信息统计分析技术已成为一种广泛应用的分析技术。
草莓具有独特的果实风味,其固体可溶性物质具有多样性。
近红外光谱信息统计分析技术可以有效地监测草莓的各种固体可溶性物质的变化,从而更好地控制草莓的品质。
目前,已有多种研究以近红外光谱信息统计分析技术研究草莓的固体可溶性物质的变化,以更好地控制草莓的品质。
例如,繁殖者和研究者已经使用近红外光谱信息统计分析技术,比较不同品种草莓中不同成分的差异,实现品种鉴定;使用近红外光谱信息统计分析技术,分解草莓特征成分;更进一步,研究者可以利用近红外光谱信息统计分析技术,监测草莓固体可溶性物质,并且建立草莓品质评价模型,以此实现草莓品质的检测和预测。
随着大数据和人工智能技术的发展,对草莓固体可溶性物质的近红外光谱信息统计分析的研究也进一步深化和完善,并取得了良好的研究成果。
预计,在未来的研究中,近红外光谱技术将为草莓品质检测和预测提供更多可靠的信息支撑,从而为草莓生产管理提供强力技术支撑。
综上所述,在近几年中,草莓固体可溶性物质的近红外光谱信息统计分析已经有了一定的进展,并取得了积极的研究成果。
未来的研究将深入挖掘近红外光谱信息统计分析技术,进一步推动草莓品质检测和预测,从而为草莓生产提供技术支持。
多模式可调节光学机构的苹果可溶性固形物近红外光谱检测
2066
光谱学与光谱分析
第41卷
强共线性和大量变量的情况下,该技术也可以将变量与线性
模型构建中的少量样本相关联(0)。一般来说!偏最小二乘法
水平面呈45°夹角,检测探头放置在5 h光源稳定后采集
苹果光谱。光谱检测系统如图2所示,采集光谱时,将苹果
采集面朝向检测探头,光源照射在苹果表面,穿透果皮进入
苹果内部!经果肉散射、吸收和透射后进入检测探头。采用
海洋光学的FOP-UV光纤探头连接光谱仪,使用海洋光学
收稿日期:2020-07-16,修订日期:2020-12-07 基金项目:国家自然科学基金项目%1760344),水果光电检测技术能力提升项目(S2016-90),研究生创新资金项目(YC 2019-S261)资助 作者简介:刘燕德,女,1967年生!华东交通大学机电与车辆工程学院教授 e-mail: jxliuyd@
检测使用Ocean Optics公司生产的QE65PRO光谱仪, 它的波长范围为350〜1 150 nm。光源使用6盏12 V# 100 W 的卤钨灯,采用稳压电源供电。三种检测方式如图1所示, 进行漫透射检测时,苹果两侧各布置3盏卤钨灯,调整两侧 的光源与水平面呈45°夹角,检测探头放置在苹果下端。调 整水果托盘的高低可以确保光源均匀照射至苹果下半部;进 行全透射检测时,苹果在光源和检测探头之间,而且三者保 持在一条竖直线上;进行漫反射检测时,调整两侧的光源与
用于从大量高度相关和共线的原始光谱数据中提取不超过前
20个潜在变量(LVs)(1)。LVs可以解释方差,降低原始光谱
苹果可溶性固形物近红外在线光谱变量优选
苹果可溶性固形物近红外在线光谱变量优选欧阳爱国;谢小强;刘燕德【摘要】为简化近红外光谱模型,提高对苹果可溶性固形物含量的预测精度,将移动窗口偏最小二乘法(MWPLS)与遗传算法、连续投影算法相结合优选特征变量,建立偏最小二乘回归校正模型.其中移动窗口偏最小二乘法和遗传算法相结合优选的36个光谱变量建立的校正模型预测结果最好,可以有效筛选近红外光谱特征波长,模型预测相关系数为0.90,模型的预测均方根误差为0.70°Brix.【期刊名称】《农业机械学报》【年(卷),期】2014(045)004【总页数】6页(P220-225)【关键词】苹果;可溶性固形物;近红外光谱;移动窗口偏最小二乘法;遗传算法;连续投影算法【作者】欧阳爱国;谢小强;刘燕德【作者单位】华东交通大学机电工程学院,南昌330013;华东交通大学机电工程学院,南昌330013;华东交通大学机电工程学院,南昌330013【正文语种】中文【中图分类】O657.33引言可溶性固形物含量(SSC)是一个组分比较复杂的水果内部品质指标[1],也是评价水果内部品质的主要指标,很大程度上影响着水果的口感。
