隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高,人們對(duì)水果需求量增大的同時(shí)對(duì)水果品質(zhì)的要求也越來(lái)越高。加之,我國(guó)水果種植面積和產(chǎn)量在世界上首屈一指,但是出口量卻很少,在國(guó)際市場(chǎng)缺乏競(jìng)爭(zhēng)力,其主要原因在于水果采后商品化處理技術(shù)落后。因此,增強(qiáng)水果的采后產(chǎn)業(yè)化、商品化處理,不僅可以滿(mǎn)足人們對(duì)水果品質(zhì)的高要求,更是提高我國(guó)水果產(chǎn)業(yè)競(jìng)爭(zhēng)力的關(guān)鍵。論文以產(chǎn)自我國(guó)的梨為研究對(duì)象,以其可溶性固形物含量（soluble solids content,SSC）為檢測(cè)指標(biāo)（又稱(chēng)糖度）,利用近紅外光譜技術(shù),結(jié)合化學(xué)計(jì)量學(xué)方法,研究了梨不同采摘年份、不同存儲(chǔ)時(shí)間、徑向不同檢測(cè)位置等因素對(duì)其SSC檢測(cè)模型穩(wěn)定性的影響,并進(jìn)行了建模分析和補(bǔ)償模型研究以實(shí)現(xiàn)模型優(yōu)化。論文的主要研究?jī)?nèi)容及結(jié)論如下:1.研究了雪梨不同采摘年份對(duì)其SSC檢測(cè)模型穩(wěn)定性的影響,并提出了從不同采摘年份梨的光譜中提取特征變量的方法。以分別采摘于2017年、2018年、2019年當(dāng)季的雪梨樣品為研究對(duì)象,建立并比較了雪梨SSC的單一采摘年份模型和混合采摘年份模型。結(jié)果表明,混合3個(gè)年份校正集樣品建立的混合采摘年份模型對(duì)每個(gè)年份的預(yù)測(cè)集樣品取得了更好的預(yù)... 

【文章來(lái)源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

007~2018年我國(guó)水果產(chǎn)量Fig.1-1FruityieldinChinafrom2007to2018然而，與如此巨大的種植面積和產(chǎn)量相比，我國(guó)梨每年的出口量占比卻很小[6,7]，在國(guó)際

西南大學(xué)碩士學(xué)位論文2圖1-22007~2018年我國(guó)梨產(chǎn)量Fig.1-2PearyieldinChinafrom2007to2018造成這種情況的原因主要有兩點(diǎn)：一是梨的國(guó)內(nèi)消費(fèi)比重較大，二是我國(guó)梨采后產(chǎn)業(yè)化、商品化處理技術(shù)落后。因此，在梨種植面積和產(chǎn)量保持平穩(wěn)增長(zhǎng)的同時(shí)，增強(qiáng)梨的采后產(chǎn)業(yè)化、商品化處理，是提高我國(guó)梨乃至整個(gè)水果產(chǎn)業(yè)國(guó)際競(jìng)爭(zhēng)力的關(guān)鍵。而對(duì)于梨的采后產(chǎn)業(yè)化、商品化處理，實(shí)現(xiàn)其內(nèi)部品質(zhì)的快速、無(wú)損檢測(cè)是至關(guān)重要的一步。加之，隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，人們對(duì)水果的品質(zhì)要求也愈發(fā)嚴(yán)苛，消費(fèi)者的目光不再僅僅停留在大小和色澤等外觀(guān)形狀，而是更多地關(guān)注水果的內(nèi)部品質(zhì)[8]，諸如可溶性固形物含量（又稱(chēng)糖度）、含水量、硬度、可滴定酸度、干物質(zhì)含量、酸堿度以及內(nèi)部病變（如水心病和霉心病等）等。水果的這些內(nèi)部品質(zhì)決定了水果的口感和質(zhì)量，并深刻影響著消費(fèi)者的購(gòu)買(mǎi)意愿[9-11]。因此，綜上所述，實(shí)現(xiàn)梨內(nèi)部品質(zhì)的快速、無(wú)損檢測(cè)不僅是擴(kuò)大出口、提高國(guó)際市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵，也是滿(mǎn)足消費(fèi)者對(duì)水果品質(zhì)要求日益多元化的需要。同時(shí)，這也成為當(dāng)今我國(guó)水果產(chǎn)業(yè)研究的一項(xiàng)重大課題。1.2梨內(nèi)部品質(zhì)的近紅外光譜檢測(cè)研究現(xiàn)狀1.2.1近紅外光譜技術(shù)應(yīng)用概述近紅外光譜（nearinfraredspectroscopy,NIRS）技術(shù)可以快速有效地測(cè)定樣品中的化學(xué)組成和物化性質(zhì)，現(xiàn)已成為農(nóng)業(yè)、工礦企業(yè)和科研部門(mén)不可或缺的一種分析技術(shù)。其優(yōu)越性主要包括以下幾點(diǎn)：①測(cè)試方便；②儀器成本低、非常適合用于在線(xiàn)檢測(cè)；③分析速度快、分析效率高。自20世紀(jì)90年代以來(lái)，近紅外光譜技術(shù)正在以產(chǎn)業(yè)鏈的形式應(yīng)用于各個(gè)領(lǐng)域，如農(nóng)業(yè)[12,13]、石化[14,15]、制藥[16,17]和食品[18,19]等。下面對(duì)近紅外光譜技術(shù)的幾個(gè)主要應(yīng)用領(lǐng)域進(jìn)行概述。

