發(fā)布時間：2017-05-01 17:14

  本文關(guān)鍵詞：水果糖度和酸度的近紅外光譜無損檢測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：水果品質(zhì)自動化檢測與分級是國際農(nóng)業(yè)工程與食品工程科技界的熱門研究課題,對于滿足消費者對食品品質(zhì)和食物安全的要求,提高水果產(chǎn)品的市場價值與市場競爭力,增加農(nóng)民收入都具有重大意義。近年來我國水果總產(chǎn)量一直居世界前列,而由于水果產(chǎn)后加工和處理水平不高,水果年出口量僅占總產(chǎn)量的3%左右,這與世界水果第一王國的身份極不相稱。糖度和酸度對果實品質(zhì)起著主導(dǎo)作用,它不僅影響果實的甜味和色澤,還是合成維生素和類胡蘿卜素等營養(yǎng)成分的基礎(chǔ)原料。目前水果內(nèi)部品質(zhì)分析方法存在破壞樣品、操作復(fù)雜、耗時長、成本高和無法實現(xiàn)在線檢測等不足,因此,探索基于近紅外光譜快速無損檢測水果內(nèi)部糖度和酸度方法并建立性能穩(wěn)定的數(shù)學(xué)模型,是一項具有重要理論意義和實際應(yīng)用價值的基礎(chǔ)工作。本研究是國家高新技術(shù)“863”項目-水果品質(zhì)實時檢測和分級機器人系統(tǒng)研究的延伸和拓展,是對水果品質(zhì)自動化檢測與分級技術(shù)的一個重要推進(jìn)。本研究綜合多學(xué)科交叉知識,以蘋果和梨為研究對象,以糖度和酸度檢測為目標(biāo),分別從水果的近紅外光譜響應(yīng)特性、水果糖度和酸度無損檢測精度影響因素、水果近紅外光譜檢測匹配參數(shù)、水果建模樣品有效選擇方法以及糖度和酸度的快速無損檢測數(shù)學(xué)模型創(chuàng)建等方面進(jìn)行了系統(tǒng)深入地研究,論文取得的主要創(chuàng)新性成果有: 1.采用現(xiàn)代科學(xué)儀器和實驗分析方法,探索了儀器狀態(tài),樣品參數(shù)、采樣環(huán)境和測試條件等因素對水果糖度和酸度近紅外光譜響應(yīng)特性的影響,得出了一批水果糖度和酸度無損檢測的重要優(yōu)化匹配參數(shù),對于闡明水果最佳光譜響應(yīng)測試部位,最佳測量距離、不同樣品狀態(tài)參數(shù)對光譜響應(yīng)測試的影響,制定檢測技術(shù)規(guī)范具有重要參考價值。實驗找到的水果漫反射光譜吸收峰位置出現(xiàn)在10176cm~(-1),8313cm~(-1),6860cm~(-1),5172cm~(-1)和4321cm~(-1)波段附近,研究結(jié)果表明不同水果波峰位置差異性不明顯。研究得出的水果糖度和酸度檢測的重要優(yōu)化匹配參數(shù)是掃描次數(shù)為64次,光譜儀分辨率為16cm~(-1)和增益大小為4,實驗證明該匹配參數(shù)能夠滿足水果糖度和酸度無損檢測數(shù)學(xué)模型精度要求。 2.探索了基于近紅外光譜的水果糖度和酸度無損檢測方法,建立了相應(yīng)的線性和非線性優(yōu)化數(shù)學(xué)模型,給出了水果糖度和酸度的光譜吸收波段范圍、不同數(shù)學(xué)模型的預(yù)測精度和適用范圍,找出了MBP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的優(yōu)化匹配參數(shù)。研究得出的蘋果糖度(SC),總酸度(TA)和有效酸度(pH)優(yōu)化數(shù)學(xué)模型建立的光譜范圍是4242.63cm~(-1)-12303.62cm~(-1),最佳主因子數(shù)(f_(opt))分別是9,10和10,數(shù)學(xué)模型的預(yù)測精度是校正相關(guān)系數(shù)(r_c)分別為0.954,0.79和0.821,校正標(biāo)準(zhǔn)偏差(RMSEC)分別為0.540,0.041和0.069和預(yù)測標(biāo)準(zhǔn)誤差(RMSEP)分別為0.530,0.043和0.066;研究得出的早熟梨SC,TA和pH優(yōu)化數(shù)學(xué)模型建立的光譜范圍是4504.90cm~(-1)-7112.19cm~(-1),f_(opt)分別是10,8和10,模型的預(yù)測精度是r_c分別為0.923,0.85和0.88,RMSEC分別為0.505,0.22和0.132和RMSEP分別為0.543,0.239和0.132。另外,研究給出的MBP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的優(yōu)化匹配參數(shù)是輸入層神經(jīng)元數(shù)目優(yōu)化為6,隱含層節(jié)點神經(jīng)元數(shù)目為4,學(xué)習(xí)算法采用梯度下降法,學(xué)習(xí)速率為0.5,動量因子為0.2,建立的蘋果三組分(SC,TA和pH)MBP非線性數(shù)學(xué)模型精度是(r_c)分別為0.950,0.941和0.925,RMSEC分別為0.199,0.013和0.100,RMSEP分別為0.217,0.023和0.200。研究表明建立非線性
【關(guān)鍵詞】：近紅外光譜技術(shù) 水果 糖度 酸度 無損檢測 數(shù)學(xué)模型 優(yōu)化匹配參數(shù)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2006
【分類號】：TS255.7
【目錄】：

