成熟期番茄品質(zhì)近紅外光譜無損檢測(cè)技術(shù)研究.pdf

1、番茄是茄科中最重要的經(jīng)濟(jì)作物，是全世界栽培最為普遍的果菜之一。番茄果實(shí)營(yíng)養(yǎng)豐富，可以生食、煮食、加工制成番茄醬。在歐洲和美洲的國(guó)家、中國(guó)及日本有大面積溫室、塑料大棚及其他保護(hù)地設(shè)施栽培。成熟番茄中含有大量番茄紅素，是天然番茄紅素的主要來源。番茄紅素是重要的天然食品著色劑，也是很強(qiáng)的抗氧化劑。番茄可溶性固形物、維生素C、游離氨基酸含量是衡量番茄品質(zhì)的重要指標(biāo)，也是番茄果實(shí)加工特性的重要衡量指標(biāo)。為引導(dǎo)人們科學(xué)食用，同時(shí)為有關(guān)番茄加工企業(yè)提

2、供番茄品質(zhì)的基礎(chǔ)數(shù)據(jù)，對(duì)番茄營(yíng)養(yǎng)成分的含量進(jìn)行無損快速檢測(cè)具有重要意義。
　　本研究以9個(gè)品種的番茄為研究對(duì)象，收集樣品108個(gè)，利用近紅外光譜技術(shù)及化學(xué)計(jì)量學(xué)方法對(duì)番茄中的番茄紅素、游離氨基酸總量、維生素C及可溶性固形物含量進(jìn)行無損檢測(cè)研究。分析了不同常規(guī)光譜預(yù)處理方法在偏最小二乘法(PLS)近紅外光譜建模中的不同作用，根據(jù)模型評(píng)價(jià)參數(shù)確定了針對(duì)不同成分的最佳預(yù)處理方法。采用4種方法對(duì)不同成分的特征光譜區(qū)間進(jìn)行選擇，確定了各成分

3、在不同方法下的最佳特征波長(zhǎng)。利用小波和小波包技術(shù)對(duì)番茄光譜進(jìn)行消噪研究，確定不同小波及小波包的最佳參數(shù)。
　　本研究的主要內(nèi)容和結(jié)論如下:
　　(1)異常樣本剔除的研究。利用光譜界外點(diǎn)診斷功能，對(duì)有無光譜異常樣本進(jìn)行診斷，結(jié)果表明采集光譜無異常。利用杠桿值和學(xué)生殘差t檢驗(yàn)法結(jié)合逐一回收法，對(duì)濃度異常樣本進(jìn)行分析和剔除，剔除番茄紅素異常濃度樣本3個(gè)，剔除維生素C異常濃度樣本1個(gè)，剔除游離氨基酸異常樣本2個(gè)，剔除可溶性固形物異常

4、樣本1個(gè)。
　　(2)近紅外光譜最佳常規(guī)預(yù)處理方法的研究。在10種預(yù)處理方法中，番茄紅素近紅外光譜最優(yōu)處理方法為均值中心化加Norris一階導(dǎo)數(shù)法(Mean Centering+ NorrisFD)，該P(yáng)LS模型的相關(guān)系數(shù)R為0.7894、校正標(biāo)準(zhǔn)偏差（RMSEC）為17.12ug/g、預(yù)測(cè)標(biāo)準(zhǔn)偏差（RMSEP）為18.56 ug/g;在維生素C光譜預(yù)處理方法中，最優(yōu)處理方法為均值中心化加Norris一階導(dǎo)數(shù)法(Mean Cent

5、ering+ NorrisFD)，該P(yáng)LS模型的相關(guān)系數(shù)R為0.8768、校正標(biāo)準(zhǔn)偏差(RMSEC)為0.5804mg/100g、預(yù)測(cè)標(biāo)準(zhǔn)偏差(RMSEP)為0.5948mg/100g;在游離氨基酸總量近紅外光譜預(yù)處理方法中，最優(yōu)處理方法為方差比例加Norris一階導(dǎo)數(shù)（Variance Scaling+NorrisFD），該P(yáng)LS模型的相關(guān)系數(shù)R為0.8635、校正標(biāo)準(zhǔn)偏差(RMSEC)為16.04ug/100g、預(yù)測(cè)標(biāo)準(zhǔn)偏差(RMS

6、EP)為16.50ug/100g;在可溶性固形物近紅外光譜預(yù)處理方法中，最優(yōu)處理方法為均值中心化加Savitzky-Golay一階導(dǎo)數(shù)(Mean Centering+FD+S-G)，該P(yáng)LS模型的相關(guān)系數(shù)R為0.8913、校正標(biāo)準(zhǔn)偏差(RMSEC)為0.454％、預(yù)測(cè)標(biāo)準(zhǔn)偏差(RMSEP)為0.480％。
　　(3)光譜特征波長(zhǎng)選擇方法研究。利用向后區(qū)間偏最小二乘法(Backward intervalPLS，Bi-PLS)、聯(lián)合區(qū)

7、間偏最小二乘法(Synergy interval PLS，Si-PLS)、無信息變量消除偏最小二乘法(Uninformative variable elimination PLS，UVE-PLS)和基于遺傳算法的偏最小二乘法(Genetic algorithm PLS，GA-PLS)，結(jié)合Matlab工具箱進(jìn)行分析。從模型的評(píng)價(jià)參數(shù)來看，基于GA-PLS建立的番茄紅素模型參數(shù)最優(yōu)，采用變量數(shù)最少為142個(gè)，其模型R值為0.9072，RM

8、SECV為8.76ug/g，RMSEP為8.93ug/g;基于UVE-PLS建立的維生素C的模型參數(shù)最優(yōu)，選擇變量數(shù)為493個(gè)，其R為0.9043，RMSECV為0.4856mg/100g，RMSEP為0.4872mg/100g;基于GA-PLS建立的游離氨基酸總量模型參數(shù)最優(yōu)，采用變量137個(gè)，其R為0.9163，RMSECV為11.79ug/100g，RMSEP為11.95ug/100g;基于UVE-PLS建立的可溶性固形物模型參數(shù)

9、最優(yōu)，采用變量336個(gè)，其R為0.9122,RMSECV為0.4257％,RMSEP為0.4282％。
　　(4)小波及小波包消噪研究。在對(duì)dbN小波的研究中得出最佳小波基為db9，最佳分解層數(shù)為2。采用硬閾值Stein無偏似然估計(jì)或啟發(fā)式去噪方法，并根據(jù)不同層的噪聲估計(jì)對(duì)閾值進(jìn)行調(diào)整可得到最好的去噪效果，此時(shí)的SNR和RMSE值，分別為66.7466和0.0001。在對(duì)coifN小波的研究中得出最佳小波基為coif5，最佳分解層

10、數(shù)為1。通過選擇不同閾值方法和不同的閾值調(diào)整方式，得到coif5小波在不同調(diào)整閾值時(shí)的SNR和RMSE值。結(jié)果表明，利用第一層的系數(shù)進(jìn)行噪聲層的估計(jì)來調(diào)整閾值和采用不同層的噪聲估計(jì)來調(diào)整閾值時(shí)，兩者的去噪效果一致。通用軟閾值不調(diào)整方法時(shí)效果最差，采用硬閾值可調(diào)整方式時(shí)，Stein無偏似然估計(jì)和啟發(fā)式閾值方法，可得到最佳的SNR和RMSE值，分別為64.4761和0.0002。在對(duì)symN小波的研究中得出最佳小波基為sym5，最佳分解層數(shù)