马铃薯是我国第四大主要粮食作物, 随着马铃薯主食化战略的提出, 其市场占比逐年攀升, 但各地甚至同区域内马铃薯品质参差不齐, 严重影响了马铃薯行业的发展。 实现马铃薯品质快速无损检测对马铃薯主食化产业的发展有着重要的现实意义。 该研究以研发低成本马铃薯品质无损快速检测装置为目的, 采用连续投影算法（SPA）分析光谱仪环境下马铃薯加工品质特征波长的分布情况, 根据标准正态变换（SNV）预处理状态下的模型结果选取了一个包含7个波段（700, 750, 800, 850, 900, 950和1 000 nm）的多通道光谱传感器, 并根据马铃薯特殊的表皮特征及内部质地均匀性, 设计了一种手持式马铃薯多品质可见/近红外局部漫透射检测装置。 利用研发装置建立了马铃薯多品质偏最小二乘预测模型, 马铃薯干物质含量、 淀粉含量预测模型验证集均方根误差分别为1.05％和1.02％。 同时, 基于QT的开发工具, 采用C语言编写了实时分析设备控制软件, 实现了对马铃薯内部品质的一键式实时无损检测。 对研发装置检测稳定性和精度进行了试验验证。 结果表明, 研发的手持式马铃薯多品质传感器检测装置可以满足现场实时检测需求, 为马铃薯主食化产业的发展提供技术支撑。

随着经济水平的提升人们对大米品质要求越来越高, 由于不同大米品种之间价格差异也较大, 致使不少商贩以劣充优谋取利益, 有的掺和比例高达30%以上, 这种行为严重损害了消费者利益。 大米作为一种碳水化合物直接通过一维近红外光谱信息不易区分掺和米, 目前诸多研究集中在基于一维光谱的化学计量学判别模型建立。 二维相关光谱具有高分辨率、 解析峰的归属等优点, 可以挖掘出掺和米在一维光谱中隐藏的有效信息。 以五常大米作为研究对象, 选取难以用肉眼分辨的六种大米为掺入米, 分别制备5%～50%的不同掺和比例大米样品140个。 以五常大米近红外光谱的平均光谱作为参考谱, 掺和比例作为外部扰动因数, 将掺和米光谱和五常米光谱分别与参考谱进行二维相关运算, 通过解析不同掺和比例大米二维相关同步谱特性发现自相关谱1 420和1 920 nm两处自动峰值与同步谱(1 420, 1 920) nm和(1 920, 1 420) nm处交叉峰值强度均随掺和比例增加呈递增趋势, 其中1 920 nm自动峰值对掺和比例响应最显著。 通过对自相关谱1 420和1 920 nm两处自动峰产生机制的追溯并分析对应官能团归属, 发现大米中直链淀粉对掺和比例响应程度高于蛋白质及其他碳水化合物。 分别以五常大米同步谱中1 420和1 920 nm处自动峰值和(1 920, 1 420)nm处交叉峰值的最大值作为判别阈值, 对140个大米样品进行了判别试验。 结果显示, 基于1 920 nm自动峰值的判别效果最佳正确率达93.3%, 掺和比例20%及以上掺和米样品判别正确率为100%, 随着掺和比例降低判别正确率也逐渐下降, 掺和比例15%, 10%和5%样品判别正确率分别为91.7%, 66%和75%。 综上所述, 以掺和比例作为外部干扰因数解析不同掺和比例的大米二维同步谱特性, 通过特征峰值的差异可以简单有效区分掺和米, 与以往近红外判别模式相比不需要准备大量样品来训练模型, 为快速鉴别掺和大米提供一种新思路。

