论文部分内容阅读
传统的葡萄内部品质检测需要对葡萄样本进行破坏,费时费力,无法满足快速检测的需求。同时,对于葡萄在成熟及贮藏过程中的快速无损监控是现代葡萄产业的关注热点之一。本研究在2015年国家科技部支撑计划“西部特果精选关键技术装备研发与集成示范”(2015-2018,项目编号2015BAD19B03)的支持下,以“美人指”和“白玉霓”葡萄为研究对象,以包括颜色空间CIEL*a*b*、可溶性固形物、总酚等多项理化指标作为主要检测指标,利用可见/近红外光谱(400-1100 nm)技术对两种葡萄在生长成熟和贮藏过程中的品质进行了无损检测,并通过硬件的设计和集成、软件的撰写,研发了葡萄专用品质检测仪器。本文具体研究内容及结果如下:1.基于可见/近红外光谱的葡萄成熟过程中品质检测研究获取了生长成熟过程中的“美人指”和“白玉霓”葡萄的400-1100 nm可见/近红外光谱信息,基于全波段光谱和连续投影算法(SPA)筛选的特征波长,利用偏最小二乘回归(PLS)和最小二乘-支持向量机回归(LS-SVM)对CIEL*a*b*、可溶性固形物(SSC)及总酚(TP)含量进行定量建模,利用支持向量机区分模型对五个阶段(绿色期、着色前期、着色期、着色后期及成熟期)的果粒进行了区分。结果表明,LS-SVM对两种葡萄的CIEL*a*b*、可溶性固形物及总酚含量有较好的预测效果,模型的Rc2范围为 0.582-0.992,Rp2范围为 0.531-0.929,RMSEC 在 0.115-4.711 范围内,RMSEP在0.150-5.161范围内,RPD值范围为1.473-3.698。同时,基于光谱信息对五个时期的葡萄果粒进行区分,连续投影算法(SPA)筛选的72个特征波长所建立的支持向量机区分(SVM-DA)模型对预测集“美人指”五个成熟期的总区分率为95.0%,全波段支持向量机区分模型对预测集“白玉霓”五个成熟期的总区分率为98.3%。2.基于可见/近红外光谱的葡萄贮藏过程中品质检测研究获取了 4℃、85-95相对湿度条件下用保鲜纸包装贮藏的“美人指”和“白玉霓”葡萄的400-1100 nm可见/近红外光谱信息,基于全波段光谱和SPA筛选的特征波长,利用PLS和LS-SVM对CIE L*a*b*、SSC及TP含量进行定量建模,利用SVM-DA模型对6个贮藏时间点(0、5、10、15、20、25 d)的果粒进行了区分。结果显示LS-SVM模型的 Rc2范围为 0.741-0.898,RMSEC 范围为 0.069-5.893,Rp2范围为 0.712-0.874,RMSEP范围为0.073-6.190,RPD范围为0.727-2.883。同时,基于全波段光谱信息的SVM-DA对两个品种六个贮藏时间点葡萄果粒的区分准确率均为100.0%。3.便携式葡萄品质检测仪器设计与开发选用凹面全息光栅搭配电荷耦合器件的光谱仪作为检测系统的核心器件,用于获取样品400-1100 nm的漫反射光谱数据;选用卤素灯作为稳定可靠的光源、低OH—的Y型石英光纤作为光传输的可靠媒介;并设计了可调型样品池满足不同大小及品种的样品的需求;基于windows采用C#撰写的软件性能稳定,并将(1)、(2)中建立的模型进行模型转换后导入仪器中。利用每个品种110个非建模葡萄样本对系统及模型进行测试,结果显示“美人指”的L*、a*、b*、可溶性固形物、总酚三个指标的预测根均方误差(RMSE)分别为5.21、3.15、3.08、1.39 °Brix、0.24 g/kg,成熟度区分准确率率为94.0%,贮藏期区分准确率为100.0%。“白玉霓”的三个指标预测根均方误差分别为3.05、0.78、3.05、1.56°Brix、0.22 g/kg,成熟度区分准确率率为96.0%,贮藏期区分准确率为96.0%。