论文部分内容阅读
水果品质自动化检测与分级是国际农业工程与食品工程科技界的热门研究课题,对于满足消费者对食品品质和食物安全的要求,提高水果产品的市场价值与市场竞争力,增加农民收入都具有重大意义。近年来我国水果总产量一直居世界前列,而由于水果产后加工和处理水平不高,水果年出口量仅占总产量的3%左右,这与世界水果第一王国的身份极不相称。糖度和酸度对果实品质起着主导作用,它不仅影响果实的甜味和色泽,还是合成维生素和类胡萝卜素等营养成分的基础原料。目前水果内部品质分析方法存在破坏样品、操作复杂、耗时长、成本高和无法实现在线检测等不足,因此,探索基于近红外光谱快速无损检测水果内部糖度和酸度方法并建立性能稳定的数学模型,是一项具有重要理论意义和实际应用价值的基础工作。本研究是国家高新技术“863”项目-水果品质实时检测和分级机器人系统研究的延伸和拓展,是对水果品质自动化检测与分级技术的一个重要推进。本研究综合多学科交叉知识,以苹果和梨为研究对象,以糖度和酸度检测为目标,分别从水果的近红外光谱响应特性、水果糖度和酸度无损检测精度影响因素、水果近红外光谱检测匹配参数、水果建模样品有效选择方法以及糖度和酸度的快速无损检测数学模型创建等方面进行了系统深入地研究,论文取得的主要创新性成果有: 1.采用现代科学仪器和实验分析方法,探索了仪器状态,样品参数、采样环境和测试条件等因素对水果糖度和酸度近红外光谱响应特性的影响,得出了一批水果糖度和酸度无损检测的重要优化匹配参数,对于阐明水果最佳光谱响应测试部位,最佳测量距离、不同样品状态参数对光谱响应测试的影响,制定检测技术规范具有重要参考价值。实验找到的水果漫反射光谱吸收峰位置出现在10176cm-1,8313cm-1,6860cm-1,5172cm-1和4321cm-1波段附近,研究结果表明不同水果波峰位置差异性不明显。研究得出的水果糖度和酸度检测的重要优化匹配参数是扫描次数为64次,光谱仪分辨率为16cm-1和增益大小为4,实验证明该匹配参数能够满足水果糖度和酸度无损检测数学模型精度要求。 2.探索了基于近红外光谱的水果糖度和酸度无损检测方法,建立了相应的线性和非线性优化数学模型,给出了水果糖度和酸度的光谱吸收波段范围、不同数学模型的预测精度和适用范围,找出了MBP神经网络训练的优化匹配参数。研究得出的苹果糖度（SC）,总酸度（TA）和有效酸度（pH）优化数学模型建立的光谱范围是4242.63cm-1-12303.62cm-1,最佳主因子数(fopt)分别是9,10和10,数学模型的预测精度是校正相关系数（rc）分别为0.954,0.79和0.821,校正标准偏差（RMSEC）分别为0.540,0.041和0.069和预测标准误差（RMSEP）分别为0.530,0.043和0.066;研究得出的早熟梨SC,TA和pH优化数学模型建立的光谱范围是4504.90cm-1-7112.19cm-1,fopt分别是10,8和10,模型的预测精度是rc分别为0.923,0.85和0.88,RMSEC分别为0.505,0.22和0.132和RMSEP分别为0.543,0.239和0.132。另外,研究给出的MBP神经网络训练的优化匹配参数是输入层神经元数目优化为6,隐含层节点神经元数目为4,学习算法采用梯度下降法,学习速率为0.5,动量因子为0.2,建立的苹果三组分（SC,TA和pH）MBP非线性数学模型精度是（rc）分别为0.950,0.941和0.925,RMSEC分别为0.199,0.013和0.100,RMSEP分别为0.217,0.023和0.200。研究表明建立非线性