近红外光谱分析技术因其具有不破坏样品、效率高、成本低、快速无污染等特点,已经被广泛地应用于水果的SSC检测[2-7]和建立水果的偏最小二乘回归校正模型[8-10]。
但是由于某些区域的光谱信息与其 SSC之间缺乏相关性,用全谱建模会造成一定程度的噪声信息,从而引起模型精度及稳定性下降,因此需要采用优化组合算法选择出光谱中最相关的光谱信息。
本文采用移动窗口偏最小二乘法结合遗传算法、连续投影算法优选光谱变量,剔除不相关的光谱变量,以选出的特征波长对应的光谱变量与可溶性固形物含量建立偏最小二乘回归校正模型,提高对苹果可溶性固形物含量的预测精度。
1 材料与方法1.1 实验材料所用样品由南昌某水果批发市场购回,选出没有损伤的150个苹果。
对其依次进行编号及去除灰尘等处理,沿着样品赤道部位 (间隔约120°)标记3点作为数据采集点。
微型近红外光谱仪检测水果可溶性固形物
微型近红外光谱仪检测水果可溶性固形物郅建军;陈通;孙武坚;王春峰;郭丽;陈斌【摘要】以滨松公司生产的C11708MA微型光谱仪为基础,在自行搭建的两套光谱采集平台上检测水蜜桃、梨子的可溶性固形物含量.采用了多种光谱预处理方法,结合PLS和LS-SVM建立水蜜桃、梨子可溶性固形物模型.实验结果表明,水蜜桃光谱经过标准化预处理,建立的LS-SVM模型效果最好,校正相关系数(Rp)和均方根误差(RMSEP)分别为0.8902和0.7703.梨子光谱经过CARS筛选得到46个变量,建立的PLS模型效果最好,Rp和RMSEP分别为0.7597和0.5783.验证了该光谱仪在水果可溶性固形物含量检测方面的应用的可行性,为进一步构建便携式水果可溶性固形物检测设备奠定了基础.【期刊名称】《分析仪器》【年(卷),期】2016(000)001【总页数】6页(P71-76)【关键词】微型近红外光谱仪;水果;可溶性固形物;回归模型【作者】郅建军;陈通;孙武坚;王春峰;郭丽;陈斌【作者单位】江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学机械工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013;江苏大学食品与生物工程学院,镇江212013【正文语种】中文水蜜桃和梨子都是我国主要的水果品种,可溶性固形物含量是评价水果内部品质的一个重要指标。
方便快捷地检测水果可溶性固形物含量,对于水果生产、加工和流通环节中把握其质量,保证果品品质具有重要意义。
与传统破坏式检测相比,近红外光谱检测以其快速、无损等优点[1]广泛应用于水果内部品质检测。
由于价格昂贵、操作的专业性、仪器稳定性等因素影响,近红外光谱仪在我国的食品工业、农业和农产品加工部门并没有得到真正意义上的应用,其中价格成为主要制约因素。
没有出现能符合国情的低成本、使用极为方便的小型化、手提式近红外水果品质检测仪[2]。
基于便携式近红外光谱仪检测梨可溶性固形物
基于便携式近红外光谱仪检测梨可溶性固形物秦善知;陈斌;陆道礼;颜辉【摘要】探索采用便携式近红外光谱仪,利用不同光谱预处理算法及波长优选法建立检测模型检测梨可溶性固形物含量(SSC)的可行性。
比较了一阶导数(1st)、二阶导数(2nd)、多元散射校正(MSC)、标准正态变量变换(SNV)等9种预处理方法进行PLS建模的效果,确定最佳预处理方法。
用相关系数法、无信息变量消除法( UVE)、向后区间偏最小二乘法( biPLS)和向后区间偏最小二乘法结合遗传算法( biPLS+GA)优选波长,用偏最小二乘法( PLS)建立梨SSC的定标模型,根据各个模型的校正集和预测集的相关系数( r)和交互验证均方根误差( RMSECV )、预测均方根误差(RMSEP)评价定标模型的精度和稳定性。
结果表明:经过SNV预处理后的建模效果最好,校正集和预测集的相关系数r分别为0.8908和0.8689, RMSECV 和 RMSEP 分别为0.5925和0.6308;相较于其他3种波长优选法, biPLS+GA方法不仅优选的波长数少,而且所建模型的预测效果更好,校正集和预测集的相关系数分别为0.8879和0.8910,RMSECV和RMSEP分别为0.5999和0.5713。
