基于近红外漫反射光谱法的水果内部品质快速检测方法.docxVIP

基于近红外漫反射光谱法的水果内部品质快速检测方法 随着工程技术的快速发展和化学计量方法的深入研究，近红外光谱技术在农产品质量评价领域得到了迅速发展。水果是重要的农产品。消费者在选择水果时非常重视它们的内部质量（如口感、糖度和硬度）。因此，利用水果的光学特性，对水果的内部质量进行了检测和分类，其研究成果应用于水果的后续加工和处理线中，具有广阔的市场应用前景。 近红外光技术是一种新的光谱技术,最近20多年来发展迅速,将其用于水果内部品质在线实时检测具有传统检测方法不可比拟的优点:1)它属于非破坏性检测,可保留水果完整外表而得其内在品质方法;2)检测速度快,不像传统化学分析法,需花大量时间来做复杂的样本的预处理和常规分析;3) 近红外吸收光谱包含了待测水果的所有成分吸收信息,因此可同时检测多种内部成分,不像传统分析法要一一进行分析. 本文基于近红外漫反射光谱分析技术,建立了用于水果内部品质的快速自动检测系统,并对248个雪青梨糖度和酸度的快速无损检测进行了试验研究,探讨了近红外漫反射光谱测试技术在水果内部品质无损检测中的应用前景. 1 试验原理和系统组成 1.1 水果内部品质谱分析流程一般应将其按近红外光谱特性进行区分,对于水果内部品质谱分析,并按照2. 水果中碳水化合物、糖分、淀粉及酸度等成分分子属于红外活性分子,当近红外光照射到水果中时,不同的水果内部成分对于不同波长的光学吸收和散射程度不同,而随着水果内部成分质量分数的不同,其内部光谱也将发生变化,利用这一特性,即可根据近红外光谱特征分析水果中的主要成分及其质量分数. 水果内部品质光谱检测基本流程见图1:首先收集具有代表性的样品(其组成及其变化范围接近于要分析的样品);然后采集样品的光谱数据,利用标准的化学方法对样品进行化学成分分析,通过数学方法将这些光谱数据和检测数据进行关联,一般将光谱数据进行转换(一阶或二阶导数),与化学测定值进行回归计算,得出定标方程,建立数学模型.在分析未知样品时,先对待测样品进行扫描,根据光谱值利用建立的模型可以计算出待测样品成分的质量分数. 1.2 自动检测系统的基本原理 本系统由5个部分组成,见图2,它们分别是:50 W石英卤素灯光源(Nicolet,美国)、迈克尔逊干涉仪、近红外漫反射光纤探头组件、铟镓砷检测器、数据采集卡和水果样品室等.光源发出的光通过干涉仪和聚焦透镜通过入射光纤照射到水果内部组织中发生漫射,从水果内部漫射出来的光通过由检测器输出的接收光纤进入铟镓砷检测器,检测器与计算机连接采用插入式数据采集卡,漫反射光谱信号通过数据采集卡存储于计算机内存中,并由Nicolet 公司OMINIC6.1光谱处理软件进行处理,最后在显示屏上实时地显示结果. 计算机选用了Pentium机,其主频256 Hz,内存128 Mbits.自动检测系统的主要技术参数:波长范围为800~2 500 nm,采样间隔为1.25 nm,光谱采集分辨率为2.5 nm,信噪比为 0.096,动镜速度为0.949 4 cm/s,光圈大小为32,参比材料为聚四氟乙烯标准块. 2 实验与分析 2.1 有效光谱的获取 利用以上近红外光谱自动检测系统进行光谱试验,可以得到质量较好的光谱图,图3为雪青梨品种的原始吸收光谱.从图中可知在976、1 180、 1 576和1 978 nm处具有明显的吸收峰.利用OMINIC6.1对原始吸收光谱进行一阶微分、二阶微分(D2log(1/R)和平滑处理S-G法则),从经过分析的雪青梨原始光谱和一、二阶微分光谱中,得出用于雪青梨检测的有效光谱范围在967~2 000 nm,有效光谱范围的选择为今后的水果内部品质检测光谱范围的有效选取提供了依据. 2.2 算法的原理和模型的构建 2.2.1 anm、cnl的关系矩阵的建立 偏最小二乘法(partial least squares,PLS)的基本算法是先对光谱矩阵作分解,将光谱矩阵A表示为主成分矩阵T与载荷矩阵P的乘积;同时也将浓度矩阵C表示为浓度主成分矩阵U与载荷矩阵Q的乘积;然后在U和T之间进行线性回归,建立浓度矩阵C与光谱矩阵A之间的关系. 设An×m为n个样品在m个波长上的光谱参数矩阵,Cn×l为n个样品l种成分质量分数构成的矩阵.将An×m和Cn×l分解为如下形式: An×m=Tn×hPh×m+En×m, (1) Cn×l=Un×hQh×l+Fn×l. (2) 式中:h称为样品的抽象组分数,Tn×h为光谱参数特征因子矩阵,Un×h为质量分数特征因子矩阵,Ph×m为光谱参数载荷矩阵,Qh×l为质量分数载荷矩阵,En×m和Fn×l分别为光谱参数矩阵的残差矩阵和浓度矩阵的残差矩阵.建立Tn×h与Un×h的关系矩阵B(浓度与光谱参数间的内部关系为 Un×h=Tn×h