为了证实以近红外漫透射光谱技术结合化学计量学方法能有效实现西红柿成熟度的检测, 采用美国海洋光学公司的QE65000光谱仪取得了西红柿的漫透射光谱数据, 采用日本柯尼卡美能达CR-10反射式色差计取得了亮度、红绿色相、黄蓝色相和总色差颜色数据;通过标准数学建模方法建立了颜色模型, 并通过偏最小二乘回归校正算法建立了近红外光谱模型。结果表明, 两组模型都是以红绿色相指标建模时效果最佳, 在99个未知样品数据中, 预测模型的颜色模型误判情况分别为未成熟0%、半成熟33.33%、成熟0%; 而近红外预测模型的误判情况分别为未成熟32.14%、半成熟50%、成熟0%。该研究验证了近红外光谱技术对西红柿成熟度进行无损检测的可行性, 这对实现西红柿的快速、批量分选具有一定的实际意义。

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。

为了满足果蔬品质快速安全无损检测, 基于可见-近红外漫透射原理, 设计了番茄专用环形光源, 自行搭建了番茄可见-近红外漫透射多品质检测系统, 并以可溶性固形物含量(SSC)和总糖(TS)作为内部品质指标, 对58个番茄样品进行了快速无损检测研究。 基于自主搭建的系统对每个番茄进行四点的光谱采集, 对平均后的光谱分别用15点SG卷积平滑(SG-Smooth)、 标准正态变量变换(SNV)、 多元散射校正(MSC)、 一阶导数(FD)等方法进行了预处理, 分别建立了SSC及TS的偏最小二乘预测模型, 并对该模型进行了验证。 结果表明: 采用15点SG平滑预处理后的SSC预测模型校正集和预测集相关系数分别为0.995 6和0.976 0, 均方根误差分别为0.052 4°Brix和0.082 3°Brix。 采用SG平滑后一阶导数预处理的TS预测模型校正集和预测集相关系数分别为0.969 1和0.972 9, 均方根误差分别为0.423 8%和0.454 9%。 模型验证结果显示, 番茄SSC和TS模型预测结果与标准理化值相关系数分别为0.985 5和0.944 9, 均方根误差分别为0.066 3°Brix和0.571 5%。 利用自行搭建的可见-近红外漫透射光谱检测系统完全可以实现番茄可溶性固形物及总糖含量的快速无损预测, 为番茄内部品质的评价提供了实时、 无损、 快速的检测方法, 为其在线分级提供理论基础。

哈夫单位、蛋黄指数和失重率是评价鸡蛋新鲜度的重要指标。通过采集反映鸡蛋内部品质的近红外（550~985 nm）透射光谱对其进行了无损、快速定量分析。通过Savitzky-Golay光谱平滑方法和一阶微分对光谱进行预处理，采用联合区间偏最小二乘法（SI-PLS）选取合适的光谱或波长区间进行建模；并将选取的特征变量通过主成分分析，获取光谱的有效信息作为反向传播人工神经网络（BP-ANN）的输入变量进行非线性建模。比较两种模型的预测效果发现SI-PLS模型的性能优于BP-ANN模型。实验结果表明：应用近红外透射光谱评价鸡蛋的新鲜度是可行的。