【期刊名称】《江苏农业科学》【年(卷),期】2014(000)008【总页数】3页(P284-286)【关键词】便携式近红外光谱仪;梨;可溶性固形物含量;向后区间偏最小二乘法;遗传算法【作者】秦善知;陈斌;陆道礼;颜辉【作者单位】江苏大学食品与生物工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013;江苏大学食品与生物工程学院,江苏镇江212013;江苏科技大学生物与化学工程学院,江苏镇江212003【正文语种】中文【中图分类】O657.33中国果树栽培面积和产量均为世界第一位。
2010年中国果园面积约l 154.39万hm2,产量约1.29亿t。
基于近红外高光谱技术的杧果可溶性固形物含量无损检测
基于近红外高光谱技术的杧果可溶性固形物含量无损检测林娇娇;蒙庆华;吴哲锋;常洪娟;倪淳宇;邱邹全;李华荣;黄玉清【期刊名称】《果树学报》【年(卷),期】2024(41)1【摘要】【目的】近红外高光谱成像技术(NIR-HSI)在水果内部品质的无损检测方面具有快速、准确和无损的特点。
旨在利用NIR-HSI技术分析不同品种杧果的可溶性固形物含量,并探讨400~1000nm波段范围内的光谱差异和可溶性固形物含量的响应。
【方法】选择贵妃杧果和台农1号杧果作为研究对象,使用NIR-HSI技术获取杧果样本的光谱数据。
采用CARS-PLS模型分析可溶性固形物含量与各波段光谱反射率的相关系数。
为了验证模型的性能,计算了建模R^(2)、斜率Slope、截距和RMSE等指标。
【结果】得到CARS-PLS模型的性能指标:建模R^(2)为0.8806,斜率为0.8515,截距为12.208,RMSE为0.6366。
这些指标表明该模型具有较高的建模拟合度和预测精度。
【结论】应用NIR-HSI技术对杧果可溶性固形物含量进行检测具有可行性。
为进一步研究不同水果可溶性固形物含量的高精度模型奠定了基础。
通过NIR-HSI技术的应用,可以提供一种非破坏性且高效准确的方法,用于水果品质评估和检测。
这对农产品质量控制和市场营销具有重要的意义。
【总页数】11页(P122-132)【作者】林娇娇;蒙庆华;吴哲锋;常洪娟;倪淳宇;邱邹全;李华荣;黄玉清【作者单位】南宁师范大学物理与电子学院;南宁师范大学广西信息功能材料与智能信息处理重点实验室;北部湾环境演变与资源利用教育部重点实验室·广西地表过程与智能模拟重点实验室·南宁师范大学【正文语种】中文【中图分类】S667.7【相关文献】1.成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测2.近红外无损检测寒富苹果可溶性固形物含量(TSS)3.近红外光谱法无损检测番茄可溶性固形物含量的研究4.基于线性渐变分光近红外光谱仪的苹果可溶性固形物含量无损检测研究5.基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测因版权原因,仅展示原文概要,查看原文内容请购买。
成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测
成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测王铭海;郭文川;谷静思;刘卉【摘要】[目的]研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据.[方法]基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响.[结果]UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显.3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162.