基于近紅外漫反射光譜法的水果內(nèi)部品質(zhì)快速檢測方法

基于近紅外漫反射光譜法的水果內(nèi)部品質(zhì)快速檢測方法

隨著工程技術(shù)的快速發(fā)展和化學(xué)計量方法的深入研究，近紅外光譜技術(shù)在農(nóng)產(chǎn)品質(zhì)量評價領(lǐng)域得到了迅速發(fā)展。水果是重要的農(nóng)產(chǎn)品。消費者在選擇水果時非常重視它們的內(nèi)部質(zhì)量（如口感、糖度和硬度）。因此，利用水果的光學(xué)特性，對水果的內(nèi)部質(zhì)量進行了檢測和分類，其研究成果應(yīng)用于水果的后續(xù)加工和處理線中，具有廣闊的市場應(yīng)用前景。近紅外光技術(shù)是一種新的光譜技術(shù),最近20多年來發(fā)展迅速,將其用于水果內(nèi)部品質(zhì)在線實時檢測具有傳統(tǒng)檢測方法不可比擬的優(yōu)點:1)它屬于非破壞性檢測,可保留水果完整外表而得其內(nèi)在品質(zhì)方法;2)檢測速度快,不像傳統(tǒng)化學(xué)分析法,需花大量時間來做復(fù)雜的樣本的預(yù)處理和常規(guī)分析;3)近紅外吸收光譜包含了待測水果的所有成分吸收信息,因此可同時檢測多種內(nèi)部成分,不像傳統(tǒng)分析法要一一進行分析.本文基于近紅外漫反射光譜分析技術(shù),建立了用于水果內(nèi)部品質(zhì)的快速自動檢測系統(tǒng),并對248個雪青梨糖度和酸度的快速無損檢測進行了試驗研究,探討了近紅外漫反射光譜測試技術(shù)在水果內(nèi)部品質(zhì)無損檢測中的應(yīng)用前景.1試驗原理和系統(tǒng)組成1.1水果內(nèi)部品質(zhì)譜分析流程一般應(yīng)將其按近紅外光譜特性進行區(qū)分,對于水果內(nèi)部品質(zhì)譜分析,并按照2.水果中碳水化合物、糖分、淀粉及酸度等成分分子屬于紅外活性分子,當(dāng)近紅外光照射到水果中時,不同的水果內(nèi)部成分對于不同波長的光學(xué)吸收和散射程度不同,而隨著水果內(nèi)部成分質(zhì)量分數(shù)的不同,其內(nèi)部光譜也將發(fā)生變化,利用這一特性,即可根據(jù)近紅外光譜特征分析水果中的主要成分及其質(zhì)量分數(shù).水果內(nèi)部品質(zhì)光譜檢測基本流程見圖1:首先收集具有代表性的樣品(其組成及其變化范圍接近于要分析的樣品);然后采集樣品的光譜數(shù)據(jù),利用標準的化學(xué)方法對樣品進行化學(xué)成分分析,通過數(shù)學(xué)方法將這些光譜數(shù)據(jù)和檢測數(shù)據(jù)進行關(guān)聯(lián),一般將光譜數(shù)據(jù)進行轉(zhuǎn)換(一階或二階導(dǎo)數(shù)),與化學(xué)測定值進行回歸計算,得出定標方程,建立數(shù)學(xué)模型.在分析未知樣品時,先對待測樣品進行掃描,根據(jù)光譜值利用建立的模型可以計算出待測樣品成分的質(zhì)量分數(shù).1.2自動檢測系統(tǒng)的基本原理本系統(tǒng)由5個部分組成,見圖2,它們分別是:50W石英鹵素?zé)艄庠?Nicolet,美國)、邁克爾遜干涉儀、近紅外漫反射光纖探頭組件、銦鎵砷檢測器、數(shù)據(jù)采集卡和水果樣品室等.光源發(fā)出的光通過干涉儀和聚焦透鏡通過入射光纖照射到水果內(nèi)部組織中發(fā)生漫射,從水果內(nèi)部漫射出來的光通過由檢測器輸出的接收光纖進入銦鎵砷檢測器,檢測器與計算機連接采用插入式數(shù)據(jù)采集卡,漫反射光譜信號通過數(shù)據(jù)采集卡存儲于計算機內(nèi)存中,并由Nicolet公司OMINIC6.1光譜處理軟件進行處理,最后在顯示屏上實時地顯示結(jié)果.計算機選用了Pentium機,其主頻256Hz,內(nèi)存128Mbits.