我國的水果播種面積位于世界第一位,水果總產(chǎn)量也在逐年增長,但是我國水果的出口量卻只占水果總產(chǎn)量的1.8%,這歸根結底都是因為我國的水果品質檢測技術的落后。為滿足我國的水果出口需求和消費者對水果品質多元化的要求,我國水果品質檢測的水平必須提高,從而實現(xiàn)對水果精確的品質檢測。故本文基于近紅外光譜分析技術進行水果品質檢測研究。以下是本文主要研究內(nèi)容和結論:(1)根據(jù)三種近紅外檢測方法的特點和實驗需要,設計了近紅外漫反射檢測實驗系統(tǒng),并搭建了實驗平臺。實驗標記香蕉上的5個均分點為數(shù)據(jù)采集點,標記沿著鮮棗和圣女果赤道上間隔約120°的3點為數(shù)據(jù)采集點,標記蘋果樣本上中心軸上一點和中心圓上相互對稱的四個點為數(shù)據(jù)采集點。(2)研究了蘋果、鮮棗和香蕉的同種樣本的不同個體的光譜,以及樣本整體和切片的光譜差異;研究了香蕉(躍變型果實)和鮮棗(非躍變型果實)一周的光譜變化情況的差異。實驗結果表明:實驗數(shù)據(jù)能完整反應香蕉、鮮棗和蘋果的水果內(nèi)部物質結構信息,三種樣本波峰所對應的波長相近,不同個體光譜雖有差異,但波形相似,波峰位置也基本一致,樣本切片反映出的內(nèi)部信息更全面;躍變型果實采摘后的光譜波動更大,并且吸收度呈現(xiàn)出先升高后降低的趨勢,而非躍變型果實在短期內(nèi)的光譜變化不明顯。(3)以圣女果為研究對象,基于近紅外光譜定量分析技術對圣女果含糖量進行預測,主要包括預處理,建立模型,模型驗證三個過程。預處理:對比5種平滑去噪方法,選擇Savitzky-Golay方法進行平滑處理,并根據(jù)主成分分析結果隨機選取累積貢獻率高于99.99%的4個數(shù)據(jù),得到神經(jīng)網(wǎng)絡的輸入矩陣。建立BP網(wǎng)絡模型:將預處理后的光譜數(shù)據(jù)作為網(wǎng)絡的輸入,圣女果實測含糖量為輸出,通過調整輸入層維數(shù)、隱含層神經(jīng)元數(shù)和網(wǎng)絡訓練函數(shù)得到多個模型,對比模型的交叉驗證決定系數(shù)、平均絕對偏差和預測值與實測值的結果圖,得出預測效果最好的模型結構為80-12-1,此時模型交叉驗證決定系數(shù)為0.8328,平均絕對偏差為0.5711。對最優(yōu)模型進行驗證:對20個圣女果光譜數(shù)據(jù)進行預處理,將主成分分析后的前80個主成分作為網(wǎng)絡的輸入,通過最優(yōu)模型進行仿真,其含糖量預測值與實測值相近,且交叉驗證決定系數(shù)為0.9280,故此最優(yōu)模型能夠實現(xiàn)對圣女果的含糖量預測。
【學位單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：O433.1;TS255.7
【部分圖文】：

歷年水果生產(chǎn)情況

圖 1.2 水果進出口量圖如表 1.2 為中國進出口量與進出口金額年度數(shù)據(jù)（數(shù)據(jù)源自中華人民共和國農(nóng)業(yè)部），圖 1.2 為 2012 年到 2016 年的水果進出口量圖，圖 1.3 為 2012 年到 2016年的水果進出口金額，從圖中可以清晰看出：水果的出口量高于水果的進口量，但 2012 年到 2016 年間水果的出口量卻并沒有增長多少，反而出現(xiàn)了下降的情況，而出口金額也遠高于進口金額，但出口金額也在逐年增長。結合表 1.1 與表 1.2，到 2016 年，我國水果的出口量卻只占水果總產(chǎn)量的 1.5%，而水果出口量之所以未見明顯的增長根源在于水果的品質檢測不夠完善

