核果类水果贮藏品质的近红外漫反射无损检测研究

摘要

本研究以核果类水果（桃、杏和李）为材料，研究各品质参数的近红外漫反射无损检测模型的建立方法，从数学建模算法、导数处理、散射处理及关键吸收波长等方面优化模型，探讨了测试部位、样品量及品种对模型适应性的影响，并且建立了核果类水果贮藏期间品质参数的无损检测模型。论文的主要研究结果如下:
　　 1.改进偏最小二乘法结合一阶导数处理建立可溶性固形物(SSC)、硬度和干物质近红外分析模型的定标效果最好，但采用不做去散射处理定标建模即可;对于可滴定酸(TA)和果胶，数学建模算法和导数处理效果并不明显。
　　 2.SSC关键吸收波长大多分布在短波近红外光谱区;桃TA关键波长为972、810nm处;桃杏硬度的关键波长在短波和长波近红外光谱区均有分布;干物质在短波和长波近红外区域均有吸收，分布范围较广;桃WSP关键波长在690、810 nm处，杏李WSP关键波长信息比较弱。但是直到现在相同参数建模的关键吸收波长范围的意见仍未述到一致。
　　 3.四个测试部位光谱混合所建模型的预测精度显著高于单独测试部位光谱模型。
　　 4.杏SSC和硬度定标建模最少样品量为100个果。
　　 5.对于杏SSC，混合品种模型的适应性更强;对于硬度和干物质(:)混合品种模型可从一定程度上降低品种对分析模型准确度的影响，但是并不能消除品种的差异。
　　 6.不同水果贮藏品质的预测结果:
　　 (1)对于SSC和干物质，杏采收模型对各贮藏阶段的预测结果均较好;桃杏李混合阶段模型对各贮藏时期样品的预测效果较好，均优于不同阶段的独立模型。
　　 (2)对于硬度，桃混合阶段模型对各时期样品的预测效果较好，均优于不同阶段的独立模型;杏混合阶段模型对各贮藏时期的样品可以实现快速分析;但是李子各阶段的定标效果相对较差。
　　 (3)对于TA和WSP，桃混合阶段模型对各时期样品可实现快速分析，但是杏和李预测模型的误差偏大，有待于进一步研究。

目录

摘要

英文缩略词

第一章 前言

1．1 立题依据及意义

1．2 近红外漫反射光谱检测技术

1．2．1 近红外漫反射的吸收原理

1．2．2 NIRS技术流程及特点

1．2．3 化学计量学方法

1．2．4 校正模型评价指标

1．3 近红外漫反射技术检测水果品质的的研究现状

1．3．1 近红外漫反射检测水果品质参数的研究概况

1．3．2 扫描波长的选择

1．3．3 模型精度的评价

1．3．4 数学建模算法的影响

1．3．5 国内外研究中存在的问题

1．4 研究目的与内容

1．4．1 研究目的

1．4．2 研究内容

1．4．3 技术路线

1．4．4 论文中主要创新点

第二章 可溶性固形物的无损检测

2．1 材料方法

2．1．1 材料

2．1．2 方法

2．1．3 数据分析

2．2 结果与分析

2．2．1 SSC化学分析结果

2．2．2 数学建模算法的选择

2．2．3 导数处理方法的选择

2．2．4 散射及标准化处理的选择

2．2．5 关键波长的选取

2．2．6 测试部位的影响

2．2．7 建模最少样品量的探讨

2．2．8 品种的影响

2．2．9 SSC分析模型预测评价

2．3 讨论

2．4 小结

第三章 可滴定酸的无损检测

3．1 材料方法

3．1．1 材料

3．1．2 方法

3．1．3 数据分析

3．2 结果与分析

3．2．1 TA化学分析结果

3．2．2 数学建模算法的选择

3．2．3 导数处理方法的选择

3．2．4 散射及标准化处理的选择

3．2．5 关键波长的选取

3．2．6 测试部位的影响

3．2．7 TA分析模型预测评价

3．3 讨论

3．4 小结

第四章 硬度的无损检测

4．1 材料方法

4．1．1 材料

4．1．2 方法

4．1．3 数据分析

4．2 结果与分析

4．2．1 硬度的物理分析结果

4．2．2 数学建模算法的选择

4．2．3 导数处理方法的选择

4．2．4 散射及标准化处理的选择

4．2．5 关键波长的选取

4．2．6 测试部位的影响

4．2．7 建模最少样品量的探讨

4．2．8 品种的影响

4．2．9 硬度分析模型预测评价

4．3 讨论

4．4 小结

第五章 水溶性果胶的无损检测

5．1 材料方法

5．1．1 材料

5．1．2 方法

5．1．3 数据分析

5．2 结果与分析

5．2．1 WSP化学分析结果

5．2．2 数学建模算法的选择

5．2．3 导数处理方法的选择

5．2．4 散射及标准化处理的选择

5．2．5 关键波长的选取

5．2．6 测试部位的影响

5．2．7 WSP分析模型预测评价

5．3 讨论

5．4 小结

第六章 干物质的无损检测

6．1 材料方法

6．1．1 材料

6．1．2 方法

6．1．3 数据分析

6．2 结果与分析

6．2．1 干物质的化学分析结果

6．2．2 数学建模算法的选择

6．2．3 导数处理方法的选择

6．2．4 散射及标准化处理的选择

6．2．5 关键波长的选取

6．2．6 测试部位的影响

6．2．7 品种的影响

6．2．8 干物质分析模型预测评价

6．3 讨论

6．4 小结

第七章 主要结论与展望

7．1 主要结论

7．2 研究中存在的问题

7．3 研究展望

参考文献

致谢

攻读硕士学位期间发表的论文

声明