论文部分内容阅读
本论文以南疆红枣为研究对象，以红枣内部品质水分、总糖和总酸等指标的无损检测为研究内容，深入南疆知名枣业公司开展红枣无损检测应用技术方面进行了实地调研。分别从红枣的近红外光谱响应特性、无损检测精度影响因素、红枣模型样品有效选择方法、创建水分、总糖和总酸等指标快速无损检测数学模型等方面进行了深入研究，得出研究成果如下：（1）分析了影响红枣光谱的因素有：地域、大小尺寸、品种、采集部位、样品采集距离，采集温度等；红枣光谱采集的重要优化匹配参数是扫描次数是32次，光谱分辨率是8cm-1；选择平滑（窗口3平滑点数7次）和导数对红枣原始光谱进行数据预处理时要好于其他预处理方法；采用SPXY选择校正样本方法要好于KS方法和随机方法；在波长的选择方法上建立水分和总糖模型时选择的方法是联合区间偏最小二乘法和遗传偏最小二乘法相结合方法得到最好的结果，而红枣总酸模型建立时采用无信息变量消除法来选择波长要好于其他波长选择方法。（2）建立骏枣和灰枣水分模型：校正标准偏差（RMSEC）、校正相关系数（RC）、预测标准偏差（RMSEP）和预测相关系数（RP）分别是1.1280和1.6266，0.9879和0.9880，3.1551和1.8779，0.9384和0.9765；建立的骏枣总糖模型校正标准偏差（RMSEC）、校正相关系数（RC）、预测标准偏差（RMSEP）和预测相关系数（RP）分别0.9778，0.8510，0.9446,1.3748；建立的总酸模型得到的校正标准偏差（RMSEC）、校正相关系数（RC）、预测标准偏差（RMSEP）和预测相关系数（RP）分别是0.9216、0.0582、0.8778、0.0447。（3）在红枣加工工厂实际检测中针对水分检测模型的稳定性，检测建立了5℃、15℃、35℃温度混合模型，用混合模型预测未知样本灰枣模型的标准偏差为0.19，骏枣模型为0.10，其结果都好于单温度模型，温度混合模型的稳定性、可靠性和预测精度相对于单温度模型得到很大提高；与枣业公司常规水分检测方法对比，对样品测定时操作简单、迅速，检测单个样品的时间只需要10几秒，而且无需对样品进行破坏，其测定结果与国标法基本一致。（4）运用实验室近红外光谱仪Antaris Ⅱ FT-NIR采集红枣的近红外光谱，然后在将光谱通过模型转移算法转换成便携式近红外光谱仪supNIR-1520的光谱，再进行模型的建立，结果表明模型转移前后的预测结果相当。本论文基于近红外光谱快速无损检测技术深入开展红枣内部品质方法并建立性能稳定的数学模型，在今后南疆红枣无损检测技术推广应用方面具有重要理论意义和实际应用价值。