学位论文 > 优秀研究生学位论文题录展示

梨可溶性固形物和酸度的可见/近红外光谱静态和在线检测研究

作　者: 孙通
导　师: 应义斌
学　校: 浙江大学
专　业: 生物系统工程
关键词: 可见/近红外光谱分析梨可溶性固形物酸度内部品质无损检测
分类号: S661.2
类　型: 博士论文
年　份: 2011年
下　载: 173次
引　用: 0次
阅　读: 论文下载

内容摘要

我国是水果生产大国,却是水果出口小国。水果商品化处理程度低是导致我国水果国际市场竞争力弱、出口量小的主要原因之一,提高我国的水果商品化处理水平能有效地增强我国水果的国际市场竞争力,扩大我国水果出口量。水果外观和内部品质的快速无损检测是水果商品化处理的重要环节。因而,实现水果外观和内部品质的快速无损检测是非常重要和必要的。本研究课题以翠冠梨、水晶梨和贡梨为研究对象,综合利用可见/近红外光谱技术、光纤传感技术以及化学计量学方法开展梨可溶性固形物(SSC)和酸度的静态和在线检测研究,采用不同的建模方法并结合不同的光谱预处理方法建立梨可溶性固形物和酸度的静态预测模型和在线预测模型。研究了影响预测模型的各种因素包括光源-检测器角度、水果传输速度以及水果放置方位,并采用不同的特征波长选择方法对光谱波长变量进行选择研究。本文的主要内容和研究结论如下：(1)对USB4000微型光纤光谱仪的静态光谱采集参数和在线光谱采集参数进行优化研究。对于翠冠梨SSC检测,USB4000微型光纤光谱仪的最优静态光谱采集参数Boxcar点数和Average次数分别为6和4,USB4000微型光纤光谱仪的最优在线光谱采集参数Boxcar点数为6。(2)研究了光源-检测器角度、水果传输速度以及水果放置方位对梨SSC预测模型性能的影响。光源-检测器角度对翠冠梨SSC预测模型性能有影响,光源-检测器角度120°优于光源-检测器角度180°。在三个水果传输速度下(0.3 m/s、0.5 m/s、0.7 m/s),随着水果传输速度的增加,翠冠梨SSC的PLS预测模型性能不断下降,但下降幅度不大。水果放置方位对贡梨SSC预测模型性能有影响。水果放置方位HH和HV优于水果放置方位VU和VD,水果放置方位HH与HV以及水果放置方位VU与VD之间则差别不大。(3)在可见/近红外检测系统AI里,研究了2009年慈溪与横港两果园翠冠梨SSC和pH的静态检测,采用偏最小二乘回归(PLS)、主成分回归(PCR)、逐步多元线性回归(SMLR)以及最小二乘支持向量机(LS-SVM)建模方法结合不同的预处理方法建立单个果园以及两个果园统一的SSC预测模型,采用PLS方法结合不同的预处理方法建立单个果园以及两个果园统一的pH预测模型。2009年慈溪、横港以及两果园翠冠梨SSC的最优静态预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.971、0.203%、0.328%、0.322%和2.59,0.941、0.289%、0.322%、0.355%和2.58,0.946、0.277%、0.354%、0.347%和2.37。2009年慈溪、横港以及两果园翠冠梨pH的最优静态预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.765、0.113、0.112、0.128和1.60,0.885、0.095、0.123、0.117和1.63,0.835、0.105、0.115、0.123和1.65。PLS建模方法优于PCR.SMLR以及LS-SVM建模方法。(4)在可见/近红外检测系统AI里,研究了2009年慈溪与横港两果园翠冠梨SSC和pH的在线检测,采用PLS、PCR、SMLR以及LS-SVM建模方法结合不同的预处理方法建立单个果园以及两个果园统一的SSC预测模型,采用PLS方法结合不同的预处理方法建立单个果园以及两个果园统一的pH预测模型。2009年慈溪、横港以及两果园翠冠梨SSC的最优在线预测模型的相关系数、RMSEC.RMSEP.RMSECV以及RPD分别为0.966、0.222%、0.253%、0.350%和3.36,0.953、0.259%·、0.326%、0.344%和2.55,0.923、0.306%、0.331%、0.376%和2.54。2009年慈溪、横港以及两果园翠冠梨pH的最优在线预测模型的相关系数、RMSEC、RMSEP、RMSECV以及RPD分别为0.814、0.105、0.127、0.123和1.41,0.881、0.098、0.104、0.117和1.92,0.854、0.102、0.120、0.121和1.58。PLS建模方法优于PCR.SMLR以及LS-SVM建模方法。建立了在0.5 m/s水果传输速度下基于可见/近红外光谱技术结合化学计量学方法在线检测不同果园不同采摘期翠冠梨可溶性固形物和酸度的方法体系和预测模型,提高了可溶性固形物预测模型的精度,为在线检测翠冠梨内部品质提供了新方法。(5)在分级生产线上的可见/近红外检测系统里,研究了贡梨SSC的在线检测,并采用PLS方法结合不同的预处理方法建立SSC预测模型。贡梨SSC的最优在线预测模型的相关系数、RMSEC、RMSEP、RMSECV以及RPD分别为0.945、0.285%、0.290%、0.344%和2.86。(6)提出了一种光谱特征波长选择的新方法----组合式特征波长选择方法UVE-GA-PLS,并与其他6种常用的特征波长选择方法包括(BiPLS、SiPLS、UVE-PLS、GA-PLS、SPA-MLR以及UVE-SPA-MLR)进行研究比较。对于翠冠梨SSC检测,UVE-GA-PLS为7种特征波长选择方法中的最优方法,仅采用50个波长变量建立的SSC预测模型性能与全波谱728个波长变量建立的PLS模型性能相近。翠冠梨SSC的UVE-GA-PLS模型的相关系数、RMSEC、RMSEP以及RMSECV分别为0.958、0.248%、0.290%和0.292%,RPD值为2.97。

