近紅外光譜分析技術(shù)和電子鼻技術(shù)在蘋果內(nèi)部品質(zhì)檢測(cè)中的應(yīng)用研究.pdf

1、我國(guó)蘋果產(chǎn)量占世界蘋果總產(chǎn)量的35.8％為世界首位，而出口量卻僅占到世界的5％。出現(xiàn)這種情況的原因之一就是我國(guó)的蘋果混等混級(jí)現(xiàn)象嚴(yán)重，致使我國(guó)的蘋果在國(guó)際市場(chǎng)上沒(méi)有競(jìng)爭(zhēng)力。因此，要提高我國(guó)的蘋果在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力并提高其出口量，就必須提高我國(guó)蘋果的分級(jí)水平。目前，國(guó)內(nèi)對(duì)蘋果的分級(jí)大多采用人工而且大多局限于外觀品質(zhì)。但從消費(fèi)者的角度觀察，消費(fèi)者更注重的是蘋果的內(nèi)部品質(zhì)。為了滿足消費(fèi)者對(duì)內(nèi)部品質(zhì)的要求并且為蘋果的分級(jí)提供更多依據(jù)，本課題研究

2、了近紅外光譜技術(shù)和電子鼻技術(shù)在蘋果內(nèi)部品質(zhì)的檢測(cè)中應(yīng)用。本課題主要研究?jī)?nèi)容和結(jié)論如下：
　　 (1)利用偏最小二乘法(PLS)建立了近紅外光譜數(shù)據(jù)對(duì)蘋果糖度、酸度和水分含量的預(yù)測(cè)模型。其中糖度預(yù)測(cè)模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗(yàn)證均方根誤差(RMSECV)分別為0.9014和0.733，在預(yù)測(cè)集的相關(guān)系數(shù)(R)和預(yù)測(cè)均方根誤差(RMSEP)分別為0.8975和0.633；水分含量預(yù)測(cè)模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗(yàn)證均方

3、根誤差(RMSECV)分別為0.7151和0.5601，在預(yù)測(cè)集的相關(guān)系數(shù)(R)和預(yù)測(cè)均方根誤差(RMSEP)分別為0.7265和2.35；酸度預(yù)測(cè)模型在訓(xùn)練集的相關(guān)系數(shù)(R)和交叉驗(yàn)證均方根誤差(RMSECV)分別為0.5999和1.2，在預(yù)測(cè)集的相關(guān)系數(shù)(R)和預(yù)測(cè)均方根誤差(RMSEP)分別為0.593和1.01。結(jié)果表明，利用近紅外光譜數(shù)據(jù)和偏最小二乘法建立的預(yù)測(cè)模型對(duì)糖度進(jìn)行預(yù)測(cè)能夠得到較好的效果。對(duì)水分和酸度的預(yù)測(cè)結(jié)果稍差，

4、但水分和酸度與近紅外光譜數(shù)據(jù)之間具有一定的相關(guān)性。
　　 (2)應(yīng)用支持向量機(jī)模式識(shí)別方法和近紅外光譜數(shù)據(jù)，對(duì)不同品種和同一品種不同產(chǎn)地的蘋果進(jìn)行了識(shí)別。對(duì)不同品種的回判識(shí)別率和預(yù)測(cè)識(shí)別率均達(dá)到100％。對(duì)同一品種不同產(chǎn)地的蘋果的回判識(shí)別率達(dá)到87％預(yù)測(cè)識(shí)別率達(dá)到100％。結(jié)果表明，支持向量機(jī)比目前比較流行的模式識(shí)別方法具有更高的精度。
　　 (3)利用近紅外光譜數(shù)據(jù)和PLS方法建立了對(duì)蘋果儲(chǔ)藏時(shí)間的預(yù)測(cè)模型。所建模型在

5、訓(xùn)練集的相關(guān)系數(shù)和交互驗(yàn)證均方根誤差分別為0.8540和4.29在預(yù)測(cè)集的相關(guān)系數(shù)和預(yù)測(cè)均方根誤差分別為0.8242和4.73。由結(jié)果看出利用近紅外光譜數(shù)據(jù)和PLS方法建立的模型對(duì)蘋果儲(chǔ)藏時(shí)間進(jìn)行判斷能夠得到較好的結(jié)果。
　　 (4)應(yīng)用電子鼻技術(shù)對(duì)蘋果的新鮮度進(jìn)行了判斷。試驗(yàn)中利用蘋果氣體信息和支持向量機(jī)模式識(shí)別方法建立的識(shí)別模型可以將新鮮蘋果與常溫儲(chǔ)藏19天的蘋果完全區(qū)分開(kāi)。同時(shí)還利用建立的識(shí)別模型對(duì)常溫儲(chǔ)藏19天的蘋果與常