基于光谱技术的芒果糖度酸度无损检测方法研究.pdfVIP

第28卷，第12期 光谱学与光谱分析 200 and December，2008 8年12月 Spectroscopy Analysis Spectral 基于光谱技术的芒果糖度酸度无损检测方法研究 虞佳佳，何勇，鲍一丹。 浙江大学生物系统工程与食品科学学院，浙江杭州310029 摘要提出了一种用近红外光谱技术结合遗传算法和人工神经网络模型的芒果糖度酸度快速元损检测的 新方法。首先用偏最小二乘法计算芒果糖度酸度光谱数据的主成分得分值，以此获取芒果的近红外指纹图 谱，再结合遗传算法优化人工神经网络技术(G心BP)进行检测。PLS分析表明，主因子选取18时对糖度具 有较好的聚类作用，而主因子数17个时对酸度的聚类效果好。选取最佳主因子作为芒果糖度酸度的神经网 络的输入，建立三层G～BP人工神经网络模型。用135个芒果样本的糖度酸度用来建立遗传算法优化神经 网络的芒果糖度酸度检测模型，对未知的45个芒果样本进行糖度酸度的预测。结果表明，提出的遗传算法 和人工神经网络模型相结合的光谱分析方法具有很好的预测能力，为芒果糖度酸度检测方法提供了一种新 方法。 关键词可见／近红外光谱；芒果；偏最二乘法；遗传算法；人工神经网络 文献标识码：A 中图分类号：S123；TH744．1 DOI：10．3964／j．issrL1000-059312008)12—2839-04 型可以逼近任何连续的非线性曲线[1引。但是神经网络训练 引 言 过程中容易出现局部最优的状况[1引，并且存在网络拓扑结 构难以确定等问题。我们引入了自适应遗传算法[1朝优化拓 芒果为受欢迎的热带水果，不仅口感好，而且营养丰 扑网络的权阈值以防止训练陷入局部最优，从而提高了BP 富[1]。芒果的有机酸含量很高，特别是谷氨酸的含量高，有 网络学习效果和增强其预测能力。 利于机体的新陈代谢，对口渴咽干、消化不良、晕眩呕吐、 应用偏最小二乘法的主成分分析，可以在不丢失主要光 咳嗽痰多等病状有一定的食疗帮助。随着人们生活水平的日 谱信息的前提下选择为数较少的新变量来代替原来较多的变 益提高，对芒果分级和精深加工的需求也越来越高，因此研 量，解决了由于谱带的重叠而无法分析的困难。我们提出了 究一种简单、快速、非破坏性的芒果糖度酸度检测技术很有 应用偏最小二乘法(P15)和基于误差反向传播算法的多层前 必要。 馈神经网络相结合的方法，并通过遗传算法优化神经网络权 现代近红外光谱分析技术，可充分利用全谱段或多波长 阈值，建立了芒果的近红外光谱糖度酸度预测模型。 下的光谱数据进行定性或定量分析[2]。由于近红外光谱分析 技术具有速度快、效率高、成本低、测试重现性好、测量方 1材料与方法 便等特点，NIRS能够通过漫反射光纤方便地进行光谱的采 集，从而在远距离进行控制，整个操作过程简单[3]，已经被 1．1仪器设备 越来越多地应用于食品、石油化工、制药等领域。国内外很 用美国ASD(analyticalspectral Field 多学者利用近红外光谱技术检测了芒果苹果成熟度[4‘5]、鉴 Spec光谱仪，其光谱采样间隔(波段宽)1．5咖，测定 075 别杨梅品种[引、评价苹果质量[7]、咖啡品牌[81、橙汁成分‘91、范围325～1nln，扫描次数30次，探头视场角为20。。光 茶