• 項目資助3-4
• 中文摘要4-6
• 英文摘要6-12
• 插圖清單12-17
• 表格清單17-23
• 相關(guān)縮略詞及名詞術(shù)語23-25
• 第一章 緒論25-52
• 1.1 課題研究的產(chǎn)業(yè)背景及意義25-27
• 1.1.1 課題研究的產(chǎn)業(yè)背景分析25-26
• 1.1.2 課題研究意義26-27
• 1.2 近紅外光譜檢測技術(shù)研究進(jìn)展27-33
• 1.2.1 近紅外光譜檢測的物理基礎(chǔ)27-28
• 1.2.2 近紅外光譜檢測技術(shù)流程及特點28
• 1.2.3 近紅外光譜檢測技術(shù)的發(fā)展歷程28-29
• 1.2.4 化學(xué)計量學(xué)方法研究進(jìn)展29-33
• 1.3 近紅外光譜在水果內(nèi)部品質(zhì)檢測的研究進(jìn)展33-44
• 1.3.1 水果近紅外光譜檢測的可行性33-34
• 1.3.2 具體檢測流程34
• 1.3.3 關(guān)鍵技術(shù)及解決方案34-36
• 1.3.4 國內(nèi)外研究進(jìn)展36-44
• 1.4 目前國內(nèi)外研究中存在的問題44-45
• 1.5 研究目的與具體內(nèi)容45-47
• 1.5.1 課題來源45
• 1.5.2 研究目的、要求與總體研究內(nèi)容45-47
• 1.5.3 技術(shù)路線47
• 1.6 本章小結(jié)47-52
• 第二章 實驗材料與方法52-75
• 2.1 實驗樣品準(zhǔn)備與步驟52-55
• 2.1.1 實驗樣品準(zhǔn)備52-53
• 2.1.2 樣品觀察和測定內(nèi)容53
• 2.1.3 實驗步驟及流程53-54
• 2.1.4 具體實驗過程54-55
• 2.2 水果糖度和酸度的理化分析55-63
• 2.2.1 水果糖度的理化分析55-57
• 2.2.2 水果葡萄糖、果糖和蔗糖的理化分析57-59
• 2.2.3 水果還原糖的理化分析59-61
• 2.2.4 水果酸度的理化分析61-63
• 2.3 水果近紅外光譜測量方法63-74
• 2.3.1 水果組織的近紅外光譜響應(yīng)特性63-65
• 2.3.2 蒙特卡羅(Monte Carlo，MC)模型的建立65-67
• 2.3.3 實驗光譜儀器的選擇67
• 2.3.4 實驗光譜儀基本工作原理67-68
• 2.3.5 Nexus FT-IR光譜儀性能測試實驗68-70
• 2.3.6 水果近紅外光譜數(shù)據(jù)的處理分析軟件70-71
• 2.3.7 水果近紅外光譜采集的實現(xiàn)71-72
• 2.3.8 部分蘋果和梨樣品近紅外光譜圖72-74
• 2.4 本章小結(jié)74-75
• 第三章 水果近紅外光譜響應(yīng)特性和糖度檢測精度的影響因素75-110
• 3.1 水果近紅外光譜響應(yīng)特性的影響研究75-95
• 3.1.1 水果近紅外光譜響應(yīng)特性的影響因素75-76
• 3.1.2 測量距離對水果近紅外光譜響應(yīng)特性的影響76-81
• 3.1.3 測試部位對水果近紅外光譜響應(yīng)特性的影響81-85
• 3.1.4 表面顏色對水果近紅外光譜響應(yīng)特性的影響85-88
• 3.1.5 信號能量對水果近紅外光譜響應(yīng)特性的影響88-91
• 3.1.6 擬水平法在水果糖度和酸度無損檢測中的應(yīng)用91-95
• 3.2 水果糖度近紅外光譜無損檢測精度的影響因素95-100
• 3.2.1 不同信號能量對糖度無損檢測精度的影響95-96
• 3.2.2 不同生長部位對糖度無損檢測精度的影響96-97
• 3.2.3 不同測試部位對糖度無損檢測精度的影響97-98
• 3.2.4 不同測量距離對糖度無損檢測精度的影響98-100
• 3.3 光譜儀檢測參數(shù)的選擇及優(yōu)化實驗100-108
• 3.3.1 掃描次數(shù)的選擇與實驗100-102
• 3.3.2 分辨率大小的選擇與實驗102-105
• 3.3.3 正交實驗設(shè)計在檢測參數(shù)優(yōu)化匹配中的應(yīng)用105-108
• 3.4 本章小結(jié)108-110
• 第四章 水果近紅外光譜檢測的建模樣品有效選擇方法110-139
• 4.1 異常樣品的形成機理及類型110-113
• 4.2 水果樣品異常值的判別方法113-124
• 4.2.1 樣品異常值判別方法113-116
• 4.2.2 異常樣品剔除及實現(xiàn)方法116-117
• 4.2.3 建模樣品有效選擇實驗結(jié)果117-124
• 4.3 樣品的相似性判別及優(yōu)化方法124-129
• 4.3.1 樣本數(shù)量確立及相似性樣品判別124
• 4.3.2 水果相似性樣品的剔除算法124-125
• 4.3.3 相似樣品成分值統(tǒng)計分析125-127