圖 1.3 水果進進出口金額圖中國是一個水果生產(chǎn)大國，其中蘋果是產(chǎn)量最大的水果，其產(chǎn)量和種植全國首位，在世界上占有重要地位，特別是當我國實施農(nóng)業(yè)結構調整政蘋果產(chǎn)業(yè)已變?yōu)槲覈闹еa(chǎn)業(yè)，對國民經(jīng)濟起著決定性的作用[3]。而且多種維生素、礦物質、蛋白質、糖類和脂肪等，具有較高的營養(yǎng)。結合表和圖 1.4，蘋果產(chǎn)量在 2008 年到 2015 年一直穩(wěn)定增長，到 2015 年產(chǎn)量已

【參考文獻】

相關期刊論文 前10條

1 羅霞;洪添勝;羅闊;代芬;梅慧蘭;;高光譜技術在無損檢測火龍果可溶性固形物中的應用[J];激光與光電子學進展;2015年08期

2 雷林平;;基于Savitzky-Golay算法的曲線平滑去噪[J];電腦與信息技術;2014年05期

3 張文婷;趙武奇;魯曉翔;石珂心;;四種物流貯藏溫度對圣女果品質的影響[J];食品工業(yè)科技;2015年05期

4 徐臣善;高東升;;基于主成分分析的設施桃果實品質綜合評價[J];食品工業(yè)科技;2014年23期

5 阮越;陳漢武;劉志昊;張俊;朱皖寧;;量子主成分分析算法[J];計算機學報;2014年03期

6 侯俊才;侯莉俠;胡耀華;郭康權;佐竹隆楿;;石英晶體微天平傳感器檢測香蕉成熟度的試驗[J];農(nóng)業(yè)工程學報;2014年06期

7 韓東海;常冬;宋曙輝;蔣圣楠;趙洪衛(wèi);;小型西瓜品質近紅外無損檢測的光譜信息采集[J];農(nóng)業(yè)機械學報;2013年07期

8 黃毅超;;基于BP神經(jīng)網(wǎng)絡的葡萄酒質量評價[J];科技創(chuàng)新導報;2013年18期

9 張玉榮;付玲;周顯青;;基于BP神經(jīng)網(wǎng)絡小麥含水量的近紅外檢測方法[J];河南工業(yè)大學學報(自然科學版);2013年01期

10 王偉明;董大明;鄭文剛;趙賢德;矯雷子;王明飛;;梨果糖濃度近紅外漫反射光譜檢測的預處理方法研究[J];光譜學與光譜分析;2013年02期

相關博士學位論文 前4條

1 戚淑葉;可見/近紅外光譜檢測水果品質時影響因素的研究[D];中國農(nóng)業(yè)大學;2016年

2 樊書祥;基于可見/近紅外光譜及成像技術的蘋果可溶性固形物檢測研究[D];西北農(nóng)林科技大學;2016年

3 郭志明;基于近紅外光譜及成像的蘋果品質無損檢測方法和裝置研究[D];中國農(nóng)業(yè)大學;2015年

4 侯俊才;QCM氣敏傳感器研發(fā)與香蕉成熟度檢測方法研究[D];西北農(nóng)林科技大學;2014年

相關碩士學位論文 前6條

1 李青青;梨糖度可見/近紅外光譜實時檢測樣品非相關因素影響及模型優(yōu)化研究[D];浙江大學;2017年

2 謝小強;水果糖度近紅外動態(tài)在線檢測模型建立及優(yōu)化[D];華東交通大學;2014年

3 陳鑫;基于智能算法的近紅外光譜分析預測模型建立方法研究[D];江南大學;2013年

4 孫騰;CT技術及圖像變換對蘋果內(nèi)部品質的無損檢測模型研究[D];浙江大學;2013年

5 高榮杰;水果糖度可見/近紅外光譜在線檢測方法研究[D];華東交通大學;2012年

6 周麗萍;基于可見—近紅外光譜技術的圣女果和蘋果品質檢測技術研究[D];西北農(nóng)林科技大學;2009年

本文編號：2825816