成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测 (1)

《成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测 (1)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2012中国农业机械学会国际学术年会论文集[11]外光谱PLS分析模型。朱伟兴等结合区间偏最小二型数字式糖度计（ATAGO，Japan）测定梨果汁的可溶乘法与遗传算法（iPLS-GA）建立了梨可溶性固形物含性固形物含量。量的预测模型，预测模型相关系数和预测均方根误差分别为0.9398和0.3250，指出该预测结果可基本满足实际检测要求。国外在应用近红外技术研究梨内部品[12~14]质的无损检测方法上也取得了一些研究成果。现有应用NIRs技术进行梨品质检测的研究对象主要是采收后完熟的果实，而关于成熟期梨品质指标的近红外无损检测方面的研究少有报道。为

2、此，本文利用近红外漫反射光谱技术，以成熟期的砀山酥梨为对象，选取可溶性固形物含量作为内部品质评价指标，-1在12000～4000cm光谱范围内，综合比较6种光谱-1图112000～4000cm波长范围内175个梨样本近红外预处理方法和3种定量校正方法对建模效果的影响，漫反射原始光谱以期检验近红外光谱技术在高效、无损检测成熟期水Fig.1OriginalNIRsof175pearsamplesintherangeof果内部品质上的可行性，并为成熟期水果的无损、实-112000~4000cm时检测提供技术参考。1.2.4近红外数据处理与分析1材料与方

3、法采用SAS（version8.2,SASInstituteInc.,USA）和定量分析软件Unscrambler（version9.8，CAMO，1.1试验材料Norway）进行标准参考数据与光谱数据的处理与分析。供试砀山酥梨样品于试验前一天下午采自于陕西以校正集样品的校正相关系数（Rc）和校正均方根误杨凌杨家乡马家底村一果园。自2010年8月5日开始差（RMSEC）以及预测集样品的预测相关系数（Rp）采样到完全成熟，每2周采摘一次，共采摘5次，历和预测均方根误差（RMSEP）作为评价模型性能的指时57天，每次采摘样品不少于35个，选取无虫蛀、

4、标。所建模型的Rc和Rp越高，RMSEC和RMSEP越[15]无损伤样品为试验材料，共测试样品175个。小，则模型效果越好。其中，RMSEC和RMSEP定义如下：1.2试验方法1nc1.2.1样品预处理2RMSEC=∑()yˆ−y（1）iinci=1样品运于实验室后，去除套袋，擦干净表面后标号、称重、测量直径并去除果梗（避免造成样品间的np碰撞损伤），后置于24±2℃的室温下待第二天测试用。12RMSEP=∑()yˆ−y（2）ii1.2.2光谱采集npi=1利用德国BRUKER公司的MPA型傅立叶变换近式中：nc—校正集中的样品数；红外光谱仪采集

5、梨样品的近红外漫反射光谱。采集条np—预测集中的样品数；件：室温（24±2℃），以仪器内置背景为参比；摄谱部)y—校正集中第i个样品的预测值；i位：果实赤道上均匀分布且无缺陷的3点，测点之间y—预测集中第i个样品的测量值。i间隔120°，取三点平均光谱为样品光谱；扫描范围：-112000～4000cm（833~2500nm）；扫描次数：32次；2结果与分析-1分辨率：8cm；探头视场角：90°；扫描时光纤探头2.1校正样本集的划分与梨果皮直接接触。光谱数据由OPUS（version5.5，BrukerOptics，Germany）软件进行采集和转

6、换。在首先利用175个初始样品的可溶性固形物含量实12000～4000cm-1波长范围内175个梨样品的近红外测值与光谱数据建立PLS交互验证模型，结合学生化漫反射原始光谱如图1所示。残差图、真实值和预测值的回归图。剔除学生化残差绝对值较大且明显远离回归线的6个异常样本，以保1.2.3可溶性固形物含量的测定证模型具有很好的代表性和适用性。再根据浓度梯度梨样品经光谱扫描后，去除果皮和果核，利用家法按照4：1比例将样品集划分为校正集和预测集，经用压蒜器榨汁，果汁经三层医用纱布过滤于三角瓶中，划分后的校正集样品135个，预测集样品34个。样品测试时振荡

7、均匀，采用测量精度为±0.1%的PR-101α13-142012中国农业机械学会国际学术年会论文集集样本可溶性固形物含量的测定结果见表1，根据统计预测标准偏差较低。结果可以看出样品可溶性固形物含量分布范围较宽，具有较好代表性，预测集样品信息被校正集集所充分2.3最佳定标模型的确定涵盖。选取适合实际要求的定量校正方法对于定标模型的建表1校正集和预测集梨可溶性固形物含量的测量结果立非常关键。为比较不同校正方法对成熟期梨可溶性Tab.1MeasuredSSCvaluesinthecalibrationand固形物含量模型的影响，分别采用PLS、多元线性

8、回predictionsets归（MLR）与主成分回归（PCR）三种校正方法对成可溶性固形物含量/%样本样本数熟期校正集样品的MSC处理