基于近紅外高光譜圖像技術對板栗果實的無損檢測與品質鑒定.pdf

1、板栗素有“木本糧食”之稱，適于鮮食、炒食、菜用，也可以用于加工板栗全粉、速溶粉，以及生產板栗糊、板栗羹、板栗沖劑、板栗糕點等特色食品，具有較高的營養(yǎng)價值和經濟價值，是我國傳統(tǒng)出口農產品之一。板栗原產于我國，中國板栗品種大體可分北方栗和南方栗兩大類，在果肉特點上存在著顯著差異，北方栗果肉偏糯性，富含糖和蛋白質，而南方栗果肉偏粳性，富含淀粉。同時，在板栗生產中，常受到栗實象甲等害蟲危害，幼蟲在栗實內取食子葉，并將蟲糞充滿蛀道內。但往往在外觀

2、上難以察覺。另外，板栗果實為頑拗型種子，在貯藏過程中怕熱、怕凍、怕干、怕濕，難以有效得到貯藏保鮮，貯運期果實易混雜已喪失商品價值和食用價值的栗果。
　　傳統(tǒng)的栗果品質檢測多采用化學分析方法，且多在實驗室內進行，該方法需要對果實進行破碎后逐一檢測，費時費力、檢測效率低，往往檢測的樣本數量有限，難以保證抽樣的代表性，從而無法實現(xiàn)快速無損檢測。因此，開發(fā)一種快速、高效、無損的果品檢測技術，以滿足果品大規(guī)模品質分析和分級處理的需要，提高果

3、品采后處理的標準化水平，是當前果品生產中亟待解決的問題。
　　近年來興起的高光譜圖像技術具有多波段、高分辨率和圖譜合一的特點，能夠融合二維圖像和光譜技術分析等多方面的優(yōu)勢，同時，該技術作為一種快速、高效、無損的檢測方法，在農產品、醫(yī)藥、化工的檢測等方面得到了快速發(fā)展。但由于高光譜技術本身的高維特性，降維處理方法的不同，以及光譜數據處理方法的差異等造成模型的多樣性。因此，需要我們對基于高光譜圖像技術分析的果品快速無損檢測方法進行進一

4、步優(yōu)化。
　　本論文采用近紅外高光譜圖像技術結合不同的化學計量學方法，建立板栗果實的快速無損檢測和品質鑒定方法。試驗選擇一定數量的建模樣品，按比例隨機分為建模集和驗證集，應用近紅外高光譜圖像技術掃描獲取所有供試樣品的原始光譜數據。采用多元散射校正（Multiplicative signal correction，MSC）、導數（Derivative）、平滑等方法對原始光譜進行預處理，根據所測組分含量和光譜特征選取合適的光譜波長范圍

5、;利用判別分析（discriminant analysis，DA）法，建立板栗果實近紅外高光譜的判別分析模型，用于不同板栗品種和病蟲害果實的區(qū)分和鑒定。再進一步利用偏最小二乘（partial least square，PLS）法建立不同品種板栗果實的定量模型。
　　本論文試驗取得了如下主要結果:
　　1、以“泰栗一號”、“沂蒙短枝”和“舒城小栗”三種板栗果實為供試樣品，比較了不同光譜預處理方法對板栗果實分析指標預測結果的影響

6、，采用PLS方法建立了不同板栗品種的混合定量模型，并對果實總糖和淀粉兩個重要品質指標進行了預測分析。結果表明，MSC+二階導數+SG平滑為適宜的數據預處理方法，預測結果較好，模型預測結果的相關系數為0.9313～0.9587，均方根誤差為0.0624～0.225，表征模型的預測結果良好。
　　2、運用DA判別分析方法，建立了“泰栗一號”、“舒城小栗”和“沂蒙短枝”板栗果實樣品的定性分析模型。結果表明，采用MSC+log10+SG平

7、滑的光譜數據預處理方法，模型的正確識別率最高，判別率達到96.7％。采用主成分分析法(PCA)能顯著區(qū)分3個供試板栗品種果實，表明本試驗建立的定性模型能夠對板栗果實樣品進行品種識別分析。
　　3、再選取“泰栗一號”板栗果實為供試樣品，采用DA判別方法對霉變、蟲害和正常果實建立了定性分析模型。結果表明，采用標準正態(tài)變換(SNV)+log10+SG平滑的數據預處理方法，模型的正確識別率達到了98.6％，表明本試驗建立的定性分析模型能夠