我国马铃薯采后储运销售过程中黑心病发病率较高, 内部品质也参差不齐, 检测分选技术滞后, 严重制约了马铃薯主食化产业发展进程。 马铃薯黑心病及淀粉含量等内部品质的同时在线无损检测, 对推进我国马铃薯主食化战略具有重要意义。 基于可见/近红外漫透射光谱原理, 利用实验室自行搭建的无损在线检测系统(检测速度约为每秒4个), 以马铃薯黑心病和淀粉含量为内部品质检测指标, 进行了黑心病和淀粉含量同时在线无损检测研究。 先将121个健康马铃薯和116个黑心马铃薯600～1 000 nm波段范围的原始光谱分别进行了平均处理, 发现600～900 nm波段内黑心马铃薯样品的吸光度数值明显高于健康马铃薯样品, 而且黑心组织影响健康马铃薯在663 nm附近叶绿素的特征吸收峰和760 nm附近水的特征吸收峰, 强度明显高于黑心马铃薯。 基于健康马铃薯和黑心马铃薯原始光谱建立了马铃薯黑心病偏最小二乘判别模型(PLS-DA)。 同时对121个健康马铃薯光谱分别采用SG卷积平滑(SG-Smoothing)、 标准正态变换(SNV)、 多元散射校正(MSC)、 一阶导数(FD)、 SG平滑结合一阶导数(SG+FD)等不同预处理方法, 并结合竞争性自适应加权重采样CARS算法筛选特征波长后, 建立了淀粉含量(SC)偏最小二乘(PLS)定量预测模型。 结果表明: 黑心马铃薯偏最小二乘定性判别模型校正集和验证集判别正确率分别为97.74%和98.33%, 总判别正确率97.89%; 原始光谱经SG平滑加一阶导数预处理, 再结合CARS算法筛选特征波长建的马铃薯淀粉含量偏最小二乘定量预测模型结果最优, 其校正集和预测集相关系数分别为0.928和0.908, 均方根误差分别为0.556%和0.633%。 最后, 将所建模型植入在线检测系统, 利用50个未参与建模的样品进行了外部验证。 马铃薯黑心病的判别正确率为96%, 淀粉预测值与标准理化值相关系数为0.893, 均方根误差为: 0.713%。 说明基于马铃薯漫透射光谱可以实现马铃薯黑心病及其他内部品质同时在线无损检测, 为马铃薯采后品质检测分选以至推进马铃薯主食化产业发展提供了一定技术参考。

嫩度是猪肉食用品质最重要的指标之一。 猪肉嫩度取决于猪肉组织复杂的物理、 化学特性, 目前难以实现快速无损伤检测。 探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。 首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱, 经过感兴趣区域选择, 提取出猪肉样本表面光斑的空间扩散轮廓, 结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合, 拟合优度R2>0.992, 并通过残差分析, 表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律, 进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数: 渐进值a、 峰值b、 半带宽c以及半带宽处的斜率d。 然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力(WBSF)测量值进行偏最小二乘回归(PLSR)分析。 结果表明不同参数谱都含有猪肉嫩度信息, 其中峰值参数谱b建模效果最佳, 其回归模型的校正集决定系数R2c为0.674, 均方根误差SEC为8.396N, 预测集决定系数R2p为0.610, 均方根误差SEP为8.643N。 为提高模型的预测精度和稳定性, 实现多参数谱信息的融合, 先通过PLSR分析, 分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子, 然后将其因子得分组合在一起作为参数谱的特征变量, 与猪肉样本WBSF测量值作多元统计回归分析。 为避免数据冗余, 对不同参数谱特征变量进行多重共线性判别, 进一步采用PLSR算法对参数谱特征变量进行降维和变换, 采用交叉验证方法, 选择前两维因子得分进行校正模型的建立。 其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。 与单参数谱所建PLSR模型相比, 多参数谱信息融合模型预测效果有了较大提高, 其R2c和R2p分别为0.923和0.800, SEC和SEP分别为4.083N和5.655N。 通过对回归系数进行统计量t检验, 结果表明所有回归系数极显著(p<0.01)。 本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路, 该方法有效将空间分辨光谱解析为4个形态学参数, 并实现不同参数谱信息的提取和融合, 为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。

为了满足生鲜肉品质参数无损检测领域, 对轻便式、 低成本设备的开发需求, 提出一种基于多光谱漫反射技术的生鲜肉品质检测方法。 首先根据漫反射近似理论, 结合牛肉样品散射系数、 吸收系数及折射率等参数, 在无线细垂直光束的蒙特卡洛仿真的基础上, 对具有一定发散角度LED光源进行了初始化的校正, 分别从光源照射位置概率分布、 不同角度的照射概率分布、 仰角、 方向角的概率分布、 不同角度光线入射样品时反射引起能量损失及对光子权重的影响, 得到在LED光源发散角情况下, 不同源探距下的漫反射率与检测深度, 确定了光源与检测器之间的最佳距离为15 mm, 然后根据此距离, 搭建了多光谱漫反射检测平台, 检测平台由8组中心波长为470, 535, 575, 610, 650, 720, 780和960 nm的LED光源组成, 与所要检测的生鲜牛肉品质参数相对应。 同时利用LED光源的发散角, 确定了光源到样品表面的垂直距离与每个光源的安装位置, 保证光源照射到样品的区域是均匀的。 样品的漫射光强经由信号采集与放大电路的处理后传至上位机, 并在上位机完成建模与分析。 最后为验证该检测系统的性能, 以生鲜牛肉新鲜度参数中的颜色(L*, a*, b*)与pH值为指标, 利用60个样品进行了试验, 分别得到8个光源下的原始光强值与校正后的反射率值, 然后将牛肉样品按照3∶1比例分为校正集与预测集, 针对原始光强值与反射率值, 分别利用多元线性回归(multiple linear regression, MLR), 偏最小二乘回归(partial least squares regression, PLSR)与偏最小二乘支持向量机回归(partial least-squares support vector machine, LS-SVM)三种方法, 建立各个参数在原始光强与反射率数据两种情况下的预测模型, 并得到最佳模型结果。 结果表明, 利用反射率数据建模结果均好于光强数据结果, 其中参数L*, a*, b*的MLR建模结果优于PLSR与LS-SVR, 其预测集相关系数分别为0.983 2, 0.907 2及0.935 9, 预测集误差分别为1.00, 2.14及0.67。 参数pH值的LS-SVR建模结果优于PLSR与MLR, 其预测集相关系数为0.942 0, 误差为0.19。 最后利用未参与试验的20块牛肉样品对模型进行了验证, 颜色L*, a*, b*及pH参数的预测值与实测值的相关系数均大于0.85, 结果证明, 利用多光谱漫反射技术以及所搭建的多光谱漫反射检测系统对生鲜牛肉品质参数检测是可行的, 该方法能够为设计便携式或微型化生鲜牛肉品质的无损检测仪器提供参考与依据。

