梨糖度可見-近紅外光譜實(shí)時(shí)檢測(cè)樣品非相關(guān)因素影響及模型優(yōu)化研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展和人民生活水平的提高，人們對(duì)水果的需求量越來(lái)越大，對(duì)水果品質(zhì)的要求也越來(lái)越高。另一方面，中國(guó)作為水果生產(chǎn)大國(guó)，卻在國(guó)際水果市場(chǎng)上缺乏競(jìng)爭(zhēng)力，主要原因在于水果產(chǎn)后商品化處理程度較低，從而導(dǎo)致銷售的同一批水果品質(zhì)參差不齊。對(duì)產(chǎn)后水果進(jìn)行品質(zhì)檢測(cè)和分級(jí)是水果產(chǎn)后商品化處理的主要環(huán)節(jié)，也是實(shí)現(xiàn)水果優(yōu)質(zhì)優(yōu)價(jià)的重要途徑。
　　近紅外光譜技術(shù)憑其快速、無(wú)損、可實(shí)現(xiàn)在線檢測(cè)分析等諸多優(yōu)點(diǎn)，已經(jīng)被廣泛應(yīng)用于農(nóng)業(yè)。然而，在實(shí)際預(yù)測(cè)過

2、程中往往會(huì)受到包括環(huán)境因素、儀器因素和樣品相關(guān)因素等的影響，而導(dǎo)致預(yù)測(cè)模型精度降低甚至失效。
　　因此，本研究在團(tuán)隊(duì)前期研究的基礎(chǔ)上，以梨、鮮榨果汁和果糖溶液為研究對(duì)象，利用可見/近紅外光譜技術(shù)，主要圍繞樣品非相關(guān)因素，對(duì)可溶性固形物(Soluble SolidsContent，SSC)進(jìn)行建模分析與優(yōu)化。根據(jù)實(shí)際生產(chǎn)應(yīng)用中面臨的問題，分析了不同光譜儀，水果果袋，參比光譜采集模式以及特征波長(zhǎng)選擇對(duì)水果可見/近紅外光譜及其檢測(cè)模型的

3、影響。
　　本文的主要研究?jī)?nèi)容和研究結(jié)論如下:
　　(1)研究了不同型號(hào)光纖光譜儀之間皇冠梨SSC檢測(cè)模型的適應(yīng)性，建立了基于平均光譜差異校正(Mean Spectra Subtraction Correction，MSSC)的直接校正(DirectStandardization，DS)模型傳遞算法(MSSC-DS)。
　　首先對(duì)兩個(gè)不同可見/近紅外光譜儀（美國(guó)海洋光學(xué)公司的QE65000型和QE65Pro型）采集的同

4、一批皇冠梨樣本光譜結(jié)合其理化指標(biāo)分別建立偏最小二乘回歸(Partial LeastSquares Regression，PLSR)模型，并進(jìn)行交互預(yù)測(cè)分析，結(jié)果表明不同光譜儀建立的檢測(cè)模型不能通用。然后，以QE65000光譜儀為主儀器，研究比較了4種傳統(tǒng)的模型傳遞方法:DS、分段直接校正(Piecewise Direct Standardization，PDS)、斜率偏差校正(Slope/Bias，S/B)和MSSC。并在此基礎(chǔ)上建立并

5、比較了基于光譜差異校正預(yù)處理的MSSC-DS、MSSC-PDS、MSSC-S/B模型傳遞方法，研究了兩個(gè)不同可見/近紅外光譜儀間皇冠梨SSC檢測(cè)模型的傳遞，結(jié)果表明經(jīng)DS算法和MSSC-DS算法轉(zhuǎn)換后的預(yù)測(cè)結(jié)果相對(duì)較好，預(yù)測(cè)均方根誤差(Root Mean Square Error of Prediction，RMSEP)由傳遞前的8.482°Brix分別下降到0.473°Brix和0.453°Brix，可以滿足實(shí)際生產(chǎn)要求。但是，通過模

6、型轉(zhuǎn)換后的預(yù)測(cè)結(jié)果比利用從儀器數(shù)據(jù)直接建模的結(jié)果(RMSEP=0.381°Brix)要差，因而在實(shí)際生產(chǎn)中，需要從成本和分級(jí)精度的要求上來(lái)考慮選擇建模的方式。
　　(2)研究了兩種果袋（單層白色果袋SWB和雙層黃色果袋DYB）對(duì)翠冠梨可見/近紅外光譜的影響。
　　在生產(chǎn)實(shí)際中，用戶為了減少水果在輸送分級(jí)過程中的損傷，希望能帶袋實(shí)現(xiàn)水果的品質(zhì)檢測(cè)與分級(jí)。本文研究表明，所用的白色單層果袋透光率較好，所采集的套袋水果光譜保留了吸收