• 4.3.4 樣品優(yōu)化過程及模型預(yù)測結(jié)果127-129
• 4.4 基于遺傳算法的樣品優(yōu)選方法129-137
• 4.4.1 遺傳算法實現(xiàn)算法129-133
• 4.4.2 軟件的設(shè)計思路及實現(xiàn)133
• 4.4.3 實驗驗證部分133-137
• 4.5 本章小結(jié)137-139
• 第五章 水果糖度和酸度近紅外光譜無損檢測的數(shù)學(xué)模型139-186
• 5.1 實驗樣本分組及基礎(chǔ)數(shù)據(jù)139-140
• 5.1.1 實驗樣本的基本情況139
• 5.1.2 校正樣本與預(yù)測樣本的挑選原則139-140
• 5.2 水果近紅外光譜數(shù)據(jù)的預(yù)處理方法140-145
• 5.2.1 光譜數(shù)據(jù)的預(yù)處理和分析流程140
• 5.2.2 光譜數(shù)據(jù)的預(yù)處理方法選擇與檢測精度驗證140-145
• 5.3 水果糖度和酸度的線性數(shù)學(xué)模型建立與精度驗證145-168
• 5.3.1 水果糖度的線性數(shù)學(xué)模型建立及精度驗證145-154
• 5.3.2 水果酸度的線性數(shù)學(xué)模型建立及精度驗證154-166
• 5.3.3 水果糖度和酸度的線性數(shù)學(xué)模型優(yōu)化及精度驗證166-168
• 5.4 水果糖度和酸度的非線性數(shù)學(xué)模型建立與精度驗證168-182
• 5.4.1 人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論和算法168-170
• 5.4.2 水果糖度和酸度的非線性數(shù)學(xué)模型建立及精度驗證170-182
• 5.5 水果糖度和酸度的線性與非線性數(shù)學(xué)模型性能對比分析182-184
• 5.6 本章小結(jié)184-186
• 第六章 水果內(nèi)部組分糖的近紅外光譜無損檢測方法186-206
• 6.1 水果內(nèi)部組分糖的高效液相色譜分析法186-192
• 6.1.1 樣品與測定方法186-187
• 6.1.2 結(jié)果與討論187-192
• 6.2 水果內(nèi)部組分糖的近紅外光譜無損檢測方法192-201
• 6.2.1 水果近紅外光譜數(shù)據(jù)預(yù)處理方法192-193
• 6.2.2 建模有效光譜波段范圍選擇193-194
• 6.2.3 水果內(nèi)部組分糖的數(shù)學(xué)模型建立及精度驗證194-200
• 6.2.4 水果內(nèi)部組分糖的優(yōu)化數(shù)學(xué)模型建立及精度驗證200-201
• 6.3 水果內(nèi)部還原糖的近紅外光譜無損檢測方法201-204
• 6.3.1 水果內(nèi)部還原糖的測定結(jié)果201
• 6.3.2 水果近紅外光譜數(shù)據(jù)的預(yù)處理方法201-202
• 6.3.3 水果內(nèi)部還原糖的優(yōu)化數(shù)學(xué)模型建立及精度驗證202-204
• 6.4 本章小結(jié)204-206
• 第七章 小波變換在水果糖度和酸度近紅外光譜無損檢測中的應(yīng)用206-231
• 7.1 小波變換濾噪原理206-208
• 7.1.1 一維信號的濾噪算法206-207
• 7.1.2 小波模極大值的濾噪算法207-208
• 7.1.3 基于閾值的濾噪算法208
• 7.1.4 基于小波低頻系數(shù)重構(gòu)的濾噪算法208
• 7.2 小波包變換濾噪原理208-209
• 7.2.1 最佳小波包分解樹確定方法208-209
• 7.2.2 小波包濾噪實現(xiàn)過程209
• 7.3 水果近紅外光譜數(shù)據(jù)的小波變換實驗209-216
• 7.3.1 水果近紅外光譜采集過程209-210
• 7.3.2 小波變換的模擬數(shù)據(jù)集210
• 7.3.3 實驗結(jié)果與討論210-216
• 7.4 基于小波變換的水果糖度和酸度數(shù)學(xué)模型建立及精度驗證216-229
• 7.4.1 偏最小二乘法數(shù)學(xué)模型建立及精度驗證216-217
• 7.4.2 基于小波變換與偏最小二乘法相結(jié)合的數(shù)學(xué)模型建立及精度驗證217-218
• 7.4.3 基于小波變換與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的數(shù)學(xué)模型建立及精度驗證218-229
• 7.5 本章小結(jié)229-231
• 第八章 結(jié)論與展望231-235
• 8.1 論文取得的主要研究成果231-233
• 8.2 論文的主要創(chuàng)新點233-234
• 8.3 進(jìn)一步研究展望234-235
• 致謝235-236
• 附錄236-237
• 個人簡歷237-239