为了实现原料肉新鲜度参数的无损在线实时评估, 基于双波段可见/近红外反射光谱（350~1 100和1 000~2 500 nm）技术建立了原料肉新鲜度主要指标的在线检测系统。 研究设计了装置的光源单元、 光谱采集单元、 控制单元和驱动单元, 优化设计了光源固定支架和安放角度, 编写了相应的控制程序, 开发了实验室用和便于在不同生产线应用的两套在线检测系统。 首先, 对试验参数（传送带速度和样品到透镜入光口距离）进行了优化研究, 通过光谱相似度比较和显著性分析, 确定传送带速度是275 mm·s-1、 距离是12 cm时能够获得更加稳定的光谱信号。 然后, 基于该试验参数, 分别在静止和在线条件下采集了贮藏时间为1~13 d共50个猪肉样本的反射光谱, 并利用抛物线拟合法对双波段光谱进行融合, 以获取整条覆盖可见及近红外区域的完整光谱。 为了使两个波段范围内的光谱数据点权重相同, 在整个波段范围内均匀分布, 借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。 采用窗口移动多项式最小二乘拟合法对光谱作平滑处理, 采用标准正态变量变换对每条光谱进行标准化预处理, 分别建立了静止和在线条件下新鲜度主要表征指标-颜色（L*, a*和b*）、 pH和挥发性盐基氮的预测模型, 以此验证所搭建系统的可靠性。 经过对比分析, 发现在线条件下的建模结果不如静止状态下的建模结果, 这可能与在线采集时光谱存在漂移现象有关。 进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征, 并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。 结果发现先经过一阶导数再经过标准化处理, 能更好地消除外部干扰造成的影响, 建模结果更佳。 在该处理方式下, 基于第一波段光谱建立了颜色参数（L*, a*, b*）的预测模型, 基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型, 预测相关系数分别为0.955 3, 0.924 7, 0.955 1, 0.961 5和0.966 8。 最后, 为了验证模型的适用性, 基于开发的便于在不同生产线应用的在线检测系统, 利用独立的20个样本对在线模型进行外部验证, 对颜色参数（L*, a*, b*）, pH和挥发性盐基氮的预测相关系数分别为0.918 9, 0.914 1, 0.947 7, 0.950 4和0.960 6。 研究结果表明, 该系统通过双波段光谱的实时采集和融合, 可以获取更多反应样本内部信息的光学信号, 具有更强的检测能力。 结合设计的光路等其他硬件单元, 可以同时获取样本表面更大区域的反射光谱信息, 从而实现对原料肉新鲜度主要表征参数的无损、 在线、 实时评估。 该系统便于组装和拆卸, 可以适应不同企业生产线的实际需要, 具有较强的实用价值和较好的市场前景。

