葡萄內(nèi)部品質(zhì)的高光譜成像檢測(cè)研究.pdf

1、新疆葡萄美味可口且營(yíng)養(yǎng)價(jià)值豐富，深受消費(fèi)者歡迎。同時(shí)，葡萄的品質(zhì)決定著自身的商品價(jià)值和市場(chǎng)競(jìng)爭(zhēng)力。目前用于葡萄品質(zhì)檢測(cè)的傳統(tǒng)方法存在樣品破壞、耗時(shí)效率低等缺陷，不利于葡萄產(chǎn)后商品化。本文以新疆特色果品—紅提葡萄為研究對(duì)象，綜合利用高光譜成像技術(shù)、化學(xué)計(jì)量學(xué)和數(shù)理統(tǒng)計(jì)學(xué)知識(shí)開(kāi)展了葡萄內(nèi)部品質(zhì)（可溶性固形物和總酸）的檢測(cè)研究，為葡萄產(chǎn)業(yè)的實(shí)時(shí)、在線(xiàn)、無(wú)損檢測(cè)提供新思路。本文主要內(nèi)容和研究結(jié)果如下：
　?。?）為了使葡萄可溶性固形物和總

2、酸模型具有代表性和穩(wěn)定性，對(duì)參與建模的樣品進(jìn)行異常樣本的判別與剔除。本研究采用狄克松（Dixon）檢驗(yàn)法、杠桿值與學(xué)生殘差法對(duì)葡萄樣品進(jìn)行綜合判斷，發(fā)現(xiàn)疑似異常樣本并對(duì)疑似異常樣本進(jìn)行逐一回收分析（即二審剔除判別），最終確定葡萄可溶性固形物建模和葡萄總酸建模異常樣本并予以剔除。
　?。?）對(duì)用于建模的樣本依據(jù)KS法、SPXY法和CG法三種不同方法進(jìn)行樣本集劃分，對(duì)比分析各方法劃分后的校正集和預(yù)測(cè)集的統(tǒng)計(jì)結(jié)果和所建PLS模型的性能參

3、數(shù)，最終確定葡萄可溶性固形物校正集樣本劃分的最佳方法為SPXY法，葡萄總酸校正集樣本劃分的最佳方法為CG法。
　　（3）通過(guò)不同的預(yù)處理方法對(duì)葡萄可溶性固形物和總酸的原始光譜進(jìn)行預(yù)處理，將預(yù)處理后的光譜數(shù)據(jù)分別建立PLS、SMLR和PCR的預(yù)測(cè)模型并比較其性能。比較分析GA和SPA特征波長(zhǎng)選擇方法對(duì)葡萄可溶性固形物和總酸的特征波長(zhǎng)選擇結(jié)果，并對(duì)比分析全光譜、GA和SPA提取不同波長(zhǎng)后的葡萄可溶性固形物和總酸所建模型性能。試驗(yàn)結(jié)果表

4、明：1）確定經(jīng)Mean centering預(yù)處理后所建葡萄可溶性固形物的PLS模型性能最優(yōu)，當(dāng)因子數(shù)為14時(shí)，模型性能參數(shù)RC為0.9616，RP為0.9606，RMSEC為0.368，RMSEP為0.367，RPD為3.5980；確定經(jīng)GA算法對(duì)葡萄可溶性固形物高光譜特征波長(zhǎng)提取效果較優(yōu)，當(dāng)因子數(shù)為13時(shí)，模型性能參數(shù)RC為0.9654，RP為0.9610，RMSEC為0.352，RMSEP為0.298，RPD為3.6254，預(yù)測(cè)性能

5、較全光譜PLS模型有所提高。2）確定經(jīng)Normalization預(yù)處理后所建葡萄總酸的PLS模型性能最優(yōu)，當(dāng)因子數(shù)為8時(shí)，模型性能參數(shù)RC為0.8737，RP為0.8871，RMSEC為0.0126，RMSEP為0.0133，RPD為2.1665；確定經(jīng)GA算法對(duì)葡萄總酸高光譜特征波長(zhǎng)提取效果較優(yōu)，當(dāng)因子數(shù)為7時(shí)，模型性能參數(shù)RC為0.8765，RP為0.8628， RMSEC為0.0126，RMSEP為0.0123，RPD為1.977