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。

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。

应用近红外漫透射光谱检测技术对不知火杂柑的可溶性固形物(SSC)进行在线检测具有十分重要的意义。 研究变量筛选方法对不知火杂柑可溶性固形物在线检测模型的影响, 为实现其快速、 准确的在线检测分级奠定基础。 实验把形状不整、 内藏瓤瓣的不知火杂柑作为研究对象, 选取560~930 nm的光谱, 采用偏最小二乘法(PLS)建立不知火杂柑可溶性固形物的在线检测模型, 并讨论不同的光谱预处理方法(卷积平滑(S-G)、 一阶微分(1st derivatives)等), 不同的变量筛选方法(移动窗口偏最小二乘法MWPLS、 遗传算法GA、 连续投影SPA)对PLS所建预测模型性能的影响。 经对比, 多元散射校正(MSC)能有效地消除光散射的影响, 遗传算法能大大地降低了建模的波长点数, 缩短了建模时间, 改善模型预测精度。 其最优PLS模型的RP=0.956, RMSEP=0.380, RC=0.967, RMSEC=0.340。 实验表明在线检测不知火杂柑的可溶性固形物是完全可行的。

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。

鉴于我国玉米产量高，收购时急需高效、低成本的玉米成分鉴定技术及仪器。利用短波近红外漫透射测量原理，根据玉米成分的光谱吸收特性，选择波长为 800～1100 nm的近红外发光二极管作为光源，设计二极管阵列光路及测控模块，根据比尔定律，将光谱测量技术与化学计量学相结合，多元散射校正对测得数据进行前处理，偏最小二乘法（ PLS）无损检测玉米成分，对其中的水、蛋白质、淀粉和脂肪进行定性定量分析，与国家标准测量方法测得结果进行对比分析，误差均小于 0.5%。

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。