马铃薯是与小麦、 稻米、 玉米协调发展的第四大主粮作物, 现阶段我国正积极推进马铃薯主食开发, 但马铃薯品质的参差不齐严重制约了马铃薯产业主食化进程, 马铃薯品质快速无损检测对其加工产业化进程有着重要意义。 国内外学者基于可见/近红外光谱对马铃薯内部品质检测进行了不少相关研究, 但迄今为止大部分研究都基于可见/近红外漫反射原理, 马铃薯粗糙的表皮对样品漫反射光谱影响较大。 近红外透射光谱能较好的反映样品的品质信息, 但马铃薯样品全透射光谱因样品大小不同, 导致光谱受光程差异的影响较大。 考虑到马铃薯样品整体质地较为均匀, 根据马铃薯的形状特性搭建了马铃薯局部透射光谱采集系统, 局部透射检测方式既能避免马铃薯表皮的影响, 又能在保证光程统一的情况下获得样品内部的信息。 该光谱采集系统由光谱采集单元(光谱仪、 耦合透镜)与光源单元(卤素灯、 灯杯)构成。 进行光谱采集时, 将二者贴紧马铃薯表面以确保光谱采集单元不会接收到来自马铃薯表面的反射光。 用该系统采集了120个马铃薯650~1 100 nm范围的局部透射光谱, 分别进行去趋势(detrend)、 多元散射校正(muliplication scattering correction, MSC)、 标准正态变量变换(standard normal variable transformation, SNV)和一阶导数(first Derivative, FD)预处理, 并建立了马铃薯干物质、 淀粉、 还原糖含量的偏最小二乘预测模型(partial least squares regression, PLSR)。 结果显示, 采用多元散射校正预处理的干物质和淀粉含量预测模型效果较好, 其验证集决定系数分别为0.854 0和0.851 0, 验证集均方根误差分别为0.521 9%和0.484 8%; 采用一阶导数预处理的还原糖预测模型效果最好, 其验证集决定系数为0.768 6, 均方根误差为0.025 1%。 为进一步优化模型采用竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)等三种方法进行特征波长的筛选, 并建立了偏最小二乘预测模型。 结果显示, 马铃薯各品质参数的预测效果均得到了较大提升, CARS筛选波长后的干物质、 淀粉、 还原糖预测模型的验证集决定系数分别为0.877 6, 0.865 3和0.887 7, 验证集均方根误差分别为0.449 2%, 0.930 2%和0.016 7%。 采用CARS特征波长提取能够简化模型, 去除无关变量和共线性变量, 从而提高模型的精度和稳定性, 尤其是对低含量组分还原糖的预测模型效果显著。 最后, 为验证马铃薯各品质参数预测模型的精度及稳定性, 选取30个不同批次马铃薯样品对所建预测模型进行了外部验证。 马铃薯干物质、 淀粉、 还原糖含量的模型预测值与标准理化值决定系数分别为0.849 9, 0.867 1, 0.877 6, 均方根误差分别为0.660 9, 0.480 9, 0.016 9, 平均相对误差分别为2.03%, 1.77%, 7.58%。 研究表明, 局部透射光谱携带了马铃薯的内部信息, 与干物质、 淀粉、 还原糖含量有显著相关性。 该可见/近红外局部透射检测系统可以实现马铃薯多品质参数的快速无损预测, 特别是干物质含量及淀粉含量的预测效果较好, 但是对个别还原糖含量非常低的样品出现预测相对误差较大现象, 下一步研究中需要进一步优化完善。

透明保鲜膜包装以其方便、 经济、 卫生的特点被广泛应用于超市卖场及日常生活中, 却也给食品农产品的检测增加了难度, 所以急需一种能够隔透明薄膜无损检测农产品的方法。 叶绿素是影响黄瓜品质的重要因素之一, 该研究主要探讨了拉曼技术检测黄瓜品质时, 食品保鲜膜层数对叶绿素特征峰的影响, 并通过对菠菜、 油菜和芹菜对得出的结论进行验证。 采用点检测拉曼光谱系统, 采集无保鲜膜包装以及多层包装下黄瓜的拉曼光谱。 拉曼信号经Savitzky-Golay(SG) 5点平滑和自适应迭代惩罚最小二乘法扣除荧光背景, 探究不同层数(1~6层)的PE保鲜膜对黄瓜叶绿素特征峰的影响。 采集被保鲜膜覆盖的黄瓜的拉曼信号并处理, 即可建立叶绿素的特征峰(1 158和1 528 cm-1)减少值与保鲜膜层数之间的变化规律, 并对规律的预测效果进行评价。 随着保鲜膜层数的增加, 透明包装层数与黄瓜叶绿素特征峰强度之间呈现良好的线性相关关系。 提取出单层透明包装对叶绿素在1 158和1 528 cm-1处特征峰强度的降低值分别为81.4和103.1, 分别占未加保鲜膜时叶绿素特征峰强度值的7.98%和8.56%, 多组验证结果的相关系数达到0.95以上, 验证的相关系数达到0.94。 随着样品浓度增高, 线性递减效果越明显。 作为验证, 通过透明保鲜膜检测菠菜、 油菜和芹菜叶片中的叶绿素表明, 每加一层膜叶绿素在1 158和1 528 cm-1处的特征峰强度会比覆膜前分别降低7.9%～8.6%和8.1%～8.6%; 导致检测信号强度呈线性降低是由于保鲜膜使激发光分散不聚焦导致, 保鲜膜成分对检测结果无影响。 该研究为拉曼光谱隔透明包装检测拉曼光谱特征峰强度, 进而获得农产品品质信息提供了一种新的分析方法。