论文部分内容阅读
水果富含维生素、矿物质和膳食纤维,历来受到人们的青睐,并且已经成为人类饮食结构的重要组成部分。但是,新鲜水果在收获、包装和运输期间非常容易受到机械损伤,这可能导致果实品质的显著降低。在各种形式的损伤中,冲击损伤最严重且最容易发生。如果发生损伤,基于损伤的程度,通过把水果分级处理可以减少经济损失。这时就需要对损伤的程度进行客观和定量的评估。然而,这在食品安全领域仍是一个重要挑战。传统的人工感官检测和破坏性预测评价方法费时费力,而且精度不高,已经无法满足现代化农业快速、无损、实时的自动检测分级的需求。本文分别以芒果和苹果等典型水果为研究对象,基于高光谱成像技术,并结合多种光谱分析技术及数学建模方法,研究了水果受冲击损伤后其光谱的变化、理化指标的变化和相应力学参数的变化,寻找影响损伤程度的主要贡献因子,进一步建立了果实光谱信息与其理化指标、力学参数的数学模型,实现了果实是否受损的无损鉴别及对其品质等各参数的预测,为无损评估果实的机械损伤提供重要参考。主要研究内容和成果有:(1)采用近红外高光谱成像技术(900-1700nm)实现了对芒果理化指标的预测及损伤程度的无损鉴别。采集从不同高度(0.5m,1.0m,1.5m)跌落的芒果样品的高光谱图像,提取样品感兴趣区域(Region of interest,ROI)的平均光谱。结合竞争性自适应重加权算法(Competitive adaptive reweighted sampling,CARS)提取总光谱的特征波长作为光谱变量。采用理化方法测定所有样品的理化指标值。建立样品光谱变量与其相应的理化指标的偏最小二乘回归(Partial least square regression,PLSR)模型,针对果肉硬度(Pulp firmness,PF)、可溶性固形物(Total soluble solids,TSS)、可滴定酸(Titratable acidity,TA)及颜色(?b*),PLSR预测模型的决定系数~2和均方根误差RMSEP分别可达到0.84和3.16 N,0.9和0.49 ~oBrix,0.86和0.07%,0.94和0.96。最后,根据成熟度指标RPI和判别分析(Discriminant analysis,DA)对样品受冲击损伤的程度进行分类且分类结果的准确率不低于77.8%。(2)采用近红外高光谱成像技术(900-1700nm)实现了对苹果冲击损伤面积和冲击过程中力学参数的量化及预测。采集从不同高度(0.5m,1.0m,1.5m)跌落的苹果样品的高光谱图像,提取样品感兴趣区域的平均光谱。结合回归系数(Regression coefficients,RC)方法提取总光谱的特征波长。借助感压胶片技术和高速相机获得苹果跌落过程中的损伤面积、接触载荷和吸收能量。从苹果的穿刺试验提取样品的果肉硬度。统计分析表明,样品的吸收能量、接触载荷分别和其损伤面积之间呈显著线性相关,其决定系数~2分别为0.93和0.92,表明力学参数可以很好地表征苹果的冲击损伤。最后,分别建立光谱变量与其损伤面积及力学参数的偏最小二乘回归模型。针对损伤面积、吸收能量、接触载荷及果肉硬度,PLSR预测模型的决定系数~2均方根误差RMSEP可分别达到0.8和116.73mm~2,0.89和0.075J,0.53和67.38N,0.65和19.99g。