全文目录

致谢  7-8
摘要  8-11
Abstract  11-14
目录  14-19
插图清单  19-25
表格清单  25-30
英文缩略表  30-32
第1章绪论  32-56
  1.1 研究的目的和意义  32-35
    1.1.1 我国水果产业发展现状  32-34
    1.1.2 水果内部品质检测的必要性  34-35
  1.2 可见/近红外光谱分析技术在水果内部品质检测应用上的研究现状  35-47
    1.2.1 国外研究现状  35-43
    1.2.2 国内研究现状  43-47
  1.3 商业化水果品质检测装置  47-52
    1.3.1 商业化便携式检测装置  47-50
    1.3.2 商业化分级生产线装置  50-52
  1.4 课题的研究目标和研究内容  52-54
    1.4.1 课题来源  52-53
    1.4.2 课题的主要研究内容  53-54
    1.4.3 技术路线  54
  1.5 本章小结  54-56
第2章可见/近红外光谱分析技术的基本原理和方法  56-72
  2.1 可见/近红外光谱分析技术概述  56-57
    2.1.1 可见/近红外光谱分析技术简介  56
    2.1.2 可见/近红外光谱分析基本原理  56-57
    2.1.3 可见/近红外光谱分析基本流程  57
  2.2 可见/近红外光谱分析中的化学计量学方法  57-71
    2.2.1 光谱预处理方法  57-60
    2.2.2 特征波长选择方法  60-63
    2.2.3 定量分析方法  63-67
    2.2.4 模型传递方法  67-70
    2.2.5 模型性能的评价  70-71
  2.3 本章小结  71-72
第3章实验仪器、材料和方法  72-82
  3.1 主要实验仪器  72-73
    3.1.1 光谱仪  72
    3.1.2 理化分析仪器  72-73
  3.2 可见/近红外光谱检测系统  73-74
  3.3 实验材料  74-75
  3.4 光谱采集方法与软件  75-78
    3.4.1 光谱采集方法  75-76
    3.4.2 光谱采集软件  76-78
  3.5 水果内部品质理化分析方法  78-79
    3.5.1 可溶性固形物理化分析方法  78
    3.5.2 酸度理化分析方法  78-79
  3.6 数据处理分析方法和软件  79-81
    3.6.1 光谱预处理方法  79
    3.6.2 异常样品剔除方法  79
    3.6.3 特征波长选择方法  79
    3.6.4 定量分析方法  79-80
    3.6.5 数据处理分析软件  80-81
  3.7 本章小结  81-82
第4章各种因素对预测模型精度的影响研究  82-100
  4.1 光源-检测器角度的影响  82-86
    4.1.1 样品基本外观参数和理化分析结果  82-83
    4.1.2 可见/近红外光谱分析  83-84
    4.1.3 异常样品剔除  84-85
    4.1.4 PLS模型对比分析  85-86
  4.2 水果传输速度的影响  86-91
    4.2.1 样品基本外观参数和理化分析结果  87
    4.2.2 可见/近红外光谱分析  87-88
    4.2.3 异常样品剔除  88
    4.2.4 PLS模型对比分析  88-91
  4.3 水果放置方位的影响  91-98
