茶叶是大众青睐的健康饮品之一, 但茶叶在机器采收和加工过程中, 容易混入茶梗和昆虫异物, 污染茶叶、 影响其质量安全, 是未来应防范和检测的重点。 X射线成像技术, 根据食品基质和异物的密度差实施检测, 广泛适用于金属异物并延伸至高密度塑料, 但对于茶梗、 昆虫这类低密度有机异物尚不适用, 所以迫切需要研发新型无损检测技术和方法。 针对片状茶叶重叠、 遮掩异物的问题, 提出了电磁振动上料辅助近红外光谱和荧光图像的检测方案, 进行绿茶中的内源性异物茶梗和外源性异物昆虫的在线检测研究。 通过电磁振动上料辅助近红外光谱和荧光成像系统, 采集了600～1 050 nm范围的近红外光谱600条和RGB-N四通道图像各65幅。 采用451条光谱进行建模, 其余149条光谱作为预测集, 评估模型的性能, 比较了去趋势(Detrending)、 多元散射校正(MSC)、 标准正态变换(SNV)、 变权重正态变换(VSN)、 迭代自适应加权惩罚最小二乘法(airPLS)、 不对称最小二乘法(ALS)、 光程估计与校正(OPLEC)等不同光谱预处理方法的处理效果, 其中OPLEC能较好地消除散射效应, 偏最小二乘判别分析(PLS-DA)模型的正确识别率由78%提高到85%。 结果表明, 近红外光谱结合OPLEC能够更加准确地检出茶叶中的茶梗和昆虫异物。 与近红外光谱的精确点测量相比, 图像提供了较大范围的检测手段。 对65幅蓝色(B通道)图像进行分析, 采用最大类间方差法进行阈值分割后, 对图像进行取反运算、 中值滤波、 连通区域标记和特征提取, 提取出长轴长、 短轴长、 长短轴比、 离心率四个特征变量, 采用267个感兴趣目标, 建立了线性判别分析(LDA)模型, 用未参与建模的88个感兴趣目标来评价模型的预测能力, 正确识别率达到了64%。 实验结果表明, 电磁振动上料辅助近红外光谱和荧光图像在线检测茶梗和昆虫异物具备可行性, 为食品中有机异物在线检测提供了低成本的解决方案。

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。

采用离子色谱法原理研制和开发尿碘自动分析仪,介绍仪器的原理、结构、应用.