西南大學(xué)碩士學(xué)位論文4800~1000nm波段范圍，并建立了鱷梨DM含量的偏最小二乘（PLS）和多元線(xiàn)性回歸（MLR）模型。結(jié)果表明，interactance模式優(yōu)于reflectance模式，在interactance采集模式下建立的PLS模型的預(yù)測(cè)相關(guān)系數(shù)（Rp）以及預(yù)測(cè)均方根誤差（RMSEP）分別為0.88和1.8%，通過(guò)4個(gè)特征變量建立的MLR模型可以得到與PLS模型相近的結(jié)果，其中3個(gè)特征變量位于900~920nm。該研究為后續(xù)梨DM含量檢測(cè)研究提供了參考。圖1-3文獻(xiàn)[40]中提出的reflectance和interactance測(cè)量示意圖Fig.1-3Schematicofreflectanceandinteractancemeasurementsproposedinref[40]2006年，劉燕德等[41]利用NexusFT-NIR型傅里葉變換近紅外光譜儀獲取了雪青梨在12500~4000cm-1內(nèi)的近紅外漫反射光譜，建立了不同波段范圍（5452~12285cm-1、5452~8658cm-1、8658~12285cm-1）的雪青梨酸度PLS模型，同時(shí)分析了不同PLS主因子數(shù)下的模型交叉驗(yàn)證均方根誤差（RMSECV），進(jìn)而確定出最優(yōu)模型。結(jié)果表明，基于5452~12285cm-1波段范圍且PLS主因子數(shù)為7時(shí)，建模效果最佳，Rp以及RMSEP分別為0.79和0.0186%。2006年，韓東海等[42]通過(guò)獲取鴨梨在651~1282nm波段范圍的可見(jiàn)/近紅外透射光譜來(lái)檢測(cè)鴨梨褐心玻研究表明，在651~1282nm范圍內(nèi)，結(jié)合馬氏距離（Mahalanobisdistance,MD）的判別分析（discriminantanalysis,DA）準(zhǔn)確率可達(dá)100%，當(dāng)將713~743nm之間的光密度差應(yīng)用于測(cè)試集時(shí)，分類(lèi)準(zhǔn)確率為95.4%。2007年，劉燕德等[43]采集了梨在814~1834nm內(nèi)的近紅外漫反射光譜，同時(shí)分析了814~1834nm、1155~1834nm、814~1155nm波段范圍，并結(jié)合不同的光譜預(yù)處理方法和建模方法建立了梨的SSC和TA檢測(cè)模型。結(jié)果顯示，對(duì)于SSC和TA，基于814~1834nm波段，采用多元散射校正（MSC）預(yù)處理