    4.3.1 样品基本外观参数和理化分析结果  92-93
    4.3.2 可见/近红外光谱分析  93-94
    4.3.3 异常样品剔除  94
    4.3.4 PLS模型对比分析  94-98
  4.4 本章小结  98-100
第5章梨可溶性固形物和酸度的可见/近红外光谱静态检测定量分析  100-148
  5.1 光谱仪静态采集参数优化  100-101
  5.2 可见/近红外检测系统对比  101
  5.3 样品基本外观参数和理化分析结果  101-105
  5.4 可见/近红外光谱分析  105-108
    5.4.1 原始光谱  105-107
    5.4.2 微分光谱  107-108
  5.5 可溶性固形物定量分析  108-136
    5.5.1 2008年慈溪果园翠冠梨  108-114
    5.5.2 2008年横港果园翠冠梨  114-119
    5.5.3 2008年两果园翠冠梨  119-122
    5.5.4 2009年慈溪果园翠冠梨  122-127
    5.5.5 2009年横港果园翠冠梨  127-132
    5.5.6 2009年两果园翠冠梨  132-136
  5.6 酸度定量分析  136-146
    5.6.1 2008年慈溪果园翠冠梨  136-138
    5.6.2 2008年横港果园翠冠梨  138-140
    5.6.3 2009年慈溪果园翠冠梨  140-143
    5.6.4 2009年横港果园翠冠梨  143-145
    5.6.5 2009年两果园翠冠梨  145-146
  5.7 本章小结  146-148
第6章梨可溶性固形物和酸度的可见/近红外光谱在线检测定量分析  148-200
  6.1 光谱仪在线光谱采集参数优化  148-149
  6.2 实验室试验台在线检测定量分析  149-188
    6.2.1 样品基本外观参数和理化分析结果  149
    6.2.2 可见/近红外光谱分析  149-151
    6.2.3 可溶性固形物定量分析  151-179
    6.2.4 酸度定量分析  179-188
  6.3 分级生产线在线检测定量分析  188-198
    6.3.1 样品基本外观参数和理化分析结果  188-191
    6.3.2 可见/近红外光谱分析  191-193
    6.3.3 可溶性固形物定量分析  193-198
  6.4 本章小结  198-200
第7章特征波长选择方法研究  200-212
  7.1 特征波长选择的意义  200
  7.2 特征波长选择方法  200-211
    7.2.1 BiPLS  201-202
    7.2.2 SiPLS  202-203
    7.2.3 UVE-PLS  203-205
    7.2.4 GA-PLS  205-206
    7.2.5 UVE-GA-PLS  206-207
    7.2.6 SPA-MLR  207-209
    7.2.7 UVE-SPA-MLR  209-210
    7.2.8 模型性能比较  210-211
  7.3 本章小结  211-212
第8章结论与展望  212-216
  8.1 主要研究结论  212-213
  8.2 主要创新点  213-214
  8.3 进一步研究展望  214-216
参考文献  216-234
个人简历  234-235

梨可溶性固形物和酸度的可见/近红外光谱静态和在线检测研究

内容摘要

全文目录

相似论文