【摘要】：近紅外光譜分析技術(shù)作為一種新型的檢測手段,具有實(shí)時(shí)檢測、準(zhǔn)確率高、易于操作的優(yōu)良特性,在食品安全、果蔬品質(zhì)檢測領(lǐng)域具有極其廣闊的應(yīng)用前景。本文設(shè)計(jì)了一種基于近紅外光譜的果蔬新鮮度檢測系統(tǒng),通過一系列預(yù)處理算法和建模手段,依次實(shí)現(xiàn)了種類識(shí)別和新鮮度預(yù)估功能。本文主要研究內(nèi)容如下:1.介紹了近紅外光譜的產(chǎn)生原理,從官能團(tuán)振動(dòng)和光與物體的反射吸收效應(yīng)兩個(gè)角度解釋了作用機(jī)理。介紹了三種近紅外光譜的采集模式,并使用預(yù)測標(biāo)準(zhǔn)偏差、交互驗(yàn)證的校正標(biāo)準(zhǔn)偏差作為模型評(píng)估的指標(biāo)參數(shù)。2.研究了針對(duì)NIR的預(yù)處理方法、校正集篩選和建模方法。介紹了標(biāo)準(zhǔn)正態(tài)變量變換法和多元散射校正法。為了去除異常樣本數(shù)據(jù),研究了K-S方法對(duì)于代表性數(shù)據(jù)的篩選效果。介紹了用于分類識(shí)別的Bayes分類建模方法;針對(duì)果蔬新鮮度研究了PLS和ANN人工神經(jīng)網(wǎng)絡(luò)兩種建模方法。3.從光路和電路兩個(gè)方面設(shè)計(jì)并搭建了基于近紅外光譜的新鮮度檢測實(shí)驗(yàn)系統(tǒng)。光路系統(tǒng)選擇了位于640-1150nm波段范圍的光源及與之適配的光譜儀模塊,采用漫反射采集模式,測量距離為6mm時(shí)效果最佳�；诠庾V采集、AD轉(zhuǎn)換、通信傳輸?shù)裙δ茉O(shè)計(jì)了電路系統(tǒng)。通過該系統(tǒng)采集了不同新鮮層級(jí)的果蔬光譜數(shù)據(jù)。4.為提高新鮮度預(yù)測精度,首先開展了果蔬樣本的分類識(shí)別實(shí)驗(yàn)�；诓煌迈r層級(jí)下的樣本集數(shù)據(jù)構(gòu)建了分類識(shí)別模型。結(jié)果顯示,新鮮層級(jí)的模型準(zhǔn)確率高于不佳、腐敗層級(jí),同新鮮層級(jí)下蘋果的準(zhǔn)確率優(yōu)于白梨、香梨。對(duì)比不同新鮮層級(jí)的光譜相關(guān)系數(shù),同種果蔬不同新鮮度之間的相關(guān)性變?nèi)?識(shí)別準(zhǔn)確率與新鮮程度呈正比,當(dāng)新鮮層級(jí)的光譜差異大于種類間光譜差異時(shí),識(shí)別準(zhǔn)確率降低。完善訓(xùn)練集樣本能夠有效提升識(shí)別準(zhǔn)確率。5.基于PLS和ANN兩種建模方法,開展了果蔬的新鮮度預(yù)測實(shí)驗(yàn)。針對(duì)每種果蔬建立了新鮮度預(yù)測模型,比較了兩種算法模型的準(zhǔn)確率與穩(wěn)定性。采用預(yù)測標(biāo)準(zhǔn)偏差評(píng)估模型準(zhǔn)確率,RMSEP_(PLS)=0.084,大于神經(jīng)網(wǎng)絡(luò)的RMSEP值0.079。殘差分布說明神經(jīng)網(wǎng)絡(luò)的預(yù)估值更接近標(biāo)準(zhǔn)值;使用留一驗(yàn)證法驗(yàn)證模型的穩(wěn)定性,RMSECV_(PLS)RMSECV_(人工神經(jīng)網(wǎng)絡(luò)),神經(jīng)網(wǎng)絡(luò)模型的穩(wěn)定性要優(yōu)于PLS模型。
【圖文】：

預(yù)處理階段的技術(shù)路線圖

圖 1-1 預(yù)處理階段的技術(shù)路線圖實(shí)驗(yàn)系統(tǒng)采集光譜數(shù)據(jù)，經(jīng)過數(shù)據(jù)預(yù)處理后，將其應(yīng)測精度的問題，，本文首先對(duì)待測樣本開展識(shí)別實(shí)驗(yàn)，的新鮮度預(yù)測模型，關(guān)于實(shí)驗(yàn)階段的研究路線圖如下
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TS255.7;O657.33

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉愛秋,鄧曉建,王平榮,李秀蘭;近紅外光譜分析技術(shù)及其在農(nóng)業(yè)領(lǐng)域的應(yīng)用[J];西南農(nóng)業(yè)學(xué)報(bào);2003年02期

本文編號(hào)：2648522