【摘要】：蜂蜜作為一種天然的產(chǎn)物,具有較高的營養(yǎng)價值。隨著人們生活質(zhì)量不斷上升,保健品的市場需求量逐年增加。蜂蜜作為保健品市場的暢銷商品,其銷售市場的供求關系嚴重失衡,導致蜂蜜市場的產(chǎn)品質(zhì)量參差不齊,甚至出現(xiàn)勾兌的現(xiàn)象。目前市場上還沒有能夠快速檢測蜂蜜品質(zhì)的儀器。因此,本課題對蜂蜜品質(zhì)的快速檢測方法展開研究,分析了不同光譜區(qū)間對蜂蜜主要成分含量的預測準確率,由此提出一種小型便攜式蜂蜜品質(zhì)的近紅外光譜檢測方案。論文主要完成了以下幾項研究工作:首先,介紹了近紅外光譜吸收原理,確定蜂蜜中糖類物質(zhì)和水分的近紅外吸收峰位置。根據(jù)蜂蜜物理屬性,確定其近紅外光譜的采集方式。比較了常用的三種化學模型識別方法,選取偏最小二乘回歸法建立蜂蜜品質(zhì)的檢測模型。其次,分析比較了純蜂蜜、水、果糖飽和溶液、葡萄糖飽和溶液的近紅外光譜,制備了71組不同類型的混合蜂蜜和6組純蜂蜜樣品。將樣品光譜分為六組特征波段,采用不同的預處理方式,建立蜂蜜中葡萄糖、水分、蔗糖和果糖的含量檢測模型。分析六組特征波段的建模結果,基于檢測模型的兩個評價指標發(fā)現(xiàn)果糖和水分的預測準確性較高,交互驗證系數(shù)(R)分別可以達到98.34%和99.42%,驗證校正標準差(RMSECV)分別為0-782和1.01。對建立的六個檢測模型進行可靠性驗證,制備了20組檢測蜂蜜樣品,將測試樣品光譜信息代入模型中,得出樣品的四個化學含量預測值。將樣品四組分的含量預測值與真實值進行分析,分析發(fā)現(xiàn)檢測蜂蜜的摻雜比例與建模蜂蜜樣品的摻雜比例相同時,樣品四組分含量預測值與實際值的相對誤差較小。根據(jù)模型預測結果結合設計要求選取了4850-5120cm-1、5700-6200cm-1和6500-7100cm-1波段進行組合建模,建立的模型預測準確率高于六個波段獨立建模,優(yōu)化后的建模區(qū)間分別是4880-5063cm-1、5800-6070cm-1和6762-7000cm-1,其四組分預測評價指標R在95%以上,RMSECV在1.84以下。因此在4880-5063cm-1、5800-6070cm-1和6762-7000cm-1 的波段內(nèi),為近紅外檢測系統(tǒng)的光源波長提供選擇區(qū)間。最后,根據(jù)三波段組合建模結果結合蜂蜜四組分的特征吸收波長,確定了蜂蜜品質(zhì)檢測的四個光源波長分別是1450nm、1687nm、1869nm和2010nm。設計了蜂蜜品質(zhì)的近紅外光譜檢測系統(tǒng)方案,完成了檢測系統(tǒng)光路部分的光學仿真以及信號采集電路設計,確定了蜂蜜品質(zhì)檢測方案的可行性。
【圖文】：

行傅里葉變化得到物質(zhì)的近紅外光譜，最后通過顯示器或者繪圖儀顯示出來。利用近紅外光譜儀以空氣為背景采集蜂蜜的光譜圖，以波數(shù)為橫坐標，以透射比為縱坐標，，得到如圖2-4所示蜂蜜的近紅外光譜。圖中在8000-12000cm-1波段透射比大于100%，產(chǎn)生原因是蜂蜜的透射比例是由蜂蜜光強信息與空氣光強信息進行比值計算而來。圖 2-4 蜂蜜的近紅外光譜圖Fig.2-4 Near-infrared spectrum of honey從圖 2-4 可以看出蜂蜜在 6500-7200cm-1之間有明顯的吸收峰，在 5000-6000cm-1之間有吸收峰，在 4000-5000cm-1之間也有吸收峰，產(chǎn)生這些吸收峰的原因是蜂蜜中的糖類物質(zhì)和水分的化學鍵振動吸收，主要的化學鍵是 C-H 鍵和 O-H 鍵的吸收。為了根據(jù)近紅外光譜圖驗證蜂蜜在特征吸收的吸收強度與濃度有關，根據(jù)蜂蜜所含的化學物質(zhì)信息，采集葡萄糖溶液、果糖溶液、蔗糖溶液和水分的近紅外光譜與純蜂蜜的光譜進行對比

制備糖類溶液濃度和蜂蜜的混合比例糖類溶液與純蜂蜜按比例混合依據(jù)國標確定摻入的糖類溶液采集混合蜂蜜和純蜂蜜樣品的光譜檢測模型建立利用樣品光譜的信息和化學含量信息進行建模圖 3-1 蜂蜜主要成分建模過程示意圖Fig.3-1 Schematic diagram of the main component modeling process of honey.1 近紅外光譜采集實驗.1.1 實驗儀器近紅外傅里葉型光譜儀原理是通過對激光器發(fā)射紅外光線經(jīng)過干涉腔，產(chǎn)生干涉，進入樣品池通過透射的方式直接進入探測器腔體，探測器接收到光信號傳輸給計算機終對干涉圖采用傅里葉變化轉換為光譜圖顯示出來。確定近紅外光譜儀為德RUKER 公司的 Tensor37 型，其掃描的光譜范圍為 4000-12000cm-1，掃描間隔為 4cm-1描次數(shù)為 64 次。圖 3-2 為光譜儀器材的展示圖。
【學位授予單位】：西安理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：O657.33;S896.1

