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。

为实现苹果可溶性固形物的便携式快速检测, 搭建了以STS光谱仪和自制样品杯作为光谱检测装置的苹果可溶性固形物便携式检测平台。 采用自行设计的检测平台采集了苹果的近红外漫反射光谱, 对比分析了不同的光照角度、 光源与探头距离对光谱响应特性的影响, 建立了苹果可溶性固形物偏最小二乘模型(PLS)和最小二乘支持向量机模型(LS-SVM), 采用连续投影算法及主成分分分析法对最小二乘支持向量机模型进行了优化, 并对比分析了两种检测模型的优劣。 其中当光源距探头距离为15 mm光源角度为45°时, 结合偏最小二乘法建立苹果的可溶性固形物定量检测模型精度最高。 模型的预测集相关系数为0.924, 预测均方根误差为0.334%。 实验结果表明, 采用四周照射、 底部接收并结合避光圈的这种结构布置能够有效的克服杂散光现象并且提高了光谱中的有效信息。 研究可为快速、 便携的苹果可溶性固形物检测仪器的设计提供参考依据和理论支撑。

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。

表面损伤和可溶性固形物是丰水梨品质的重要指标, 为降低丰水梨的在线分选伤果率, 探索丰水梨可溶性固形物套网分选的可行性。 在运动速度5个·s-1、 积分时间80 ms的条件下, 采集350~1 150 nm范围内的丰水梨套网前后的近红外漫透射光谱。 对比分析了丰水梨套网前后的光谱特征差异, 套网检测的光谱有效信息降低。 为提高套网检测光谱的有效信息, 利用多项式拟合的方法剥离网套光谱。 并采用丰水梨套网前后、 多项式拟合剥离网套光谱后的光谱建立可溶性固形物在线检测模型。 对所建立的模型进行对比分析, 其中采用二次多项式拟合剥离后的光谱建模效果最佳, 建模集均方根误差为0.328°Brix, 相关系数为0.95, 最终实现了丰水梨可溶性固形物的套网在线检测。 采用未参与建模的36个样品进行在线分选准确性评价, 分选准确性为94.4%。 试验结果表明, 研究可为含水量高、 易碰伤、 易擦伤的水果提供在线分选策略及理论依据。

采用可见/近红外光谱技术在线检测水果糖度, 每个水果品种要单独建模, 模型升级维护耗时费力。 探讨建立苹果、 梨等薄皮水果可溶性固形物(SSC)在线检测通用数学模型的可行性。 利用自行设计的可见/近红外漫透射光谱在线检测系统, 在积分时间80 ms、 单线速度5个/s的条件下, 采集新梨7号、 砀山酥梨、 玉露香梨和富士苹果四种水果的可见/近红外漫透射光谱。 分析了四种水果的可见/近红外漫透射光谱响应特性, 采用变异系数法和连续投影算法, 筛选通用数学模型建模用光谱变量, 并建立了偏最小二乘和最小二乘支持向量机梨与苹果梨通用数学模型。 采用新样品评价模型的预测能力, 变异系数法筛选光谱波段建立的偏最小二乘通用数学模型预测精度最高, 通用模型预测梨和苹果梨模型预测均方根误差分别为049%和055%, 通用模型预测相关系数分别为088和093； 独立模型预测新梨7号、 玉露香梨、 砀山酥梨和富士苹果的预测相关系数分别为093, 091, 088和095, 预测均方根误差分别为040%, 042%, 041%和046%。 通用数学模型的预测精度略低于每个品种的独立数学模型, 但是通用模型的通用性高于单一模型。 实验结果说明采用变异系数法结合偏最小二乘法建立薄皮水果在线检测通用数学模型, 实现四种水果糖度在线检测是可行的。Mathematical Model