细化陶瓷微观结构至纳米级, 可以减少光的散射损失, 为开发新型光学陶瓷提供了一种有效的方法。本研究采用溶胶-凝胶法合成粉体, 结合热压烧结工艺制备出光学性能优异的新型Lu₂O₃-MgO纳米复合陶瓷, 研究了粉体合成条件及热压烧结工艺对样品微观结构的影响, 并对计算的理论透过率与样品的实际透过率进行了比较。研究结果表明: 采用优化后工艺制备的Lu₂O₃-MgO陶瓷具有均匀的相域分布, 晶粒尺寸约为123 nm, 3~5 μm波段的透过率高达84.5%~86.0%, 接近理论透过率; 维氏硬度为12.2 GPa, 断裂韧性为2.89 MPa·m^-1/2, 抗弯强度达到(221±12) MPa, 是一种潜在的红外透明窗口材料。

中国红茶因其悠远的文化底蕴和多种保健功效而广受推崇。 红茶经杀青、 揉捻、 晒干、 筛选、 干燥制成成品。 但复杂的加工工艺也增加了物理污染的风险, 在加工过程中难免会夹杂非茶类异物。 物理污染属于随机事件, 占食品安全投诉事件的19.8%。 降低食品污染是未来造成厂家与消费者、 进出口贸易双方争议的关键。 昆虫等有机异物尚属于X射线不可检测范畴的食品异物, 但昆虫异物混入频率较高, 容易造成消费投诉, 迫切需要开发相应的无损检测方法。 太赫兹时域光谱(THz-TDS)技术作为一种新兴的检测技术, 在农产品、 食品以及药品无损检测方面均具有良好的应用潜力。 THz具有良好的低能透射和指纹光谱特性、 且无电离辐射损伤, 能透过食品基质获取潜藏异物的光谱和图像信息, 是农产品、 食品无损检测的较佳选择。 为了实现茶叶夹杂低密度有机异物的高效检测, 本文基于THz光谱技术, 探索红茶夹杂昆虫异物的无损检测新方法。 在0.2~3.0 THz范围内, 采集了红茶基质、 昆虫异物以及夹杂昆虫异物红茶的THz光谱。 分析了茶叶基质和昆虫异物的THz吸收系数和介电损耗响应特性, 从频谱图可以看出茶叶基质与昆虫异物的THz吸收系数和介电损耗存在显著的差异, 主要由昆虫异物的蛋白质和脂肪成分引起, 这奠定了红茶夹杂昆虫异物的THz光谱检测基础。 但茶叶与昆虫异物吸收系数均无明显的特征峰, 且在2.0~3.0 THz高频波段内存在较为明显的噪声。 采用主成分分析方法分别对吸收系数和介电损耗进行降维处理, 通过得分图可以判断出红茶基质与夹杂昆虫异物的红茶之间存在明显的区别, 且吸收系数的聚类效果优于介电损耗系数。 分别选取0.5~1.0 THz范围的THz吸收系数和介电损耗为输入向量, 建立了支持向量机(SVM)和线性判别分析(LDA)判别模型。 实验结果表明, 基于THz吸收系数的LDA判别模型精度最高, 新样品的正确识别率为73.68%。 这说明应用THz时域光谱无损检测红茶夹杂的昆虫异物具有可行性, 同时THz光谱结合模式识别算法为茶叶夹杂昆虫异物无损检测提供了新方法, 也可为其他农产品和食品检测提供参考。

糖度和硬度作为水蜜桃的两个重要指标, 决定其内部品质。 在运输或售卖期间, 水蜜桃果内水分流失, 表面开始松软进而腐烂, 内部品质发生变化。 研究旨在探讨可见/近红外光谱预测水蜜桃不同贮藏期糖度和硬度的可行性, 进一步预测水蜜桃的最佳贮藏期。 采用漫透射和漫反射方式采集4个贮藏阶段的水蜜桃光谱, 并测量糖度和硬度。 分析了4个阶段水蜜桃的平均光谱, 光谱强度随着贮藏天数增加而不断提高, 且在650~680 nm区域内受果皮颜色及色素的变化产生波峰偏移。 同时, 分析了糖度和硬度的变化, 糖度在贮藏期间逐渐提高, 硬度在贮藏期间快速下降, 最终糖度增加了3.31%, 硬度下降了58.8%。 采用多元散射校正、 S-G卷积平滑、 归一化处理及基线校正等预处理方法来减少噪声和误差对光谱的影响, 并使用无信息变量消除(UVE)和连续投影算法(SPA)筛选特征波长, 最后利用偏最小二乘回归(PLS)分别建立糖度和硬度的预测模型。 分析糖度、 硬度的PLS回归系数与平均光谱的波形发现, 糖度的高回归系数分布在光谱多处, 而硬度的该系数均在波峰波谷附近。 SPA和UVE筛选的特征波长建立的糖度模型效果不佳, 而硬度模型效果良好。 结果表明, 漫透射和漫反射检测方式下, 糖度的最佳预测相关系数(R_p)及预测均方根误差(RMSEP)分别为0. 886, 0.727和0.820, 1.003, 预处理方法分别是多元散射校正、 平滑窗口宽度为3的S-G卷积平滑。 此外, 漫透射建立的硬度SPA-PLS模型, 选用15个光谱变量, 得到的R_p和RMSEP为0.798和0.976; 而漫反射建立的UVE-PLS模型, 选用113个光谱变量, 得到的R_p和RMSEP为0.841和0.829。 可以看出, 漫透射方式预测水蜜桃贮藏期间的糖度更佳, 而漫反射预测硬度更佳。 利用可见/近红外光谱所建立的糖度和硬度预测模型, 能够可靠地预测水蜜桃贮藏期内糖度和硬度的变化, 对指导采摘、 售卖时间和减少腐烂具有一定的参考价值。