【參考文獻(xiàn)】：
期刊論文
[1]基于MC-UVE、GA算法及因子分析對(duì)葡萄酒酒精度近紅外定量模型的優(yōu)化研究[J]. 王怡淼,朱金林,張慧,趙建新,顧小紅,朱華新.  發(fā)光學(xué)報(bào). 2018(09)
[2]中國(guó)水果產(chǎn)業(yè)供給側(cè)改革與發(fā)展趨勢(shì)[J]. 鄧秀新.  現(xiàn)代農(nóng)業(yè)裝備. 2018(04)
[3]2017年國(guó)內(nèi)水果市場(chǎng)形勢(shì)分析與2018年展望[J]. 竇曉博,邵娜.  農(nóng)業(yè)展望. 2018(06)
[4]基于近紅外光譜法快速測(cè)定丹參中5種成分模型的建立[J]. 雷曉晴,李耿,王秀麗,付梅紅,張秀榮,陳芳寧.  中草藥. 2018(11)
[5]近紅外光譜預(yù)測(cè)稻谷水分含量特征譜區(qū)選擇及其效率分析[J]. 黃華,吳習(xí)宇,祝詩(shī)平.  光譜學(xué)與光譜分析. 2018(04)
[6]基于可見(jiàn)-近紅外反射光譜的土壤碳酸鈣含量與反演效果關(guān)系研究[J]. 林卡,李德成,劉峰,張甘霖.  土壤學(xué)報(bào). 2018(02)
[7]近紅外漫反射光譜法快速檢測(cè)谷子蛋白質(zhì)和淀粉含量[J]. 田翔,劉思辰,王海崗,秦慧彬,喬治軍.  食品科學(xué). 2017(16)
[8]大米蛋白質(zhì)、脂肪、總糖、水分近紅外檢測(cè)模型研究[J]. 李路,黃漢英,趙思明,胡月來(lái),楊素仙.  中國(guó)糧油學(xué)報(bào). 2017(07)
[9]皇冠梨糖度可見(jiàn)/近紅外光譜在線(xiàn)檢測(cè)模型傳遞研究[J]. 徐惠榮,李青青.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(09)
[10]梨和蘋(píng)果糖度在線(xiàn)檢測(cè)通用數(shù)學(xué)模型研究[J]. 劉燕德,馬奎榮,孫旭東,韓如冰,朱丹寧,吳明明,葉靈玉.  光譜學(xué)與光譜分析. 2017(07)

博士論文
[1]蘋(píng)果霉心病透射光譜無(wú)損檢測(cè)技術(shù)研究[D]. 周兆永.西北農(nóng)林科技大學(xué) 2017
[2]基于可見(jiàn)/近紅外光譜及成像技術(shù)的蘋(píng)果可溶性固形物檢測(cè)研究[D]. 樊書(shū)祥.西北農(nóng)林科技大學(xué) 2016
[3]麒麟瓜內(nèi)部品質(zhì)在線(xiàn)無(wú)損檢測(cè)技術(shù)的實(shí)驗(yàn)研究[D]. 介鄧飛.浙江大學(xué) 2014
[4]梨可溶性固形物和酸度的可見(jiàn)/近紅外光譜靜態(tài)和在線(xiàn)檢測(cè)研究[D]. 孫通.浙江大學(xué) 2011
[5]中國(guó)水果出口貿(mào)易影響因素的實(shí)證分析[D]. 霍尚一.浙江大學(xué) 2008

碩士論文
[1]中國(guó)水果產(chǎn)業(yè)轉(zhuǎn)型升級(jí)：評(píng)價(jià)及影響因素研究[D]. 王劉坤.華中農(nóng)業(yè)大學(xué) 2018
[2]同時(shí)快速鑒別中國(guó)藥典收載的三種麻黃藥材的近紅外光譜法研究[D]. 羅陽(yáng).重慶醫(yī)科大學(xué) 2016
[3]基于近紅外光譜的獼猴桃糖度無(wú)損檢測(cè)方法的研究[D]. 宋思哲.西北農(nóng)林科技大學(xué) 2015
[4]基于近紅外光譜技術(shù)的面粉品質(zhì)研究[D]. 閆李慧.河南工業(yè)大學(xué) 2012
[5]石油產(chǎn)品特性的近紅外測(cè)量技術(shù)研究[D]. 劉朋.中國(guó)石油大學(xué) 2009
[6]基于近紅外技術(shù)的石油含水測(cè)量系統(tǒng)研究[D]. 宋濤.中國(guó)石油大學(xué) 2007



本文編號(hào)：3280685