可溶性固形物和碰伤是影响番茄品质的两个主要因素。 研究的目的是探索可见近红外漫透射光谱同时在线检测番茄碰伤和可溶性固形物的可行性。 在单通道送果速度5个每秒条件下, 采集番茄近红外漫透射光谱。 对比分析碰伤与正常番茄样品的近红外漫透射光谱特性, 结果表明, 碰伤与正常番茄样品的近红外漫透射光谱在光强上存在明显差异, 碰伤果光强要强于正常果, 其原因可能是碰伤后果肉变软, 透光性变强; 在650和675 nm处碰伤果比正常果要多两个吸收峰, 可能是碰伤后, 番茄表皮颜色发生变化所致。 选取贡献率占比最多的前三个主成数, 对正常果与碰伤果近红外漫透射光谱主成分定性分析, 正常果与碰伤果不能有效聚类, 故近红外漫透射光谱主成分定性分析效果不明显, 需选择建立高维近红外漫透射光谱定性判别模型。 故建立了碰伤番茄样品的近红外漫透射光谱偏最小二乘定性判别模型, 误判率为0%, 能正确判别碰伤果, 故选用碰伤番茄样品的近红外漫透射光谱偏最小二乘定性判别模型作为番茄碰伤果在线剔除分选模型。 通过对未参与建模的样品进行验证, 能正确识别出碰伤果。 经近红外漫透射光谱偏最小二乘定性判别模型剔除碰伤果后, 按照可溶性固形物指标进行分级。 分别使用全部波段和606～850 nm的波段进行建模预处理, 且对全部波段和606～850 nm波段光谱进行2阶导数预处理, 前后平滑设为9, 利用连续投影算法与遗传算法优选可溶性固形物的光谱建模变量, 对比发现, 利用未经算法筛选过的606～850 nm波段光谱变量进行建模, 效果最好, 建立了可溶性固形物在线检测模型, 预测集均方根误差为0.43 Brix°。 采用未参与建模的样品进行碰伤和可溶性固形物同时在线检测验证, 碰伤样品的分选准确率达96%, 可溶性固形物样品的分选准确率达91%。 表明: 番茄碰伤和可溶性固形物近红外漫透射光谱同时在线检测是可行的。

本文探索了基于光谱指数的蜜橘成熟度快速无损评价方法及模型。以2016年9~11月份6个不同采收期的300个蜜橘作为实验样品, 采集重量、横纵径、叶绿素、色差、可溶性固形物(SSC)、酸度(TA)、近红外光谱等数据。通过对比分析上述各参数的平均值和偏差, 筛选出叶绿素、叶绿素/SSC、叶绿素/固酸比作为蜜橘成熟度评价指标。利用光谱变异系数分析光谱的特征, 筛选出649、724、672、1 100 nm 4个特征波长, 通过特征波长线性组合方法以及相关性分析, 得出最佳光谱指数。接着, 以225个样品为建模集、75个样品为预测集, 在成熟度评价指标与光谱指数间进行多元线性回归(MLR)分析。对比发现, 以叶绿素为成熟度评价指标的评价模型的预测结果最准确, 建模和预测相关系数分别达到098和096, 建模均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为049和059, 建模和预测偏差分别为-61×10-8和-0014。实验结果表明, 利用光谱指数能便捷、准确地评定蜜橘成熟度, 为后续开发低成本测量成熟度的仪器提供了理论依据。

黄龙病是柑桔果树的毁灭性病害, 对柑桔产业危害巨大。 基于模型平均理论, 探讨联用可见与近红外光谱技术, 提高柑桔黄龙病快速无损检测精度的可行性。 采集记录柑桔叶片的可见与近红外光谱, 经实时荧光定量PCR鉴别黄龙病叶片为轻度、 中度和重度三类, 缺素和正常样品也经PCR鉴定, 共五类叶片。 基于光谱直接拼接、 光谱归一化拼接和模型平均三种不同策略, 结合偏最小二乘判别分析(PLS-DA)和多元线性回归(MLR)方法, 分别建立了柑桔黄龙病可见与近红外光谱联用无损检测模型。 经比较发现, 光谱联用模型的检测精度均高于可见或近红外单一检测模型, 且经导数处理后的光谱直接拼接PLS-DA模型检测精度最高, 模型预测相关系数为097, 预测均方根误差为067, 模型总误判率为3%, 其原因是导数消除了光谱的基线漂移。 光谱归一化拼接的PLS-DA模型检测精度次之, 模型总误判率为7%。 可见与近红外模型平均的检测精度最低, 模型总误判率为72%。 实验结果表明, 联用可见与近红外光谱, 结合光谱拼接方法, 提高了柑桔黄龙病无损检测模型的检测精度, 研究可为其他领域的光谱联用提供参考依据。