[结论]基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测.【期刊名称】《西北农林科技大学学报(自然科学版)》【年(卷),期】2013(041)012【总页数】7页(P113-119)【关键词】近红外光谱;梨;成熟期;可溶性固形物含量;偏最小二乘支持向量机;无信息变量消除法【作者】王铭海;郭文川;谷静思;刘卉【作者单位】西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100【正文语种】中文【中图分类】TN219;S126梨是我国最主要的消费和出口型水果之一,其营养丰富,具有优良的鲜食特性和非常广阔的市场开发前景。
梨品质的传统检测方法多为有损检测,这类方法通常检测效率低、对产品损伤大,并且难以实现生产和流通过程中大样本群体的实时在线检测[1-3]。
运用近红外漫反射技术检测苹果内部品质
运用近红外漫反射技术检测苹果内部品质
范国强;闸建文
【期刊名称】《农业装备与车辆工程》
【年(卷),期】2006(000)011
【摘要】为了建立山东烟台富士苹果糖度和硬度的近红外光谱测定法,本实验应用光纤漫反射近红外光谱检测技术快速定量分析苹果的糖分含量和硬度.使用偏最小二乘法建立预测模型,样品糖分预测值和实测值之间的相关系数为0.97210,校正标准差(RMSEC)为0.363;样品硬度预测值和实测值的相关系数为0.95452,校正标准差(RMSEC)为0.594.通过本次试验研究表明,近红外光谱测定法能准确地对富士苹果糖分含量和硬度进行无损快速定量分析.
【总页数】3页(P33-35)
【作者】范国强;闸建文
【作者单位】山东理工大学,轻工与农业工程学院,淄博,255049;山东理工大学,轻工与农业工程学院,淄博,255049
【正文语种】中文
【中图分类】S6
【相关文献】
1.苹果可溶性固形物和糖酸比可见/近红外漫反射与漫透射在线检测对比研究 [J], 刘燕德;吴明明;李轶凡;孙旭东;郝勇
2.苹果品质检测的可见-近红外激光漫反射光谱图像法的方法研究 [J], 庆兆坤;籍保
平;史波林;朱大洲;屠振华;ZUDE Manuela
3.近红外漫反射用于检测苹果糖度及有效酸度的研究 [J], 刘燕德;应义斌;傅霞萍
4.运用近红外透射光谱技术检测苹果内部品质 [J], 杜冉;闸建文;付家庭;崔丰娟
5.苹果糖分含量的近红外漫反射检测研究 [J], 刘燕德;应义斌
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
建模方法 PLS
LS-SVM
表3 不同预处理方法 C11708MA 水蜜桃所建模型校正和预测结果
校正集
预测集
预处理方法
预测相关系数 Rc
校正均方根误差 RMSEC
校正相关系数 Rp
预测均方根误差 RMSEP
RAW
0.9363
0.5972
0.8122
0.9217
1Der
0.9360
0.4262
图 8 微 型 光 谱 仪 嵌 入 式 检 测 平 台 示 意 图
图 10 MicroNIR-1700 采 集 到 的 梨 子 光 谱 图
1.3 可 溶 性 固 形 物 测 定 样 品 光 谱 测 量 完 成 后,按 照 NY/T2637-2014
标准,用阿贝 折 射 仪 测 定 可 溶 性 固 形 物 含 量 。 [4] 可 溶性 固 形 物 含 量 的 实 际 测 量 结 果 见 表 1 和 表 2,校 正集和预测集用 K-S 法划分,从 表 中 可 以 看 到 校 正 集的可溶 性 固 形 物 分 布 范 围 大 于 预 测 集 的 分 布 范 围 ,这 有 利 于 构 建 更 加 稳 健 的 预 测 模 型 。 1.4 模 型 建 立 及 评 价
外水果品质检测仪 。 [2] 本研 究 尝 试 以 滨 松 公 司 生 产 的 C11708MA 微