自動檢測系統(tǒng)的主要技術(shù)參數(shù):波長范圍為800~2500nm,采樣間隔為1.25nm,光譜采集分辨率為2.5nm,信噪比為0.096,動鏡速度為0.9494cm/s,光圈大小為32,參比材料為聚四氟乙烯標準塊.2實驗與分析2.1有效光譜的獲取利用以上近紅外光譜自動檢測系統(tǒng)進行光譜試驗,可以得到質(zhì)量較好的光譜圖,圖3為雪青梨品種的原始吸收光譜.從圖中可知在976、1180、1576和1978nm處具有明顯的吸收峰.利用OMINIC6.1對原始吸收光譜進行一階微分、二階微分(D2log(1/R)和平滑處理S-G法則),從經(jīng)過分析的雪青梨原始光譜和一、二階微分光譜中,得出用于雪青梨檢測的有效光譜范圍在967~2000nm,有效光譜范圍的選擇為今后的水果內(nèi)部品質(zhì)檢測光譜范圍的有效選取提供了依據(jù).2.2算法的原理和模型的構(gòu)建2.2.1anm、cnl的關(guān)系矩陣的建立偏最小二乘法(partialleastsquares,PLS)的基本算法是先對光譜矩陣作分解,將光譜矩陣A表示為主成分矩陣T與載荷矩陣P的乘積;同時也將濃度矩陣C表示為濃度主成分矩陣U與載荷矩陣Q的乘積;然后在U和T之間進行線性回歸,建立濃度矩陣C與光譜矩陣A之間的關(guān)系.設(shè)An×m為n個樣品在m個波長上的光譜參數(shù)矩陣,Cn×l為n個樣品l種成分質(zhì)量分數(shù)構(gòu)成的矩陣.將An×m和Cn×l分解為如下形式:An×m=Tn×hPh×m+En×m,(1)Cn×l=Un×hQh×l+Fn×l.(2)式中:h稱為樣品的抽象組分數(shù),Tn×h為光譜參數(shù)特征因子矩陣,Un×h為質(zhì)量分數(shù)特征因子矩陣,Ph×m為光譜參數(shù)載荷矩陣,Qh×l為質(zhì)量分數(shù)載荷矩陣,En×m和Fn×l分別為光譜參數(shù)矩陣的殘差矩陣和濃度矩陣的殘差矩陣.建立Tn×h與Un×h的關(guān)系矩陣B(濃度與光譜參數(shù)間的內(nèi)部關(guān)系為Un×h=Tn×hBh×h,(3)此時質(zhì)量分數(shù)與光譜參數(shù)間的外部關(guān)系為Cn×1=Tn×hBh×hQh×1+Fn×1.(4)要求‖F(xiàn)(n×l)‖達到最小.2.2.2糖度、酸度預(yù)測值對比本試驗選用了166個雪青梨組成標準樣品集,采用雪青梨的近紅外光譜和其糖度、酸度的化學(xué)測定值建立數(shù)學(xué)模型.166個雪青梨糖度的范圍為10.98%~14.34%,其平均值為12.84%.雪青梨酸度質(zhì)量分數(shù)為0.10%~0.25%,其平均值為0.14%.根據(jù)美國Nicolet公司的智能定量分析軟件TQAnalystv6.0得出偏最小二乘法預(yù)測82個標準樣品的糖度、酸度預(yù)測值,其中標準樣本集的化學(xué)測定值與預(yù)測值的相關(guān)系數(shù)分別為0.94和0.83,標準校正誤差分別為0.25%和0.02%,雪青梨糖度、酸度測定值與預(yù)測值的相關(guān)關(guān)系圖如圖4和5.2.2.3%14.32%4.32%11.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%11.32%11.32%11.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%14.32%用已建立的數(shù)學(xué)模型對82個樣品的糖度、酸度質(zhì)量分數(shù)進行預(yù)測,82個雪青梨糖度的質(zhì)量分數(shù)范圍為11.15%~14.30%,其平均值為12.77%;雪青梨酸度質(zhì)量分數(shù)范圍為0.10%~0.23%,其平均值為0.14%.結(jié)果分別為:其預(yù)測值和實際值的相關(guān)系數(shù)分別為0.87和0.80,其標準預(yù)測誤差分別為0.32%和0.