【相似文獻】

相關期刊論文 前10條

1 郭建峰;;近紅外光譜檢測技術在植物害蟲檢疫中的應用[J];北京農(nóng)業(yè);2013年03期

2 譚佐軍;楊長舉;張宏宇;羅賢清;;近紅外光譜檢測技術在倉儲害蟲識別中的應用[J];紅外;2006年05期

3 劉強;李曉靚;;土壤成分近紅外光譜檢測的重點和難點[J];科技創(chuàng)新導報;2013年08期

4 蔣向東;;近紅外光譜檢測技術在生物生產(chǎn)中的應用[J];農(nóng)機化研究;2006年05期

5 雷玉;郭雪媚;朱世超;王蒙蒙;晉剛;;近紅外光譜檢測技術在聚合物領域的應用研究進展[J];光譜學與光譜分析;2019年07期

6 翟希美;蔣興龍;呂小東;江國永;;近紅外光譜檢測豬血漿蛋白粉影響因素的探究[J];飼料與畜牧;2015年04期

7 周超;陳興苗;劉燕德;;近紅外光譜檢測技術在農(nóng)業(yè)和食品分析中的應用[J];農(nóng)產(chǎn)品加工(學刊);2006年11期

8 陳澤敏;時煥英;張偉宣;;紅外光譜檢測阻焊油墨固化程度試驗報告[J];印制電路信息;2010年S1期

9 陳浩梁;汪細橋;張宏宇;;糧粒內(nèi)害蟲的近紅外光譜檢測技術[J];糧食儲藏;2007年02期

10 邱麗湖;陸道禮;馮幫;耿德春;陳斌;;微型近紅外光譜檢測系統(tǒng)溫度補償?shù)脑O計[J];分析儀器;2015年02期

相關會議論文 前10條

1 許貴陽;漸麗;李豐果;;受損梨的近紅外光譜檢測[A];廣州市儀器儀表學會2009年學術年會論文集[C];2010年

2 陳興苗;田曉博;劉燕德;;可見/近紅外光譜檢測贛南臍橙總酸的研究[A];2007中國農(nóng)業(yè)工程學會農(nóng)產(chǎn)品加工及貯藏工程分會學術年會暨中國中部地區(qū)農(nóng)產(chǎn)品加工產(chǎn)學研研討會論文集[C];2007年

3 劉海芹;宋海燕;;帶包裝物品在近紅外光譜檢測中的研究概況[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

4 祝詩平;王剛;楊飛;;基于支持向量機的花椒揮發(fā)油近紅外光譜檢測方法[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

5 吳靜珠;劉翠玲;孫曉容;;支持向量機在近紅外光譜檢測技術中的應用研究[A];第二十九屆中國控制會議論文集[C];2010年

6 馮紅年;甘彬;金尚忠;;棉滌混合 紡織面料含量的近紅外光譜檢測[A];浙江省光學學會第九屆學術年會暨新型光電技術青年論壇論文集[C];2005年

7 李海波;龔卉;陸太進;梁潔;;充填琥珀的鑒定特征[A];珠寶與科技——中國珠寶首飾學術交流會論文集（2015）[C];2015年

8 庫婷;劉永峰;李雙紅;高俊嶺;;牛奶中基因組DNA含量的近紅外光譜檢測方法研究[A];中國食品科學技術學會第十一屆年會論文摘要集[C];2014年

9 廖宜濤;樊玉霞;伍學千;成芳;;無信息變量消除法在近紅外光譜檢測豬肉pH值中的應用[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

10 熊來怡;胡耀華;劉聰;陳康樂;郭康權;;近紅外光譜檢測豬肉揮發(fā)性鹽基氮含量及其品質(zhì)安全判別研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

相關重要報紙文章 前1條

1 馬艷紅;專家建議迅速推廣中藥紅外光譜檢測技術[N];中國醫(yī)藥報;2004年

相關博士學位論文 前4條

1 劉燕德;水果糖度和酸度的近紅外光譜無損檢測研究[D];浙江大學;2006年

2 董喬琳;蕓薹根腫菌近紅外光譜檢測體系及喜樹堿抑菌機理的研究[D];華中農(nóng)業(yè)大學;2017年

3 劉雪梅;基于可見近紅外光譜檢測土壤養(yǎng)分及儀器開發(fā)[D];東華大學;2014年

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

相關碩士學位論文 前10條

1 劉晨;蜂蜜品質(zhì)的近紅外光譜檢測方法研究[D];西安理工大學;2019年

2 楊怡承;近紅外光譜檢測系統(tǒng)的后端設計與實現(xiàn)[D];南京大學;2019年

3 王路;基于近紅外光譜檢測的微生物發(fā)酵監(jiān)測與建模[D];大連理工大學;2017年

4 顏麗;混紡面料成分的傅立葉近紅外光譜檢測研究[D];武漢紡織大學;2010年

5 汪小耀;基于LED光源的柑橘糖度可見/近紅外光譜檢測研究[D];浙江大學;2017年

6 趙燕;鰱魚魚肉中石油烴污染的紅外光譜檢測方法的研究[D];江南大學;2008年

7 喻文娟;亞致死損傷副溶血弧菌紅外光譜檢測技術的建立[D];上海交通大學;2013年

8 段喬峰;AOTF 紅外光譜檢測系統(tǒng)的原理與儀器化[D];天津大學;2004年

9 席那順朝克圖;馬鈴薯環(huán)腐病可見/近紅外光譜檢測裝置及方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2013年

10 賈策;近紅外光譜檢測生鮮牛肉常規(guī)物理特性的研究[D];山西農(nóng)業(yè)大學;2013年

本文編號：2670201