为了降低贡梨自身尺寸差异造成其可溶性固形物含量预测模型的精度不高问题,采用近红外漫反射光谱技术和偏最小二乘回归算法,建立近红外光谱模型和尺寸通用模型,进行了理论分析和实验验证,取得了小果、中果、大果3个尺寸等级的局部尺寸模型和尺寸通用模型,预测了不同尺寸等级贡梨可溶性固形物含量的数据。结果表明,局部尺寸模型预测自身等级的贡梨可溶性固形物含量的效果好,预测其它等级的效果差; 通用模型预测小果、中果、大果的预测相关系数分别为0.892、0.937、0.889,预测均方根误差分别为0.524 、0.417、0.551,通用模型无论预测哪一个尺寸等级的贡梨都有较好的结果。尺寸通用模型能够减小尺寸差异带来的不良影响,适用于检测不同尺寸等级的贡梨可溶性固形物含量。

我国人口基数大, 农产品和食品的需求量多。 农产品和食品的质量与安全与人们的日常生活息息相关。 如何实现使用无损、 快速、 环境友好型、 高通量的检测方法对农产品和食品的品质进行检测, 是当代社会的发展需要。 传统的检测分析方法存在着耗时耗力、 检测的样品不能再次出售、 产生次品漏检的现象等缺点。 近红外光谱分析技术作为一种快速无损的检测手段, 逐渐被一些学者以及相关行业人员所重视。 然而, 近红外光谱分析方法大多数只针对于单一物料建立数学模型。 对于数量庞大且种类众多的农产品和食品而言, 如不同地域、 不同年份、 不同温度、 不同加工方法、 不同成分组成甚至是不同品种, 这种相对传统的近红外分析方法无疑会增加建模的工作量。 随着计算机技术、 光谱仪硬件、 化学计量学以及互联网技术的发展, 相关学者已经开始着手于近红外光谱通用模型的研究与开发来解决这一问题, 即建立一个近红外通用模型, 能够对多种物料的同一指标或多种指标进行检测。 相比于传统的近红外光谱模型, 通用模型具有建模成本低、 工作量小等优点, 特别使近红外光谱技术在农产品和食品领域中应用以及推广方面具有重要的意义。 针对近红外光谱通用模型在农产品和食品检测中的研究进行综述, 通过比较传统模型建模方法与通用模型建模方法, 分别就建立通用模型过程中样品信息的获取、 模型的建立以及样品信息的预测三大建模步骤中使用的方法进行总结, 并归纳了近红外光谱通用模型在建模步骤中的要点。 近红外光谱通用型模型在农产品以及食品品质检测方面的研究尚处于发展阶段。 也提出对于通用模型开发与研究的一些建议, 并就近红外光谱通用模型预测方法在检测领域的发展趋势进行了进一步展望。

过氧化值的快速、 准确检测对食用油脂的品质及其食品安全控制具有重要意义。 近红外光谱技术是一种理想的过氧化值测量手段, 但校正模型的建立需要耗费大量的资源。 旨在通过近红外光谱信息与油脂过氧化物间的关系分析, 探索对不同种类、 不同等级植物油建立同一校正模型的可行性, 以不同等级的大豆油和菜籽油为研究对象, 结合二维相关光谱技术对两种植物油的近红外光谱进行分析, 通过间隔偏最小二乘法选择过氧化值通用模型的最佳检测波段, 考察了正交信号校正(OSC)、 标准正态变量变换(SNV)和二阶导数(SD)对两种植物油过氧化值校正模型的影响, 比较了主成分回归(PCR)、 偏最小二乘法(PLS)和支持向量机回归(SVR)三种建模方法的预测效果, 构建了大豆油(一级+三级)、 菜籽油(一级+三级+四级)、 一级油(大豆油+菜籽油)、 三级油(大豆油+菜籽油)四种通用模型。 结果显示: (1)近红外光谱能够检测植物油过氧化值的变化情况, 对应的光谱信息主要分布于1 700~2 200 nm区域; (2)通用模型最佳的波段、 预处理方法和建模方法分别为1 700~2 200 nm、 SD法和PLS法; (3)四种通用模型中一级植物油(大豆油和菜籽油)的过氧化值通用模型具有较好预测结果, 其预测均方根误差(RMSEP)、 决定系数(R2)分别为0.412和0.920, 与一级的大豆油和菜籽油单一模型相比, 预测精度相差不大。 研究表明生产工艺过程相差不大的一级植物油间有可能建立准确性高的通用模型。 此外, 为了扩展通用模型的性能, 需要不断用新产品对模型进行及时更新。