黄龙病危害柑橘果树日益严重, 对柑橘黄龙病进行快速检测研究具有重大意义。 采用拉曼光谱技术, 结合偏最小二乘判别分析(PLS-DA)方法探讨快速诊断柑橘黄龙病及病情类别的可行性。 获取柑橘叶片拉曼光谱并进行普通PCR鉴别分为轻度、 中度、 重度、 缺素和正常5类。 在715～1 639.5 cm-1范围内采用一阶导, 基线校正(Baseline)和多项式拟合三种方法扣除光谱背景, 突显叶片拉曼光谱特征峰。 多项式拟合方法分别进行了2次, 3次和4次拟合, 与一阶导和基线校正两种扣除背景方法进行比较, 结合最小二乘支持向量机(LS-SVM)和偏最小二乘判别分析(PLS-DA)建立判别模型。 经比较发现, 多项式拟合方法扣除光谱背景效果均好于另外两种方法, 其中用2次多项式拟合的PLS-DA模型的效果最好, 预测相关系数(RP)为0.98, 预测均方根误差(RMSEP)为0.67, 总误判率最小为0。 基线校正扣除光谱背景的LS-SVM模型效果最差, 总误判率最大为40%。 研究结果表明, 利用拉曼光谱技术对柑橘黄龙病进行快速识别研究具有一定的可行性, 为柑橘黄龙病无损检测研究提供一种新途径。

黄桃在线分级时, 表面损伤和可溶性固形物同时在线检测。 损伤和可溶性固形物是评价黄桃品质好坏的重要指标。 采用高光谱成像技术, 尝试对黄桃损伤和可溶性固形物进行同时检测。 利用主成分分析法, 首先对高光谱图像进行主成分分析得到最佳PC(principal component)图像, 其次根据PC图像中各波长对其贡献率的大小确定最佳特征波长(550和720 nm)并结合二值化, 图像掩膜和阈值分割以及相关的图像处理技术对最佳光谱图像进行定性判别。 其准确率最高达到94.6%, 同时建立偏最小二乘定量回归模型对正常样品SSC(soluble solid content)含量进行预测, 通过对模型的不断优化, 实现了基于高光谱成像技术对黄桃碰伤和可溶性固形物同时检测。 可溶性固形物分选准确率为79.2%。 实验结果表明, 利用高光谱成像技术可以实现对黄桃碰伤和可溶性固形物同时检测, 该研究可以为实际在线分选提供理论依据和参考。

应用高光谱成像技术, 结合峰值比判别法和偏最小二乘判别法, 探讨快速无损诊断正常、 缺素和黄龙病柑桔叶片的可行性。 在37428～1 01689 nm可见近红外光谱范围内, 采集了正常、 缺素和黄龙病柑桔叶片的高光谱数据。 以主叶脉为轴线, 两侧各选一个长约60像素、 宽约30像素的椭圆形感兴趣区域。 提取两个感兴趣区域的平均反射率光谱, 经相关分析, 筛选出50279和37428 nm一对特征波长, 建立了正常叶片的峰值比判别模型, 模型误判率为17%, 但该模型无法区分缺素和黄龙病叶片。 采用二阶导数结合平滑光谱预处理方法, 处理反射率光谱, 建立了缺素和黄龙病叶片偏最小二乘判别模型。 采用留一法交互验证确定最佳主成分因子数为17, 建模相关系数为096, 建模标准差为013, 模型对两类叶片分类正确率都达到了100%。 在此基础上, 提出了峰值比判别模型和偏最小二乘判别模型相结合的不同类别叶片二步快速诊断法。 采用未参与建模的正常、 缺素和黄龙病叶片各10片, 评价模型的分类能力, 模型分类正确率达到了967%。 实验结果表明: 应用高光谱成像技术, 结合由峰值比判别模型和偏最小二乘判别模型构成的二步判别法, 快速识别正常、 缺素和黄龙病柑桔叶片是可行的。