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。

鸭梨黑心病是鸭梨的主要生理病害, 直接影响鸭梨的出口创汇; 准确快速鉴别鸭梨黑心病对于梨的出口业具有重要现实意义。 探讨可见/近红外漫透射光谱在线检测鸭梨黑心病的可行性, 选取80个正常鸭梨和70个黑心鸭梨作为建模集, 建模集被分为校正集和预测集以求获得最优模型。 未参与建模的30个正常梨和20个黑心梨作为预测集, 用于评价模型的预测能力。 鸭梨的可见/近红外漫透射光谱, 在5个/秒的速度下采集。 建模集能量谱经标准正交变换(SNV)和多元散射校正(MSC)处理后, 分别建立健康梨和黑心梨的偏最小二乘判别模型(DPLS)、 峰面积判别模型(DPA)、 主成分判别模型(DPCA)。 用建模集模型判别预测集鸭梨, 经比较, DPLS模型的判别准确率最高, 黑心梨正确识别率达到100%。 实验结果表明: 可见/近红外漫透射光谱结合DPLS判别方法, 可以实现黑心鸭梨的在线检测。 相比传统的人工破损方法, 在线检测可为梨出口贸易提供技术支撑和科学参考依据。

讨论光源照射角度对近红外光谱检测苹果糖度模型的影响，得出最佳的光源照射方式。以苹果为研究对象，糖度为检测指标，2 盏100 W 卤素灯作为光源，从3 种不同光源照射角度(30°、45°、60°)照射放置于中间的苹果样品，得到漫透射光谱数据并建立偏最小二乘回归(PLS)模型。当光照角度为45°时，模型的精度最高，其校正集相关系数R_c=0.91，校正集均方根误差x_RMSEC=0.57，验证集相关系数R_p=0.84，验证集均方根误差x_RMSEC=0.73。不同的光照角度对模型精度有一定的影响，为建立实际模型时选择最佳的光照角度提供了可靠的依据。