7、峰，且與不套袋光譜差異較小。定量分析結(jié)果同樣表明，套白袋的翠冠梨SSC檢測(cè)的交互驗(yàn)證相關(guān)系數(shù)(Cross Validation Correlation Coefficient，rcv)和交互驗(yàn)證均方根誤差（Root Mean Square Error of Cross Validation，RMSECV）分別為0.7894和0.376°Brix，僅略差于不套袋水果的模型預(yù)測(cè)結(jié)果（rcv=0.8282，RMSECV=0.343°Brix）

8、，套白袋預(yù)測(cè)偏差在±0.5°Brix之間的比重為83.8％，能滿足實(shí)際應(yīng)用的要求。但需要通過更進(jìn)一步的研究，尋找或開發(fā)合適的果袋，使其既對(duì)水果產(chǎn)中品質(zhì)具有促進(jìn)及保護(hù)作用，又滿足水果產(chǎn)后檢測(cè)分級(jí)時(shí)可見/近紅外光譜分析要求。
　　(3)在團(tuán)隊(duì)前期研究基礎(chǔ)上，研究了自動(dòng)參比不同采集頻率對(duì)檢測(cè)結(jié)果的影響。
　　首先，進(jìn)一步驗(yàn)證了自動(dòng)放置參比模式采集的參比光譜比手動(dòng)放置參比模式采集的參比光譜穩(wěn)定。此外，針對(duì)光源響應(yīng)隨時(shí)間衰減的問題，開

9、展了自動(dòng)放置模式下的參比頻率影響研究，比較了自動(dòng)放置每隔3個(gè)(A3)、10個(gè)(A10)、20個(gè)(A20)樣本采集一次參比光譜，以及一開始采集一次參比光譜(A0)的四種參比采集頻率模式。結(jié)果表明:四種參比采集頻率模式預(yù)測(cè)精度從高到低依次為A3、A10、A20和A0，可見通過增加參比采集頻率，可提高模型精度，但頻率過高會(huì)影響生產(chǎn)中檢測(cè)分級(jí)效率，因此可根據(jù)生產(chǎn)實(shí)際需要選擇恰當(dāng)?shù)膮⒈刃Ｕl率。
　　(4)研究了基于波長(zhǎng)選擇算法以及基于自制

10、果糖溶液特征波長(zhǎng)的果實(shí)SSC檢測(cè)模型。
　　首先分析了基于特征波長(zhǎng)選擇算法的不同年份間模型的預(yù)測(cè)能力，并在此基礎(chǔ)上采用S/B算法對(duì)模型進(jìn)行修正。結(jié)果表明，結(jié)合不同特征波長(zhǎng)選擇方法建立的PLSR模型（2014年）對(duì)不同年份（2015年和2016年）預(yù)測(cè)集的結(jié)果仍然較差，經(jīng)過S/B修正后RMSEP大大降低，其中基于競(jìng)爭(zhēng)性自適應(yīng)加權(quán)算法(Competitive adaptive reweightedsampling，CARS)的PLSR

11、模型經(jīng)S/B修正對(duì)2015年皇冠梨的預(yù)測(cè)結(jié)果最好，基于蒙特卡羅非信息變量剔除(Monte-Carlo Uninformative Variables Elimination，MC-UVE)的PLSR模型經(jīng)S/B修正對(duì)2016年皇冠梨的預(yù)測(cè)結(jié)果最好，RMSEP分別為0.575°Brix和0.609°Brix。
　　然后，分別對(duì)鮮榨果汁以及自制果糖溶液采用全波段偏最小二乘回歸(Full-RangePLSR，F(xiàn)ull-PLSR)、逐步多

12、元線性回歸(Stepwise Multi Linear Regression，SMLR)和間隔偏最小二乘回歸(Interval PLSR，iPLSR)進(jìn)行SSC建模分析。鮮榨果汁由于吸光粒子的散射影響，吸光度與濃度的關(guān)系偏離了比爾定律，模型結(jié)果較差。相反，果糖溶液溶質(zhì)相對(duì)單一，吸光度較好，模型較理想。因此，以果糖溶液光譜為對(duì)象，在550-920 nm之間用SMLR選擇特征波長(zhǎng)，并基于所選波長(zhǎng)建立果實(shí)SSC檢測(cè)模型，其結(jié)果(rp=0.87