型光谱仪为基础,自 行 搭 建 两 套 可 溶 性 固 形 物 光 谱 采集系统。 以 微 型 光 谱 仪 结 合 自 行 设 计 的 光 纤 探 头检测水蜜桃可溶 性 固 形 物 含 量,以 微 型 光 谱 仪 嵌 式平台检测梨子可 溶 性 固 形 物 含 量,并 用 另 一 种 商 品化的 微 型 光 谱 仪 JDSU 公 司 生 产 的 MicroNIR- 1700做 对 比。 多 种 预 处 理 方 法 结 合 PLS 和 LS- SVM 建立水蜜桃可溶性固形物模型,多种波长优选 方法结 PLS 建立多品种梨子可溶性固形物模型,优 化 水 果 可 溶 性 固 形 物 的 检 测 模 型 ,提 高 预 测 精 度 。
2016 年 第 1 期
分析仪器
71
微型近红外光谱仪检测水果可溶性固形物
郅 建 军1 陈 通1 孙 武 坚2 王 春 峰1 郭 丽1 陈 斌1
(1.江苏大学食品与生物工程学院,镇江 212013;2.江苏大学机械工程学院,镇江 212013)
摘 要:以滨松公司生产的 C11708MA 微型光谱仪为基础,在自行搭建的两套光谱采集平台上检测水蜜桃、梨 子的 可 溶 性 固 形 物 含 量。 采 用 了 多 种 光 谱 预 处 理 方 法,结 合 PLS 和 LS-SVM 建 立 水 蜜 桃、梨 子 可 溶 性 固 形 物 模 型。实验结果表明,水蜜桃光谱经过标准化 预 处 理,建 立 的 LS-SVM 模 型 效 果 最 好,校 正 相 关 系 数 (Rp)和 均 方 根 误差(RMSEP)分别为0.8902和0.7703。梨 子 光 谱 经 过 CARS 筛 选 得 到 46 个 变 量,建 立 的 PLS 模 型 效 果 最 好, Rp和 RMSEP 分别为0.7597和0.5783。验证了该光谱仪在水果可溶性固形物含 量 检 测 方 面 的 应 用 的 可 行 性 ,为 进一步构建便携式水果可溶性固形物检测设备奠定了基础。
C11708MA 微型光谱 仪 (滨 松 公 司 生 产),该 光
谱仪外形如图1所示,图 2 是 测 试 用 驱 动 电 路 板 外 形。该光谱 仪 结 构 紧 凑,尺 寸 只 有 拇 指 大 小,重 量 为9g。光谱响应范围为 640nm~1 050nm。 该 光 谱仪探头采用带光接收狭缝的 CMOS图像传 感 器, 整合了 MEMS和图 像 传 感 器 技 术。 内 部 光 学 系 统 包含了一个凸透镜,光 栅 通 过 纳 米 压 印 技 术 制 作 在 透镜表面。具体结构 原 理 如 图 3 所 示,用 作 对 比 的 微型光谱 MicroNIR-1700(JDSU 公 司JDSU 公 司) 如图4所示。
等噪声,提 高 光 谱 数 据 的 信 噪 比,在 建 立 模 型 前 对 原始光 谱 信 息 进 行 适 当 的 预 处 理 是 必 要 的 。 [6] 表 3、表4分别是 C11708MA、NIR-1700采集到的水蜜 桃近红外光谱,经过 不 同 方 法 预 处 理 之 后 采 用 PLS 和 LS-SVM 建模及预测结果。
表 2 梨 子 可 溶 性 固 形 物 含 量 分 布 情 况
最小值
最大值
9.4
14.4
9.8
14.1
平均值 11.95 11.82
标准差 0.99 0.86
2结果与讨论
2.1 水 蜜 桃 可 溶 性 固 形 物 对光谱数据进行预处理可以消除因样品状态、
测量条件 和 杂 散 光 等 因 素 引 起 的 基 线 平 移 及 旋 转
由于价格 昂 贵、操 作 的 专 业 性、仪 器 稳 定 性 等 因素影响,近 红 外 光 谱 仪 在 我 国 的 食 品 工 业、农 业 和农产品加工部门并没有得到真正意义上的应用, 其中价格成为主要制约因素。没有出现能符合国 情的低成本、使 用 极 为 方 便 的 小 型 化、手 提 式 近 红
关 键 词 :微 型 近 红 外 光 谱 仪 水 果 可 溶 性 固 形 物 回 归 模 型 DOI:10.3936/j.issn.1001-232x.2016.01.015
