櫻桃番茄色澤鮮艷、形態(tài)優(yōu)美、味美可口、營養(yǎng)豐富,深受廣大消費者的喜愛。在市場需求不斷擴大的背景下,櫻桃番茄產(chǎn)業(yè)正在迅猛發(fā)展,但在果品產(chǎn)中監(jiān)控和產(chǎn)后處理上存在許多不足,同時,隨著人們生活水平逐步提高,消費者對水果的內部品質提出了更高的要求。研究櫻桃番茄內部品質快速無損檢測方法并開發(fā)便攜式檢測裝置,對提高櫻桃番茄商品化處理水平,促進櫻桃番茄產(chǎn)業(yè)智能化發(fā)展具有重要意義。本研究采用近紅外光譜技術,結合化學計量學方法,建立精度高、穩(wěn)定性好、溫度適應性強的櫻桃番茄內部品質指標定量模型,并研發(fā)一款基于Android系統(tǒng)的便攜式櫻桃番茄內部品質檢測裝置。本研究的主要內容與結論如下:1.櫻桃番茄內部品質的近紅外光譜檢測方法研究。研究基于近紅外光譜技術的櫻桃番茄可溶性固形物和番茄紅素含量的快速無損檢測方法,采集櫻桃番茄樣品的漫反射近紅外光譜并采用理化分析方法測定可溶性固形物和番茄紅素含量的參考值,結合多種光譜預處理方法和變量篩選方法,建立可溶性固形物含量和番茄紅素含量的偏最小二乘法（PLS）定量模型。結果顯示,采用2階9點Savitzky-Golay平滑對近紅外光譜進行預處理,然后利用連續(xù)投影偏最小二乘法... 

【文章來源】：江蘇大學江蘇省

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

技術路線圖

圖 2.1ACO 流程圖Figure 2.1 ACO flowchart除法基于 PLS 回歸系數(shù)分析，用來剔除近紅[60]。無信息變量消除法將隨機變量（噪剔除建立 PLS 模型，得到模型回歸系數(shù)商值確定變量能否用于建模[61]。其算法

圖 2.1ACO 流程圖Figure 2.1 ACO flowchart變量消除法除法是基于 PLS 回歸系數(shù)分析，用來剔除近紅外光譜選算法[60]。無信息變量消除法將隨機變量（噪聲信息證逐一剔除建立 PLS 模型，得到模型回歸系數(shù)矩陣，，根據(jù)商值確定變量能否用于建模[61]。其算法流程圖

【參考文獻】：
期刊論文
[1]櫻桃番茄可溶性固形物含量的可見/近紅外透射光譜無損檢測[J]. 王凡,彭彥昆,湯修映,李龍,李永玉.  中國食品學報. 2018(10)
[2]光譜分析技術在水果品質與安全檢測中的應用[J]. 沈宇,王風云,鄭紀業(yè),房勝,李哲,張琛.  中國農業(yè)信息. 2018(03)
[3]近紅外漫反射技術在食品分析方面的應用進展[J]. 史倩茹,戴軍,蔣彩云.  江蘇調味副食品. 2018(03)
[4]基于近紅外技術快速檢測青金桔果粉中β-胡蘿卜素含量[J]. 劉欣,馬金爽,張曉青,王瀟哲,陳園園,王林祥,劉紅,韓長日.  海南師范大學學報(自然科學版). 2018(03)
[5]基于近紅外光譜的四元調和食用油定量分析[J]. 李淑娟,卞�；�,李倩,范清杰,陳嬌嬌.  天津科技大學學報. 2018(03)
[6]隨機森林算法的水果糖分近紅外光譜測量[J]. 李盛芳,賈敏智,董大明.  光譜學與光譜分析. 2018(06)
[7]圣女果品質特征及檢測技術研究進展[J]. 田華,汪金萍,王遠.  食品研究與開發(fā). 2018(11)
[8]溫度干擾下的葡萄糖水溶液近紅外光譜修正方法與比較[J]. 孫翠迎,韓同帥,郭超,盛偉楠,劉瑾.  光譜學與光譜分析. 2017(11)
[9]便攜式番茄多品質參數(shù)可見/近紅外檢測裝置研發(fā)[J]. 王凡,李永玉,彭彥昆,李龍.  農業(yè)工程學報. 2017(19)
[10]基于可見/近紅外光譜技術的便攜分析儀的應用[J]. 袁雷明,郭珍珠,陳孝敬,蔡健榮,孫力,施一劍.  食品安全質量檢測學報. 2017(09)

博士論文
[1]基于介電頻譜與光譜技術的水果內部品質無損檢測方法研究[D]. 王轉衛(wèi).西北農林科技大學 2018
[2]近紅外光譜建模方法及溫度效應研究[D]. 單瑞峰.南開大學 2014
[3]基于電子鼻和電子舌的櫻桃番茄汁品質檢測方法研究[D]. 洪雪珍.浙江大學 2014
[4]基于近紅外光譜技術的板栗品質無損檢測方法研究[D]. 劉潔.華中農業(yè)大學 2011
[5]基于可見/近紅外光譜的水果糖度檢測模型優(yōu)化及應用研究[D]. 徐惠榮.浙江大學 2010
[6]南果梨內在品質近紅外光譜無損檢測技術研究[D]. 李東華.沈陽農業(yè)大學 2009

碩士論文
[1]基于可見/近紅外光譜技術的抹茶品質快速無損檢測方法及便攜式裝備研發(fā)[D]. 孫浩.江蘇大學 2018
[2]基于CNN的蘋果內部水心近紅外光譜檢測研究與實現(xiàn)[D]. 徐亞琴.湖南大學 2018
[3]基于近紅外光譜的蘋果硬度便攜式檢測設備研究[D]. 陳建新.西北農林科技大學 2018
[4]基于Android平臺的車輛識別碼識別技術的研究[D]. 劉賓坤.大連交通大學 2017
[5]果品品質微型檢測裝置的研制與開發(fā)[D]. 司志剛.濟南大學 2017
[6]基于光學傳感器技術的紅茶通氧發(fā)酵過程在線監(jiān)測研究[D]. 張彬.江蘇大學 2017
[7]樣品相關因素對梨糖度可見/近紅外光譜檢測影響的研究[D]. 曹松濤.浙江大學 2017
[8]在樹果實品質快速檢測的方法研究[D]. 郭成.江蘇科技大學 2017
[9]基于手機的光譜儀信號采集與處理系統(tǒng)的設計[D]. 張聰.重慶大學 2017
[10]基于Android系統(tǒng)的液滴視頻檢測平臺設計[D]. 石高強.北京郵電大學 2017



本文編號：3608774