由于果实内部细胞结构、 组成成分和光学传输特性的不同, 品种差异会对近红外建模分析果实内部品质时产生较大的影响, 以致原有模型无法高精度地预测果实品质参数。 探讨开发不同品种近红外通用模型用于在线检测苹果内部品质的可行性。 采用水果动态在线分选设备, 设置运行参数为: 积分时间100 ms, 运动速度5 s-1, 采集包括冰糖心, 红富士及水晶富士三个品种苹果的近红外漫透射光谱。 分析了三个品种近红外漫透射光谱的响应特征, 其光谱曲线走势基本一致, 在650, 709和810 nm附近存在突出吸收峰, 而在670, 750与830 nm附近存在波谷, 其差异主要表现为光谱吸收强度的差异。 采用多元散射校正, Savitzky-Golay卷积平滑及归一化处理方法, 减少了不同品种引起的光谱信息差异。 混合三个品种各校正集样本, 采用偏最小二乘回归算法建立了不同品种糖度的通用模型, 并利用无信息变量消除法（UVE）对建模变量进行筛选, 最终得到的有效变量个数为155。 所建立的UVE-PLS模型对验证集的决定系数, 均方根误差以及残留预测偏差分别为0.80, 0.61%与2.21。 在UVE筛选变量的基础上, 采用连续投影算法再对建模变量进行选择, 最终选出的变量个数为22。 采用多元线性回归（MLR）方法建立了简化后的通用模型, 对验证集的决定系数与均方根误差分别为0.78与0.64%。 测试集用于评估最佳的不同品种糖度通用模型的实际性能, 模型对每个品种测试集的潜变量数, 决定系数与均方根误差分别为6~10, 0.77~0.79与0.45~0.75%。 结果表明水果动态在线分选设备对不同品种苹果内部品质检测的潜力。 通过建立通用模型, 扩大了单一品种模型的预测范围, 提高了模型在不同品种间的预测稳健性。 并且采用合适的变量选择方法能够减少模型变量个数, 降低模型复杂程度, 并最终提高模型速率。 开发不同品种水果内部品质通用模型在波长有限的近红外光谱设备中具有良好的潜在应用。

为了建立醇类汽油定性定量分析判别的通用模型,采用WQF-510A傅里叶变换红外光谱仪与OPUS光谱采集软件获得甲醇汽油、乙醇汽油的中红外光谱。利用主成分(PC)分析和偏最小二乘(PLS)判别法对醇类汽油样品进行定性判别；通过无信息变量消除进行波段筛选,并基于无信息变量消除-偏最小二乘（UVE-PLS）和无信息变量消除-最小二乘支持向量机（UVE-LSSVM）两种方法分别建立醇类汽油的通用模型后用数据进行评价检验。结果表明,利用PC和DPLS对醇类汽油样品定性判别准确率达到100%；基于UVE-LSSVM方法建立的通用模型效果最好,决定系数和预测集均方根误差分别为0.945和2.187。该研究表明醇类汽油定性定量分析判别通用模型是可行的,该模型可以作为醇类汽油醇含量检测的技术参考和理论依据。

采用可见/近红外光谱技术在线检测水果糖度, 每个水果品种要单独建模, 模型升级维护耗时费力。 探讨建立苹果、 梨等薄皮水果可溶性固形物(SSC)在线检测通用数学模型的可行性。 利用自行设计的可见/近红外漫透射光谱在线检测系统, 在积分时间80 ms、 单线速度5个/s的条件下, 采集新梨7号、 砀山酥梨、 玉露香梨和富士苹果四种水果的可见/近红外漫透射光谱。 分析了四种水果的可见/近红外漫透射光谱响应特性, 采用变异系数法和连续投影算法, 筛选通用数学模型建模用光谱变量, 并建立了偏最小二乘和最小二乘支持向量机梨与苹果梨通用数学模型。 采用新样品评价模型的预测能力, 变异系数法筛选光谱波段建立的偏最小二乘通用数学模型预测精度最高, 通用模型预测梨和苹果梨模型预测均方根误差分别为049%和055%, 通用模型预测相关系数分别为088和093； 独立模型预测新梨7号、 玉露香梨、 砀山酥梨和富士苹果的预测相关系数分别为093, 091, 088和095, 预测均方根误差分别为040%, 042%, 041%和046%。 通用数学模型的预测精度略低于每个品种的独立数学模型, 但是通用模型的通用性高于单一模型。 实验结果说明采用变异系数法结合偏最小二乘法建立薄皮水果在线检测通用数学模型, 实现四种水果糖度在线检测是可行的。Mathematical Model