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前7條

1 金長江;鄭先哲;;應(yīng)用近紅外光譜技術(shù)快速檢測黑加侖漿果的主要營養(yǎng)成分[J];東北農(nóng)業(yè)大學(xué)學(xué)報;2011年05期

2 潘圓媛;劉燕德;孫旭東;;水果內(nèi)部品質(zhì)近紅外動態(tài)在線檢測研究進(jìn)展[J];激光與紅外;2010年08期

3 葛紀(jì)帥;黃文倩;張弛;密雅榮;;基于SolidWorks的稱重式水果分選機設(shè)計[J];機械設(shè)計與制造;2012年07期

4 楊磊;陳坤杰;;近紅外光譜在水果內(nèi)部品質(zhì)檢測中的研究進(jìn)展[J];江西農(nóng)業(yè)學(xué)報;2008年01期

5 葛紀(jì)帥;趙春江;黃文倩;孟志軍;;基于智能稱重的水果分級生產(chǎn)線設(shè)計[J];農(nóng)機化研究;2012年01期

6 楊小青;黨宏社;;基于像素點變換法的蘋果顏色分級系統(tǒng)研究[J];農(nóng)機化研究;2012年03期

7 陳香維;楊公明;;測試部位對獼猴桃近紅外光譜響應(yīng)特性的影響[J];農(nóng)業(yè)機械學(xué)報;2009年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 黃富榮;人體血液膽固醇、甘油三酯近紅外光譜無試劑分析方法研究[D];暨南大學(xué);2010年

2 樊景超;蘋果果實病害近紅外光譜信息獲取與識別模型研究[D];中國農(nóng)業(yè)科學(xué)院;2011年

3 金長江;基于近紅外光譜與機器視覺技術(shù)的漿果品質(zhì)檢測研究[D];東北農(nóng)業(yè)大學(xué);2011年

4 唐燕;獼猴桃和桃電學(xué)特性和生理特性關(guān)系研究[D];西北農(nóng)林科技大學(xué);2011年

5 李文龍;痰熱清注射液生產(chǎn)過程質(zhì)量控制方法研究[D];浙江大學(xué);2011年

6 傅霞萍;水果內(nèi)部品質(zhì)可見/近紅外光譜無損檢測方法的實驗研究[D];浙江大學(xué);2008年

7 黃凌霞;基于光譜技術(shù)的蠶桑相關(guān)特性數(shù)字化研究[D];浙江大學(xué);2007年

  本文關(guān)鍵詞：水果糖度和酸度的近紅外光譜無損檢測研究，由筆耕文化傳播整理發(fā)布。

本文編號：339330