论文部分内容阅读
杨梅属于杨梅科,是一种具有很高药用价值和食用价值的水果,富含花青素、糖类、有机酸、酚类及维生素等营养成分,历来受人欢迎。我国是杨梅的原产地也是主要的生产基地,随着保鲜、加工及储藏技术的发展,杨梅产业也不断壮大,因此做好杨梅采后商品化处理对提高梅农的收入及增加经济和社会效益具有重要的作用。其中重要的一步就是对采后杨梅进行分级,如何高效的对果蔬实现自动分级一直是个研究热点,且由于没有外果皮保护又是在六七月份的湿热季节成熟,采后的杨梅损失率较高,所以通常会将其加工成各种衍生产品,而其在加工、储藏过程中又会经受许多变质反应而致使产品质量下降,因此加强对杨梅及杨梅加工产品的质量检测是至关重要的。本文针对以上问题进行了研究,主要涉及以下几个方面的工作：(1)建立了基于杨梅表面形状(分形值)及颜色特征(nRGB、 CIELAB、YCbCr、HSI颜色空间)的偏最小二乘-支持向量机分类器对损伤及未损伤杨梅进行分类；(2)建立了基于不同颜色空间(nRGB、CIELAB、CMY、 HSI、I1I2I3和YCbCr)的偏最小二乘回归及偏最小二乘-支持向量机模型预测杨梅中可溶性固形物含量和pH值；(3)建立了基于不同颜色空间(nRGB、 CIELAB、YCbCr和HSI)的支持向量机模型评估杨梅汁储藏过程中营养成分变化。主要实验结果如下：(1)结果表明基于HSI颜色空间的偏最小二乘-支持向量机分类器(y=34.21,σ2=554.35)的分类率较其他几种颜色空间的高,其分类率为94%。而基于颜色空间和分形值的偏最小二乘-支持向量机分类器比单独基于颜色空间分类器的分类率要高,其中HSI颜色空间结合分形值的偏最小二乘-支持向量机分类器(t=0.65; σ2=22.53)可得到最高的分类准确率为98%。(2)结果表明基于这几种颜色空间的偏最小二乘回归模型及偏最小二乘-支持向量机模型均能较好地预测杨梅的pH值(r=0.93-0.96, RMSE=0.09-0.12; MAE=0.07-0.09. MRE=0.04-0.06)。而对于预测可溶性固形物,推荐利用基于CIELAB (r=0.90, RMSE=0.91, MAE=0.69, MRE=0.12)及HSI颜色空间(r=0.89.RMSE=0.95°Brix:MAE=0.73, MRE=0.13)的偏最小二乘回归模型。(3)在本研究中同时比较了三种不同的模型最佳参数寻优算法(网格寻优算法、遗传算法及粒子群算法),其中网格寻优算法和遗传算法较粒子群算法好。结果表明这些模型对于总酚和总黄酮的变化预测效果不佳,但基于HSI颜色空间值支持向量机模型在网格寻优算法下能较好地预测杨梅汁储藏过程中花青素(R2=0.910, MSE=0.012mg/100mL)和抗坏血酸含量(R2=0.930, MSE=0.014ms/100mL)的变化。综上所述,基于颜色空间的化学计量学方法能够有效的实现对杨梅采后无损伤筛选及加工储藏过程中质量监测。这不仅为杨梅品质检测提供一种更为便捷的方法,同时也为今后食品计算机视觉的发展提供一定的理论及实践指导。另外,我们的研究表明相对于其他类型的颜色空间而言,基于HSI这一颜色空间的化学计量学方法能更好地对杨梅进行筛选并监测其内部品质,而且该颜色模型与人类识别颜色更为接近,所以能够更好地提高杨梅产品的市场接受性。