研究旨在明确“赤霞珠（Cabernet Sauvignon, Vitis Vinifera L.）”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化, 构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型, 为葡萄园病害防治与管理提供理论参考和技术支持。 以酿酒葡萄“赤霞珠”葡萄叶片为研究对象, 分别采集了正常、 缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。 对比Savitzky-Golay卷积平滑（S-G Smoothing）、 移动平均平滑（MAS）、 标准正态变换（SNV）和多元散射校正（MSC）4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力, 确定最佳预处理方法。 采用连续投影法（SPA）筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量, 分别构建基于线性核函数（Linear）、 多项式核函数（Poly）、 径向基核函数（RBF）和二层神经网络核函数（Sigmoid）的支持向量机（SVM）模型, 以灵敏度（SEN）和准确率（CCR）为依据评估模型诊断性能, 形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。 S-G Smoothing预处理后的光谱信号的信噪比为110.58, 以其为校正集构建的缺磷胁迫诊断模型最佳, 因此确定其为最佳的预处理方法。 采用主成分分析（PCA）计算样本光谱贡献率, 以95%置信空间为依据检测数据集中的异常样本, 最终发现并剔除了22的离群点。 通过SPA筛选出402.6、 404.6、 409、 411.5、 539.4、 691.9、 729.9、 838.7、 1 011.9、 1 017.5和1 020.5 nm等11个反映“赤霞珠”葡萄叶缺磷胁迫的光谱特征波段, 作为缺磷胁迫快速无损诊断模型的输入变量。 通过对比分析上述4种核函数SVM的诊断结果, 以Linear为核函数构建的“赤霞珠”葡萄叶缺磷胁迫诊断模型能力最佳, 对正常叶片诊断的SEN为81.08%, CCR为100%; 对缺磷胁迫早期叶片诊断的SEN为100%, CCR为84.78%; 对缺磷胁迫末期叶片诊断的SEN为100%, CCR为100%。 该研究建立了基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法, 能够满足葡萄园病害防治与智能化管理的生产需求, 为酿酒葡萄智慧农业发展提供了技术参考。

葡萄营养物质丰富且具有食疗功效, 是消费者青睐的水果之一。 葡萄在生长、 采摘和贮藏过程中易受到损害而品质下降, 从而严重影响消费者的购买欲望和葡萄的销售价格, 因此检测葡萄品质对于提高葡萄商业价值具有至关重要的作用。 传统的检测方法具有破坏样品、 耗时耗力、 成本高等缺点, 而以机器视觉技术、 近红外光谱技术和高光谱成像技术为主要检测手段的无损检测方法, 因其无损、 快速、 准确的优势而发展迅速, 形成了比较完善的方法体系, 目前在葡萄内外部品质检测中得到广泛的应用。 综述了利用机器视觉、 近红外光谱和高光谱成像技术对葡萄外部品质（果粒大小、 表面颜色和果穗尺寸）和内部品质（品种、 糖度、 可滴定酸、 花色苷、 总酚、 病害和农药残留等）的国内外最新研究进展, 总结分析了其在葡萄品质检测中存在的问题, 并对葡萄品质无损检测研究方向作了展望, 为葡萄品质无损检测技术的发展和相关研究人员的研究工作提供参考。

葡萄籽油掺假种类繁多, 手段隐蔽, 成为食品安全检测的重要难点之一, 为规范食用油市场, 提供一种方便、 可靠的葡萄籽油品质鉴别方法尤为重要。 针对色谱和质谱等传统品质分析方法的耗时、 试剂消耗大、 专业性强等不足, 以及实现无损分析的近红外光谱仪价格昂贵、 操作环境要求高等缺点, 研究设计一套低成本、 高准确度的可见/近红外光谱仪检测系统来实现葡萄籽油品质掺假鉴别。 首先, 依托USB6500-Pro探测器搭建可见/近红外光谱仪硬件平台, 并基于Qt设计一套简洁的人机交互界面, 用以实现光谱数据的采集、 处理以及葡萄籽油掺假鉴别结果的显示； 其次, 针对硬件和检测环境带来的光谱噪声, 系统采用小波变换滤除噪声, 减小光谱失真； 最后, 考虑到现有的基于机器学习的品质鉴别模型往往依赖已知的油类训练样本集来实现对不同掺假类别油类的预测, 而利益驱使下层出不穷的掺假手段使得新的、 未出现在原训练集中的掺假类别样本不断涌现, 现有的品质鉴别方法将很难给出准确的判别结果。 因此, 研发的检测系统中设计一种能实现已知和新的掺假油品光谱的鉴别方法, 该方法分为分类和校正两步： 先用建模数据库中的训练集建立极限学习机(ELM)分类器模型, 实现初步掺假类别的分类； 然后再利用自动聚类算法对分类结果进一步校正。 若与校正数据集产生一个聚类中心, 则证明分类结果正确且属于建模数据库中的已知掺假类别； 若产生两个聚类中心, 则分类结果不正确, 样本为新掺假类别, 未出现在建模数据库中, 最终得到准确的掺假类别结果。 为检验系统性能, 用搭建的可见/近红外光谱仪硬件平台采集了纯葡萄籽油和掺入不同比例的大豆油、 玉米油、 葵花籽油和调和油的葡萄籽油的5类光谱数据, 每一类30组共计150组数据, 将得到的可见/近红外光谱数据先进行小波阈值法去噪和多元散射校正(MSC)预处理后输入到设计的检测系统中。 假定前4类作为建模数据库中的已知掺假类别以及第5类作为新掺假类别, 先利用K-S算法将已知掺假类别的每类样本划分成训练集20组和测试集10组, 用训练集共80组样本建立ELM分类模型, 将40组测试集输入到ELM实现初步判别, 判别结果再进一步聚类分析校正, 只有一个聚类中心, 说明了模型判别准确, 且对已知类别能够100%识别； 当30组新掺假类别样本输入到ELM模型时, 均判别成了纯葡萄籽油, 进一步聚类分析校正, 产生了两个聚类中心点, 说明ELM模型误判, 定性判定第5类为新掺假类别。 实验结果表明, 研发的葡萄籽油掺伪检测系统操作简单、 快速, 不仅对已知掺假类别能够100%识别, 而且对新掺假类别能够实现定性判别。

