發(fā)布時間：2018-05-24 18:10

  本文選題：便攜式 + 近紅外光譜　； 參考：《光譜學與光譜分析》2017年10期

【摘要】：為實現(xiàn)蘋果可溶性固形物的便攜式快速檢測,搭建了以STS光譜儀和自制樣品杯作為光譜檢測裝置的蘋果可溶性固形物便攜式檢測平臺。采用自行設計的檢測平臺采集了蘋果的近紅外漫反射光譜,對比分析了不同的光照角度、光源與探頭距離對光譜響應特性的影響,建立了蘋果可溶性固形物偏最小二乘模型(PLS)和最小二乘支持向量機模型(LS-SVM),采用連續(xù)投影算法及主成分分分析法對最小二乘支持向量機模型進行了優(yōu)化,并對比分析了兩種檢測模型的優(yōu)劣。其中當光源距探頭距離為15mm光源角度為45°時,結(jié)合偏最小二乘法建立蘋果的可溶性固形物定量檢測模型精度最高。模型的預測集相關系數(shù)為0.924,預測均方根誤差為0.334%。實驗結(jié)果表明,采用四周照射、底部接收并結(jié)合避光圈的這種結(jié)構(gòu)布置能夠有效的克服雜散光現(xiàn)象并且提高了光譜中的有效信息。研究可為快速、便攜的蘋果可溶性固形物檢測儀器的設計提供參考依據(jù)和理論支撐。
[Abstract]:In order to realize the portable and rapid detection of the soluble solids of apple, a portable detection platform for soluble solids of apple was set up with STS spectrometer and self-made sample cup as the spectral detection device. The near-infrared diffuse reflectance spectra of apple were collected by using the self-designed detection platform. The effects of different illumination angles, the distance between the light source and the probe on the spectral response characteristics were compared and analyzed. The partial least squares (PLS) and least squares support vector machine (LS-SVM) models of apple soluble solids were established. The model was optimized by continuous projection algorithm and principal analysis method. The advantages and disadvantages of the two detection models are compared and analyzed. When the distance from the light source to the probe is 45 擄for the 15mm light source, the accuracy of the quantitative detection model of soluble solids in apple is the highest with the partial least square method. The correlation coefficient of prediction set is 0.924, and the root mean square error of prediction is 0.334. The experimental results show that the structure arrangement with four directions, bottom receiving and avoiding ring can effectively overcome the stray light phenomenon and improve the effective information in the spectrum. The research can provide a reference and theoretical support for the design of a fast and portable apple soluble solids detection instrument.
【作者單位】： 華東交通大學機電與車輛工程學院;
【基金】：國家高技術研究發(fā)展計劃(863計劃)項目(SS2012AA101306) 江西省杰出青年人才資助計劃項目(20171BCB23060) 柑橘黃龍病拉曼結(jié)合高光譜快速診斷機理與方法(61640417) 江西省科技支撐計劃項目(20121BBF60054) 南方山地果園智能化管理技術與裝備協(xié)同創(chuàng)新中心(贛教高字[2014]60號) 江西省優(yōu)勢科技創(chuàng)新團隊(20153BCB24002)資助
【分類號】：O657.33;TS255.2

【相似文獻】

相關期刊論文 前9條

1 孟一;張玉華;王家敏;畢然;王國利;;基于近紅外光譜技術快速識別不同動物源肉品[J];食品科學;2014年06期

2 徐穎;吳純潔;孫濤;;炮制前后馬錢子的近紅外光譜法鑒別初探[J];時珍國醫(yī)國藥;2014年08期

3 茅明華;李偉松;;近紅外光譜法檢測紡織品中羊絨和羊毛含量[J];毛紡科技;2014年07期

4 徐寧;魏萱;任冰;何勇;馮雷;;發(fā)酵冬蟲夏草菌粉水分腺苷的近紅外光譜定量分析及波段選擇[J];光譜學與光譜分析;2012年07期

5 孟一;張玉華;許麗丹;陳東杰;張應龍;張詠梅;;近紅外光譜技術對豬肉注水、注膠的快速檢測[J];食品科學;2014年08期

6 趙靜;匡立學;徐方旭;蘇陽;馮敘橋;;橘子不同放置方式對近紅外無損檢測有效酸度模型差異性的影響[J];中國食品學報;2014年04期

7 呂亞瓊;張秋菊;李祖紅;閔順耕;;近紅外光譜分析煙葉中的多酚類物質(zhì)[J];現(xiàn)代儀器與醫(yī)療;2014年04期

8 周令國;祝義偉;肖琳;李智;費華qU;楊勁;萬麗;;傅立葉近紅外光譜法快速測定臘肉中亞硝酸鹽[J];食品研究與開發(fā);2013年17期

9 周子立;馮雷;;光譜技術結(jié)合數(shù)據(jù)處理技術測定大米中淀粉和蛋白含量[J];軟件工程師;2014年07期

，

本文編號：1930047