基于近红外光谱检测番茄内部品质的研究

论文摘要

番茄不仅味道鲜美,营养丰富,而且还有一定的药用价值,是人们日常生活中较喜爱的果蔬之一。番茄中可溶性固形物、总糖、总酸等成分的含量给番茄的风味品质和口感带来很大影响,番茄中维生素C含量常作为鉴定其产品品质和耐贮性的一个重要指标。目前在番茄品质育种、营养评价、食品加工及贮运储藏上,迫切需要了解和掌握番茄中可溶性固形物、总糖、总酸、维生素C等成分的含量。传统化学分析方法,属于有损检测,而且还存在实验操作麻烦,费时费力,试验废弃物易污染环境等诸多不足。因此,探索基于近红外光谱技术快速、无损检测番茄内部品质具有重要的科学意义和实用价值。论文基于近红外光谱分析技术与小波分析理论,运用OPUS软件和MATLAB软件对番茄中可溶性固形物、总糖、总酸和维生素C含量的检测进行了研究。主要结论有:1.与原始光谱相比,平均光谱更有利于模型的建立;采用平均光谱做为校正模型预测的输入光谱可有效提高模型的预测精度。2.分析比较了10种常规预处理方法对番茄内部品质近红外PLS校正模型的影响,得出常数偏移消除是适合建立番茄可溶性固形物和总糖定量分析模型的光谱预处理方法;最大最小归一化是较适合建立番茄维生素C定量分析模型的光谱预处理方法;并建立了基于优化预处理方法和PLS的番茄内部品质检测的近红外定量分析模型。3.针对建立番茄VC的校正模型,应用小波分析对番茄光谱进行了消噪处理,对同一分解尺度下dbN小波基函数进行了优化研究,得出消噪效果最好的小波基函数是db9,并对同一小波基函数db9的不同分解尺度进行了优化,得出6尺度分解消噪的PLS校正模型最优,模型预测值和实测值的相关系数为0.897,内部交叉验证均方差为1.0700mg/100g,校正标准差为1.0800mg/100g,预测标准差为1.170mg/100g。4.探索了基于小波消噪和近红外光谱分析技术的番茄可溶性固形物、总糖、总酸和维生素C的检测研究,对不同波段范围内番茄营养成分模型进行对比分析,建立了在优化波段上的番茄内部品质无损检测的近红外定量分析模型。各模型的相关系数分别为0.958、0.930、0.875、0.897,内部交叉验证均方差分别为0.307%、0.466%、0.0360%、1.0700mg/100g,校正标准差分别为0.309%、0.469%、0.0363%、1.0800mg/100g,预测标准差分别为0.366%、0.255%、0.0386%、1.170mg/100g,所建立的定量分析模型预测精度高,稳定性好。5.分别比较了不同的光谱区域对番茄可溶性固形物、总糖、总酸和维生素C校正模型预测性能的影响。结果表明,不同的光谱区对各校正模型的预测精度的影响不显著。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究的目的和意义
• 1.2 研究的历史和现状
• 1.2.1 近红外光谱分析技术在番茄营养成分测定方面的研究现状
• 1.2.2 小波分析在红外光谱消噪方面的应用
• 1.3 研究内容及技术路线
• 1.3.1 研究内容
• 1.3.2 技术路线
• 2 近红外光谱分析与小波分析的理论基础
• 2.1 近红外光谱分析技术概述
• 2.1.1 近红外光谱分析技术中常用的化学计量学方法
• 2.1.2 近红外光谱定量分析模型评价参数
• 2.2 小波分析理论基础
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 小波反变换的定义及小波变换算法
• 2.2.4 小波消噪原理
• 3 材料与方法
• 3.1 试样
• 3.2 主要仪器
• 3.3 化学分析方法
• 3.3.1 番茄可溶性固形物含量的测定
• 3.3.2 番茄总糖含量的测定
• 3.3.3 番茄总酸含量的测定
• 3.3.4 番茄维生素C含量的测定
• 3.4 近红外光谱分析方法
• 3.4.1 光谱预处理方法
• 3.4.2 定量校正方法
• 4 结果与分析
• 4.1 试验数据及处理
• 4.2 原始光谱与平均光谱对PLS校正模型及其预测性能的影响
• 4.3 基于PLS的番茄可溶性固形物含量的检测研究
• 4.3.1 光谱预处理对番茄SSC校正模型的影响
• 4.3.2 校正模型的建立
• 4.3.3 校正模型的检验
• 4.3.4 小结
• 4.4 基于PLS的番茄总糖含量的检测研究
• 4.4.1 光谱预处理对番茄TS校正模型的影响
• 4.4.2 校正模型的建立
• 4.4.3 校正模型的检验
• 4.4.4 小结
• 4.5 基于PLS的番茄总酸含量的检测研究
• 4.5.1 光谱预处理对番茄TA校正模型的影响
• 4.5.2 校正模型的建立
• 4.5.3 校正模型的检验
• 4.5.4 小结
• 4.6 基于PLS的番茄维生素C含量的检测研究
• 4.6.1 光谱预处理对番茄VC校正模型的影响
• 4.6.2 校正模型的建立
• 4.6.3 校正模型的检验
• 4.6.4 小结
• 4.7 基于小波消噪和PLS的番茄维生素C含量的检测研究
• 4.7.1 光谱小波消噪的PLS-RMSECV比较
• 4.7.2 光谱区的优选
• 4.7.3 校正模型的建立
• 4.7.4 校正模型的检验
• 4.7.5 小结
• 4.8 基于小波消噪和PLS的番茄SSC含量的检测研究
• 4.8.1 光谱区的优选
• 4.8.2 校正模型的建立
• 4.8.3 校正模型的检验
• 4.8.4 小结
• 4.9 基于小波消噪和PLS的番茄总糖含量的检测研究
• 4.9.1 光谱区的优选
• 4.9.2 校正模型的建立
• 4.9.3 校正模型的检验
• 4.9.4 小结
• 4.10 基于小波消噪和PLS的番茄总酸含量的检测研究
• 4.10.1 光谱区的优选
• 4.10.2 校正模型的建立
• 4.10.3 校正模型的检验
• 4.10.4 小结
• 4.11 不同光谱区域对校正模型预测性能的影响
• 4.12 小结
• 5 结论与讨论
• 5.1 结论
• 5.2 讨论
• 参考文献
• 致谢
• 硕士研究生在读期间发表的论文