Detection of the soluble solids content(SSC)in fruit using miniature NIR spectrometry .Zhi Jianjun1, Chen Tong1,Sun Wujian2,Wang Chunfeng1,Guo Li1,Chen Bin1(1.School of Food and Biological Engi- neering,Jiangsu University,Zhenjiang212013,China;2.School of Mechanical Engineering,Jiangsu U- niversity,Zhenjiang212013,China)
图 7 MicroNIR-1700 采 集 到 的 水 蜜 桃 光 谱 图
1.2.3 微 型 光 谱 仪 嵌 入 式 检 测 平 台 微型光谱仪和 电 路 板 封 装 在 盒 子 中,在 微 型 光
谱仪两侧放 置 两 个 卤 钨 灯,上 方 放 置 样 品 支 架,维 持样品稳定并防止漏光。将梨子置于样品支架上, 卤钨灯发出的光照 射 到 梨 子 上 发 生 漫 反 射,返 回 的 光进入检测 器,具 体 结 构 如 图 8。 两 台 光 谱 仪 采 集 到 的 光 谱 如 图 9 和 图 10。
基金项目:阵列式半导体激光器件的食品原料品质近红外快速检测方法的研究 ,国家自然基金项目(31171697) 作 者 简 介 :郅 建 军 ,男 ,1990 年 出 生 ,硕 士 研 究 生 ,研 究 方 向 :近 红 外 光 谱 技 术 在 食 品 、农 产 品 中 的 应 用 。 通 讯 作 者 :陈 斌 ,男 ,江 苏 大 学 食 品 与 生 物 工 程 学 院 ,教 授 ,博 导 ,E-mail:ncp@ujs.edu.cn。
0.8505
0.9619
MAF
0.9312
0.6195
0.8413
0.8257
去趋势
0.9254
0.6155
0.8570
0.9427
MAF+1Der
0.9311
1.2.2 微 型 光 谱 仪 结 合 光 纤 的 检 测 平 台 在微型光 谱 仪 结 合 自 行 设 计 的 光 纤 系 统 上 完
成对水蜜桃 光 谱 的 采 集,光 源 发 出 的 光,经 出 射 光 纤照射到样 品 上,发 生 漫 反 射,返 回 的 光 经 入 射 光 纤传输到检测器,如图5所示[3],两台光谱仪采集 到 的 光 谱 如 图 6、图 7。
72
分析仪器
2016 年 第 1 期
1 试 验 部 分
1.1 材 料 水蜜桃品种为 日 川 白 凤,采 自 镇 江 市 句 容 某 果
园。梨子有 多 个 品 种,包 括 晚 生 新 水、祝 水、喜 水、 明水、早生 新 水,采 自 镇 江 市 农 科 院 试 验 田。 依 次 编号标记,每 个 样 品 用 记 号 笔 圈 三 点,分 别 是 向 阳 面 、背 面 和 侧 面 ,每 个 点 代 表 一 个 试 验 样 品 。 1.2 仪 器 与 光 谱 采 集 1.2.1 微 型 光 谱 仪
Key words:miniature NIR spectrometry;fruit;SSC;regression model
水蜜桃和梨子 都 是 我 国 主 要 的 水 果 品 种,可 溶 性固形物 含 量 是 评 价 水 果 内 部 品 质 的 一 个 重 要 指 标。方便快捷地检 测 水 果 可 溶 性 固 形 物 含 量,对 于 水果生产、加 工 和 流 通 环 节 中 把 握 其 质 量,保 证 果 品品质具有重要 意 义。 与 传 统 破 坏 式 检 测 相 比,近 红外光谱检测 以 其 快 速、无 损 等 优 点 广 [1] 泛 应 用 于 水果内部品质检测。
图3 C11708MA 微型光谱仪结构原理示意图
图4 MicroNIR-1700光谱仪
图 5 微 型 光 谱 仪 结 合 光 纤 的 检 测 平 台 示 意 图
2016 年 第 1 期
分析仪器
73
图 6 结 合 光 纤 的 检 测 平 台 采 集 到 的 水 蜜 桃 光 谱 图
图 9 嵌 入 式 检 测 平 台 采 集 到 的 梨 子 光 谱 图
74