梨糖度可見-近紅外光譜實時檢測樣品非相關因素影響及模型優(yōu)化研究.pdf

1、隨著社會經(jīng)濟的發(fā)展和人民生活水平的提高，人們對水果的需求量越來越大，對水果品質(zhì)的要求也越來越高。另一方面，中國作為水果生產(chǎn)大國，卻在國際水果市場上缺乏競爭力，主要原因在于水果產(chǎn)后商品化處理程度較低，從而導致銷售的同一批水果品質(zhì)參差不齊。對產(chǎn)后水果進行品質(zhì)檢測和分級是水果產(chǎn)后商品化處理的主要環(huán)節(jié)，也是實現(xiàn)水果優(yōu)質(zhì)優(yōu)價的重要途徑。
　　近紅外光譜技術憑其快速、無損、可實現(xiàn)在線檢測分析等諸多優(yōu)點，已經(jīng)被廣泛應用于農(nóng)業(yè)。然而，在實際預測過

2、程中往往會受到包括環(huán)境因素、儀器因素和樣品相關因素等的影響，而導致預測模型精度降低甚至失效。
　　因此，本研究在團隊前期研究的基礎上，以梨、鮮榨果汁和果糖溶液為研究對象，利用可見/近紅外光譜技術，主要圍繞樣品非相關因素，對可溶性固形物(Soluble SolidsContent，SSC)進行建模分析與優(yōu)化。根據(jù)實際生產(chǎn)應用中面臨的問題，分析了不同光譜儀，水果果袋，參比光譜采集模式以及特征波長選擇對水果可見/近紅外光譜及其檢測模型的

3、影響。
　　本文的主要研究內(nèi)容和研究結(jié)論如下:
　　(1)研究了不同型號光纖光譜儀之間皇冠梨SSC檢測模型的適應性，建立了基于平均光譜差異校正(Mean Spectra Subtraction Correction，MSSC)的直接校正(DirectStandardization，DS)模型傳遞算法(MSSC-DS)。
　　首先對兩個不同可見/近紅外光譜儀（美國海洋光學公司的QE65000型和QE65Pro型）采集的同

4、一批皇冠梨樣本光譜結(jié)合其理化指標分別建立偏最小二乘回歸(Partial LeastSquares Regression，PLSR)模型，并進行交互預測分析，結(jié)果表明不同光譜儀建立的檢測模型不能通用。然后，以QE65000光譜儀為主儀器，研究比較了4種傳統(tǒng)的模型傳遞方法:DS、分段直接校正(Piecewise Direct Standardization，PDS)、斜率偏差校正(Slope/Bias，S/B)和MSSC。并在此基礎上建立并

5、比較了基于光譜差異校正預處理的MSSC-DS、MSSC-PDS、MSSC-S/B模型傳遞方法，研究了兩個不同可見/近紅外光譜儀間皇冠梨SSC檢測模型的傳遞，結(jié)果表明經(jīng)DS算法和MSSC-DS算法轉(zhuǎn)換后的預測結(jié)果相對較好，預測均方根誤差(Root Mean Square Error of Prediction，RMSEP)由傳遞前的8.482°Brix分別下降到0.473°Brix和0.453°Brix，可以滿足實際生產(chǎn)要求。但是，通過模

6、型轉(zhuǎn)換后的預測結(jié)果比利用從儀器數(shù)據(jù)直接建模的結(jié)果(RMSEP=0.381°Brix)要差，因而在實際生產(chǎn)中，需要從成本和分級精度的要求上來考慮選擇建模的方式。
　　(2)研究了兩種果袋（單層白色果袋SWB和雙層黃色果袋DYB）對翠冠梨可見/近紅外光譜的影響。
　　在生產(chǎn)實際中，用戶為了減少水果在輸送分級過程中的損傷，希望能帶袋實現(xiàn)水果的品質(zhì)檢測與分級。本文研究表明，所用的白色單層果袋透光率較好，所采集的套袋水果光譜保留了吸收

7、峰，且與不套袋光譜差異較小。定量分析結(jié)果同樣表明，套白袋的翠冠梨SSC檢測的交互驗證相關系數(shù)(Cross Validation Correlation Coefficient，rcv)和交互驗證均方根誤差（Root Mean Square Error of Cross Validation，RMSECV）分別為0.7894和0.376°Brix，僅略差于不套袋水果的模型預測結(jié)果（rcv=0.8282，RMSECV=0.343°Brix）

8、，套白袋預測偏差在±0.5°Brix之間的比重為83.8％，能滿足實際應用的要求。但需要通過更進一步的研究，尋找或開發(fā)合適的果袋，使其既對水果產(chǎn)中品質(zhì)具有促進及保護作用，又滿足水果產(chǎn)后檢測分級時可見/近紅外光譜分析要求。
　　(3)在團隊前期研究基礎上，研究了自動參比不同采集頻率對檢測結(jié)果的影響。
　　首先，進一步驗證了自動放置參比模式采集的參比光譜比手動放置參比模式采集的參比光譜穩(wěn)定。此外，針對光源響應隨時間衰減的問題，開

9、展了自動放置模式下的參比頻率影響研究，比較了自動放置每隔3個(A3)、10個(A10)、20個(A20)樣本采集一次參比光譜，以及一開始采集一次參比光譜(A0)的四種參比采集頻率模式。結(jié)果表明:四種參比采集頻率模式預測精度從高到低依次為A3、A10、A20和A0，可見通過增加參比采集頻率，可提高模型精度，但頻率過高會影響生產(chǎn)中檢測分級效率，因此可根據(jù)生產(chǎn)實際需要選擇恰當?shù)膮⒈刃Ｕl率。
　　(4)研究了基于波長選擇算法以及基于自制

10、果糖溶液特征波長的果實SSC檢測模型。
　　首先分析了基于特征波長選擇算法的不同年份間模型的預測能力，并在此基礎上采用S/B算法對模型進行修正。結(jié)果表明，結(jié)合不同特征波長選擇方法建立的PLSR模型（2014年）對不同年份（2015年和2016年）預測集的結(jié)果仍然較差，經(jīng)過S/B修正后RMSEP大大降低，其中基于競爭性自適應加權(quán)算法(Competitive adaptive reweightedsampling，CARS)的PLSR

11、模型經(jīng)S/B修正對2015年皇冠梨的預測結(jié)果最好，基于蒙特卡羅非信息變量剔除(Monte-Carlo Uninformative Variables Elimination，MC-UVE)的PLSR模型經(jīng)S/B修正對2016年皇冠梨的預測結(jié)果最好，RMSEP分別為0.575°Brix和0.609°Brix。
　　然后，分別對鮮榨果汁以及自制果糖溶液采用全波段偏最小二乘回歸(Full-RangePLSR，F(xiàn)ull-PLSR)、逐步多

12、元線性回歸(Stepwise Multi Linear Regression，SMLR)和間隔偏最小二乘回歸(Interval PLSR，iPLSR)進行SSC建模分析。鮮榨果汁由于吸光粒子的散射影響，吸光度與濃度的關系偏離了比爾定律，模型結(jié)果較差。相反，果糖溶液溶質(zhì)相對單一，吸光度較好，模型較理想。因此，以果糖溶液光譜為對象，在550-920 nm之間用SMLR選擇特征波長，并基于所選波長建立果實SSC檢測模型，其結(jié)果(rp=0.87