農(nóng)產(chǎn)品品質(zhì)檢測(cè)中的近紅外光譜分析技術(shù)研究.pdf

1、中國(guó)經(jīng)濟(jì)的持續(xù)高速發(fā)展以及我國(guó)商品融入國(guó)際市場(chǎng)的進(jìn)程對(duì)我國(guó)農(nóng)業(yè)及農(nóng)產(chǎn)品加工業(yè)的產(chǎn)品品質(zhì)分析提出了迫切的要求。近紅外光譜分析技術(shù)作為一種快速、無(wú)損、多組分同時(shí)分析的綠色分析技術(shù)，在農(nóng)產(chǎn)品品質(zhì)檢測(cè)方面是一種首選技術(shù)。本文是在國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)“雜草與蟲害圖象識(shí)別以及谷物品質(zhì)分析方法研究”(項(xiàng)目編號(hào)：2003AA209012)資助下完成的。主要研究?jī)?nèi)容如下： 1.針對(duì)大量樣品參與建模，定標(biāo)較為復(fù)雜的情況，本文研究GN

2、距離法來(lái)挑選代表性的建模樣品。GN距離法在保持建模樣品集所覆蓋范圍的前提下，適量地剔除部分光譜異常樣品，并從相似樣品中挑選出代表性樣品參與建模，從而提高了定標(biāo)模型的穩(wěn)定性和適用性。 2.近紅外校正模型中樣品的變異范圍越寬，干擾因素越多，會(huì)導(dǎo)致模型的預(yù)測(cè)能力下降。本文研究將系統(tǒng)聚類法與統(tǒng)計(jì)量(R2統(tǒng)計(jì)量，半偏相關(guān)統(tǒng)計(jì)量SPRSQ，偽F統(tǒng)計(jì)量PSF，偽t2統(tǒng)計(jì)量PST2)相結(jié)合，指導(dǎo)分類建模，減小建模集的變異范圍。該方法克服了系統(tǒng)聚

3、類分析中無(wú)法確定聚類數(shù)目的問(wèn)題，并能剔除部分異常樣品，提高了校正模型的可靠性和預(yù)測(cè)能力。 3.建立近紅外定標(biāo)模型的光譜數(shù)據(jù)一般都是基于實(shí)驗(yàn)室規(guī)范的分析條件下掃描得到的，但是在籽粒樣品(如小麥、水稻)等的在線式近紅外光譜分析系統(tǒng)中，經(jīng)常會(huì)出現(xiàn)待測(cè)樣品因裝樣量不同使光譜測(cè)定差異較大，導(dǎo)致預(yù)測(cè)的結(jié)果不準(zhǔn)確的問(wèn)題。本文比較了六種常用的光譜預(yù)處理方法：MSC，SNV+Detrendinging，SG1，Normalize，DOSC和WT，

4、得出Normalize可以有效地減小裝樣量對(duì)預(yù)測(cè)結(jié)果的影響，從而保證了預(yù)測(cè)結(jié)果的準(zhǔn)確性。 4.由于光譜中不同波長(zhǎng)處所含的噪聲水平不同，因此不同波長(zhǎng)處降噪要求也不同。本文研究采用分段小波消噪算法解決光譜中降噪要求不一致的問(wèn)題，進(jìn)一步提高定標(biāo)模型的預(yù)測(cè)能力。 5.本文比較了偏最小二乘法(PLS)，BP神經(jīng)網(wǎng)絡(luò)(BP)和支持向量機(jī)(SVM)三種近紅外定量建模方法，研究表明SVM在近紅外光譜定量分析中有著很好的應(yīng)用前景。由于SV

5、M的參數(shù)選擇決定了近紅外模型的性能，本文深入分析了SVM核函數(shù)和核參數(shù)的選取對(duì)近紅外定量分析的影響，為近紅外定量分析中選擇SVM參數(shù)提供了參考。 6.針對(duì)近幾年出現(xiàn)的奶粉安全問(wèn)題，本文首次提出了將近紅外光譜技術(shù)和支持向量機(jī)相結(jié)合，建立奶粉安全近紅外定性模型，研究表明SVM-NIR模型為奶粉安全判別提供了一個(gè)更為便捷、無(wú)損的綠色分析技術(shù)。 7.針對(duì)近紅外光譜分析技術(shù)在奶粉生產(chǎn)企業(yè)的實(shí)際應(yīng)用中遇到的奶粉種類繁多導(dǎo)致樣品收集工