基于近紅外光譜技術(shù)的雪蓮花品質(zhì)快速無(wú)損檢測(cè)研究.pdf

1、目前,雪蓮花品質(zhì)主要依靠感官評(píng)判和理化分析進(jìn)行評(píng)價(jià)。但感官評(píng)判結(jié)果主觀性強(qiáng)、穩(wěn)定性差;理化分析結(jié)果時(shí)間長(zhǎng)、費(fèi)用高。近年來(lái)我國(guó)雪蓮花總產(chǎn)量居世界首位,而這兩種方法均無(wú)法滿(mǎn)足雪蓮花生產(chǎn)加工和貿(mào)易過(guò)程中品質(zhì)快速檢測(cè)的需要。近紅外光譜分析技術(shù)作為一種快速、低成本的綠色分析技術(shù),在食品和農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面正快速替代許多常規(guī)理化分析手段。本論文嘗試?yán)媒t外光譜分析技術(shù)鑒定不同產(chǎn)地的雪蓮花及檢測(cè)雪蓮花有效成分(總糖和黃酮)的可行性,進(jìn)行了以下幾個(gè)方

2、面的研究工作:
　　 1.利用近紅外光譜技術(shù)鑒別不同產(chǎn)地的雪蓮花,試驗(yàn)以青海、西藏、云南和新疆等4個(gè)不同產(chǎn)地的雪蓮花為研究對(duì)象,首先對(duì)獲取的近紅外光譜數(shù)據(jù)進(jìn)行SNV光譜預(yù)處理,然后在主成分分析的基礎(chǔ)上有比較地利用K最近鄰域(KNN)、線性判別分析(LDA)等線性模式識(shí)別方法,以及人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)等非線性模式識(shí)別方法建立雪蓮花產(chǎn)地鑒別模型。試驗(yàn)結(jié)果顯示,通過(guò)SNV光譜預(yù)處理后,運(yùn)用KNN模式識(shí)別方法,在

3、K=3和PCS=5時(shí),所得到的模型最佳,模型交互驗(yàn)證識(shí)別率和預(yù)測(cè)識(shí)別率均為100%。研究結(jié)果表明,利用近紅外光譜技術(shù)結(jié)合合適的模式識(shí)別方法可以識(shí)別不同產(chǎn)地的雪蓮花。
　　 2.利用近紅外光譜分析技術(shù)結(jié)合偏最小二乘法(PLS)定量分析雪蓮花中的有效成分,包括總糖和黃酮。通過(guò)優(yōu)選光譜預(yù)處理方法和模型所需要的主成分因子數(shù),在分析雪蓮花中黃酮、總糖兩個(gè)指標(biāo)時(shí),所建模型對(duì)預(yù)測(cè)集樣本預(yù)測(cè)的相關(guān)系數(shù)(Rp)分別為0.7901和0.8825。從

4、研究結(jié)果可以看出,利用近紅外光譜結(jié)合PLs算法可以很好地檢測(cè)雪蓮花中的有效成分,可為雪蓮花品質(zhì)的快速實(shí)時(shí)檢測(cè)提供依據(jù)。
　　 3.利用特征變量篩選法優(yōu)化近紅外光譜檢測(cè)雪蓮花中總糖的定量分析模型。雪蓮花近紅外光譜含有大量含氫基團(tuán)的倍頻和合頻吸收峰,存在光譜信息重疊的問(wèn)題,影響了模型的精度和穩(wěn)健性,因此,研究利用特征變量篩選法優(yōu)化雪蓮花有效成分的預(yù)測(cè)模型以提高PLs模型的精度和穩(wěn)定性。試驗(yàn)以近紅外光譜預(yù)測(cè)雪蓮花中總糖含量為例,分別嘗

5、試區(qū)間偏最小二乘(iPLS)、聯(lián)合區(qū)間偏最小二乘(SiPLS)、向后區(qū)間偏最小二乘(BiPLS)和遺傳偏最小二乘(GA-PLS)等方法來(lái)篩選特征光譜區(qū)域,并分析比較各模型的預(yù)測(cè)能力。從試驗(yàn)結(jié)果看,這些模型在提高模型精度及降低模型的復(fù)雜度方面均有所改善,其中BiPLS所建模型的預(yù)測(cè)能力最佳,其對(duì)預(yù)測(cè)集樣本預(yù)測(cè)的均方根誤差(RMSEP)和相關(guān)系數(shù)(Rp)分別為11.677和0.9133。
　　 研究結(jié)果表明利用近紅外光譜技術(shù)結(jié)合合適