红提糖度是重要的内部品质衡量指标, 传统的检测方法均为破坏性生化检测, 本文基于高光谱成像技术, 提出了一种基于高光谱信息融合的红提糖度含量无损检测方法。采集并提取260个红提样本的光谱信息和图像信息, 对光谱信息分别利用SNV、S-G等光谱预处理方法建立PLSR模型, 确定最好的光谱预处理方法, 分别采用一次降维(GA、CARS、IRIV)算法和组合降维算法(CARS-SPA、IRIV-SPA、GA-SPA)共六种降维方法对光谱信息进行特征变量提取; 获取灰度共生矩阵的图像纹理信息, 结合图像的颜色信息(R、G、B、H、S、V、L、a、b), 组成19个图像特征参数, 采用PCA算法对图像信息进行降维, 分别建立基于降维处理后的光谱信息、图像信息以及两者融合的红提糖度线性预测模型PLSR、非线性预测模型LSSVM, 并对比分析模型的优劣。结果表明, 若只利用光谱信息建模, IRIV-SPA可有效地提取红提糖度光谱信息的特征波长, 提高模型的预测性能; 若只利用图像信息进行建模, 模型的预测性能不好, PCA降维有效地提高了模型的预测性能, 但提高的性能有限; 将IRIV-SPA特征波段提取后的光谱和经PCA降维后的图像信息进行融合, 分别建立PLSR和LSSVM模型, 红提糖度的最优PLSR模型的校正集和预测集相关系数分别为0.943, 0.941; 红提糖度的最优LSSVM模型的校正集和预测集相关系数分别为0.954, 0.952。LSSVM所建模型的效果好于PLSR所建模型, 但模型的运算时间较长。两种模型的精度均比单方面基于光谱或图像信息的模型都有较大的提高, 表明融合高光谱图像的光谱与图像信息不仅可以提高模型的运算速度、简化模型, 同时有效地提高了红提糖度预测性能, 为红提糖度的检测找到了一种新的方法。

红提的糖度和硬度是评价红提品质的重要指标,探究了基于高光谱成像技术的红提糖度和硬度的无损检测方法及最佳预测模型。在红提果粒的三种放置模式(横放、果柄侧朝下、果柄侧朝上)下,分别采集213个样本在400~1000 nm波长范围内的高光谱图像,对比分析光谱采集的最优模式;然后在最优采集模式下对光谱进行预处理;应用遗传算法(GA)、连续投影算法(SPA)、竞争性自适应重加权(CARS)算法和无信息变量消除法(UVE)针对原始光谱提取特征波长;结合化学计量学方法分别建立基于全光谱和特征波长的偏最小二乘回归(PLSR)、最小二乘支持向量机(LSSVM)和随机森林(RF)的红提糖度、硬度的无损预测模型。结果表明:基于RF建立的糖度和硬度模型的效果较优;预测糖度的最优模型为遗传算法优化的随机森林(GA-RF),其校正集相关系数(Rc)、预测集相关系数(Rp)分别为0.969、0.928,校正集均方根误差(RMSEC)、预测集均方根误差(RMSEP)分别为0.266、0.254;预测硬度的最优模型为基于移动窗口平滑结合连续投影算法优化的随机森林(MA-SPA-RF),其Rc、Rp分别为0.961、0.932,RMSEC、RMSEP分别2.119、1.634。研究结果表明基于高光谱成像技术预测红提的糖度和硬度是可行的。

前期的研究报道了红外光谱能够监测水果变质产生的挥发物质, 其方法是将挥发物收集在气室中, 利用多次反射的结构来增强光信号。 实验中, 我们使用开放光程傅里叶变换红外光谱法监测葡萄变质挥发物, 尝试了主动和被动两种测量模式。 根据红外光谱特征对葡萄品劣变过程中产生的挥发物进行了定性分析, 并在研究中测量了葡萄储藏期间挥发物质的红外光谱特征的强度变化, 并且根据这种变化规律建立了不同变质阶段的分类方法。 此外, 还尝试直接从原始光谱中分析挥发物质, 证明了挥发物在原始光谱上仍然具有明显的光谱特征。 这一研究证实了现场开放式傅里叶变换红外光谱法监测水果变质的可行性。 开放光程傅里叶变换红外光谱法所具有的灵活使用性和非接触式在线测量的优点, 使其有可能应用于大面积监测储藏中的水果变质问题, 并具有进一步定位劣变源的潜力。

水果内部品质影响着消费者的感官偏好, 直接决定消费者的购买倾向。 为此, 可见-近红外光谱技术检测巨峰葡萄内部品质以及感官偏好等级。 试验比较了漫反射、 透射两种光谱采集方式对葡萄内部品质的检测准确性, 结果表明透射光谱更能表征巨峰葡萄的内部品质信息, 偏最小二乘(PLS)模型对鲜食葡萄可溶性固形物、 总酸度的预测均方根误差分别为0.598%brix, 0.048 g·L-1。 将鲜食葡萄的透射光谱主成分信息与消费者的感官偏好等级之间建立非线性分类模型, 得到主成分法结合极限学习机(PCA-ELM)模型分类准确率最好, 为78.7%。 结果认为反映水果内部信息的光谱可用于消费者感官偏好的初步分类, 但其间关系还有待进一步研究。