基于近红外光谱技术分析的鲜食葡萄果实的无损检测与品质鉴定

《基于近红外光谱技术分析的鲜食葡萄果实的无损检测与品质鉴定》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、６６３１１０４：Ｓ．：３６分类号单位代码：学号：１３７２０６７０密级急歡怎逆Ａｆ学位论文基于近红外光谱技术分析的鲜食葡萄果实的无损检测与品质鉴定ｖ＊Ｎｏｎｄｅｓｔｒｕｃｔｉｅｄｅｔｅｃｔｉｏｎａｎｄｑｕａｌｉｔｉｄｅｎｔｉ行ｃａｔｉｏｎｏｆｆｔｅｓｈｙｒａｐｅｆｒｕｉｔｓｕｓｉｎＮＩＲＳｔｅｃｈｎｉｕｅｇｇｑ研巧生；蔡雪珍指导教航方从兵教授？合作指导教师：申请学位类别：农业推广硕±专化领域名称：屍艺研巧方向：园艺生理生态二０—五年六月

2、？ｆ独创性声明本人产明所呈的学位论文是本人在导师指导Ｋ进行的研究工作。和致谢的地方及取得的研究成果据我所知，除了文中特别加标注夕ｈ，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得安徽农业大学或其他教育机构的学位或证书而使用过的材料。与我＾同Ｘ作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：寒續＾签字日期：年品７日了学位论文版权使用授权书本学位论文作者完全了解安徽农业大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和电

3、子文件，允许论文被查阀和借隙。本人授权安徽农业大学可将学位论１＾、入有关数据库进行检索，可＝＾？采用影巧缩印文内容编的全部或部分、（或扫描等的学后适复制手段保存汇编学位论文保密位论文在解密。用本授秋）书ｔＩ之指导教名：师签方学位论文作巧签名＇＇签字；签日期年ｒ口曰期：年日月字月ｒｒ５／摘要中国是水果生产大国，果树资源丰富，栽培历史悠久；自1993年以来，我国水果产量和种植面积均一直稳居世界首位。近年来，尽管我国水果产量不断增加，但水果出口量仍然很小，其原因是水果商品化程度低、品质稍差且良莠混杂，导致在国际市场中竞争力弱。影

4、响我国水果商品化程度和竞争力的一个重要原因是果品采后处理技术的落后，尤其是我国水果分级能力弱，检测效率低。传统的水果品质鉴别和分级方法费时费力，易受到人为因素（如嗅觉、味觉、喜好）的干扰，且对果实内部的营养成分缺乏客观和理性的判别标准。而化学分析法需要对果品进行破碎后逐一检测，往往检测的样本数量有限，难以保证抽样的代表性，从而无法实现快速无损检测。现行的一些果品采后流水线检测和分级设备通常仅仅依据果实大小或重量进行粗略分级，且设备的专用性要求较高，利用率低下。因此，开发一种快速、高效、无损的果品检测技术，以满足果品大规模品质分析和分级处理的需要，提高果

5、品采后处理的标准化水平，是当前水果生产中亟待解决的问题。近年来，随着计算机技术的迅速发展和化学计量学方法应用的不断深入，近红外光谱成像技术因其具有检测速度快、效率高、成本低等多方面优点，被越来越多地应用于医药、化工、农业、食品等相关行业领域。目前，由于果品中内含物分布的不均一性，以及光谱分析数据处理方法带来的判别模型差异性和不稳定性，要求我们对基于近红外光谱技术分析的果品快速无损检测方法进行进一步优化。本研究以鲜食葡萄果实为试材，尝试采用近红外光谱技术与化学计量学方法相结合的方法，建立果实的快速无损检测和品质鉴定方法。试验首先选取建模样品，并按照一定比

6、例随机分为建模集和验证集；应用近红外光谱技术采集供试样品的原始光谱数据。采用多元散射校正（MSC）、导数、平滑等方法对原始光谱进行预处理，根据所测组分含量和光谱特征选取合适的光谱波长范围；再进一步利用偏最小二乘（partialleastsquare，PLS）法和判别分析（discriminantanalysis，DA）法，建立水果近红外光谱的定量模型和定性模型，用于水果样品中内含物的含量预测，以及不同葡萄品种、成熟度、病虫果实的区分和鉴定。本试验研究对于建立鲜食葡萄果实的快速无损检测和品质鉴定方法，提高水果的采后处理水平和商品化程度，推动葡萄栽培生产和

7、产业发展，都将具有十分重要的意义。本论文试验取得了以下主要结果：1、采用偏最小二乘法（PLS）建立了葡萄果实品质组分含量的混合指标定量分析模型，研究和分析了不同光谱预处理方法、光谱范围的选定对模型预测性能的影响。在此基础上，以夏黑、温克、巨峰二次果为样品建立了三个混合定量模型，对果实总酚、总糖、果糖、蔗糖、可溶性固形物5项品质指标进行了预测分析。结果表明，多I元散射校正（MSC）+一阶导数（1stderivative）+Norris平滑为适宜的近红外光谱数据的预处理方法，预测结果除少数指标的相关系数较低，在0.77~0.89之间，其余指标均在0.90以

8、上，均方根误差在0.022~1.41之间，表征模型预测结果良好。2、建立了葡萄果实14个样本集