果品内部化学基础信息与光谱信息较好对应是提高模型的关键。 大量的皮厚、 体积大的水果果肉在可见-近红外区域透光性差、 光折射角度难以确定、 化学基础信息获取不准, 导致品质预测效果差。 以西瓜为研究对象, 对西瓜不同区域的可溶性固形物与品质属性的内在联系进行探讨。 水果市场购买360个西瓜样品, 在线检测装置采集光谱时参数用两种设置: 积分时间100 ms、 电流8.0 A和积分时间为150 ms, 电流8.15 A, 后者的光谱吸收峰值强度更高。 西瓜可溶性固形物含量测定时, 将西瓜分为8份, 分别测量心糖、 中糖、 外围糖、 底边糖(SSC)和混合糖(SSC)的平均值, 西瓜内部不同区域可溶性固形物有较大的差异, 果中心的心糖值最高, 而越靠近瓜皮区域的糖度值越低。 以西瓜不同区域可溶性固形物为因变量, 卷积平滑(S-G)降解光谱噪声后的光谱为自变量建立可溶性固形物偏最小二乘预测模型, 建模集270个, 预测集90个。 对比模型发现, 提高分选装置的积分时间和卤钨灯电流, 可以增加可溶性固形物模型预测精度; 局部区域的可溶性固形物作为模型的因变量预测效果也高于混合糖为因变量建立的模型。 由于可见-近红外入射后在瓜果内部发生一定角度的折射、 光停留在浅层区透射等原因, 靠近瓜皮的底边糖区域表征了较多的西瓜果肉信息, 建模效果最佳, 预测集相关系数为0.89, 均方根误差为0.24, 建模集相关系数为0.96, 均方根误差为0.18。 而中糖、 外围糖等具有一定深度且在光的直线区域表征的西瓜果实内部信息较少, 建模效果较差。 因此西瓜底边糖为最佳的可溶性固形物采集区域。 研究结果揭示了水果光散射规律特征及其与品质属性的内在联系, 可供实现光谱数据库和分析模型的在线更新参数。

糖度是评价脐橙内部品质的重要指标之一, 由于水果自身尺寸差异, 造成糖度预测模型稳健性差, 预测精度不高, 因此消除水果尺寸差异带来的影响, 对提高水果分选模型精度具有重要意义。 对比分析了脐橙漫透射、 多点发射与接收及环形发射与接收漫反射光谱, 其中, 不同检测平台上, 由于光程差的不同, 大果光谱能量均比小果光谱能量要强, 而环形发射与接收漫反射光谱能量要强于其他两种光谱, 漫透射光谱能量最弱, 波峰与波谷位置大致相同。 分别建立不同检测方式下脐橙尺寸预测模型, 其中, 漫透射检测方式下尺寸预测模型的预测集相关系数为0.60, 预测集均方根误差为3.95 mm, 多点发射与接收漫反射检测方式下尺寸预测模型的预测集相关系数为0.97, 预测集均方根误差为1.46 mm, 环形发射与接收漫反射检测方式下小果预测模型的预测集相关系数为0.96, 预测集均方根误差为1.73 mm。 分别建立三种不同检测方式下大果、 小果、 混合果以及多元散射校正预处理的混合果糖度预测模型, 小果的糖度预测模型精度均要高于大果和混合果, 其中漫透射检测方式下小果预测模型的预测集相关系数为0.76, 预测集均方根误差为0.81°Brix, 多点发射与接收漫反射检测方式下小果预测模型的预测集相关系数为0.72, 预测集均方根误差为0.97°Brix, 环形发射与接收漫反射检测方式下小果预测模型的预测集相关系数为0.72, 预测集均方根误差为0.93°Brix。 经过多元散射校正预处理光谱后, 近红外漫透射光谱的混合果模型精度要优于小果的模型, 模型预测集相关系数为0.84, 预测集均方根误差为0.64°Brix, 而在两种漫反射检测方式中, 多混合果模型精度反而降低。 实验结果表明: 在漫透射检测方式中, 使用多元散射校正预处理光谱可以消除尺寸差异影响, 在漫反射检测方式中, 先进行尺寸分选, 再进行糖度分选, 也可以避免尺寸差异带来的影响。 该研究为大宗水果快速在线分选提供了参考和理论支持。