本文主要研究内容
作者李晓旭（2019）在《基于近红外的苹果可溶性固形物含量建模研究》一文中研究指出：我国是世界水果生产大国,有着丰富的水果资源。然而,我国的水果产后处理技术和再加工水平较低,水果检测和分选手段技术也相对落后,技术上的不足影响了水果的品质与销售,进而降低了我国水果在国际市场上的竞争力。近年来,近红外光谱技术凭借快速、无损、无污染等优点,被广泛应用于农产品内部品质的快速无损检测中。因此,本文以苹果为研究对象,基于近红外光谱分析技术和定量建模方法从以下四个方面研究苹果的无损检测:苹果的近红外光谱特性、可溶性固形物含量无损检测精度的影响因素、近红外光谱仪的检测参数以及可溶性固形物含量的快速无损检测数学模型创建。本文主要工作如下:（1）采用实验分析方法,研究了傅里叶近红外光谱仪分辨率、扫描次数和测样附件等仪器参数对近红外光谱响应特性以及可溶性固形物含量的影响,综合分析了扫描速度、信噪比、模型预测精度的需要,仪器参数的优化组合应为:测样模块为积分球漫反射模块,光谱仪扫描次数为64次,仪器分辨率为8cm-1,增益大小为4,扫描点数为1557个。实验证明,匹配的参数能够满足苹果可溶性固形物含量无损检测精度的要求。（2）研究了苹果近红外光谱响应特性,不同样本出现的吸收峰位置差异性不明显;不同的光谱采集部位对光谱响应特性存在影响。其中,赤道部位不同测试点的近红外光谱不存在显著差异,建立的定量模型相关系数较高,预测均方根误差较小;果梗和果萼位置吸光度普遍偏高,建立的定量模型相关系数较小,预测误差较大;不同表面颜色的近红外光谱吸光度和可溶性固形物含量的预测影响不明显,都能较为准确的预测可溶性固形物含量。（3）结合不同的光谱预处理方法,分别建立了主成分回归,偏最小二乘、人工神经网络和支持向量机四种数学建模,分析对比了各个模型的预测精度和适用范围。实验结果表明,不同建模算法所得的预测模型预测精度有一定的差异性,偏最小二乘和BP神经网络是苹果可溶性固形物含量无损检测中较有效的方法,偏最小二乘法建立的预测模型主因子数为9时,预测相关系数和均方根误差分别为0.924和0.475,具有抗干扰和非线性能力;BP神经网络建立的预测模型主因子数为16时,预测相关系数和均方根误差分别为0.935和0.474;研究了支持向量机在苹果分级中的应用,利用粒子群优化算法对径向基核函数的参数进行优化后,分类正确率达到92.3%。数学模型预测精度总体上来说较为满意,说明苹果近红外光谱与可溶性固形物含量之间存在较好的相关性。
Abstract
wo guo shi shi jie shui guo sheng chan da guo ,you zhao feng fu de shui guo zi yuan 。ran er ,wo guo de shui guo chan hou chu li ji shu he zai jia gong shui ping jiao di ,shui guo jian ce he fen shua shou duan ji shu ye xiang dui la hou ,ji shu shang de bu zu ying xiang le shui guo de pin zhi yu xiao shou ,jin er jiang di le wo guo shui guo zai guo ji shi chang shang de jing zheng li 。jin nian lai ,jin gong wai guang pu ji shu ping jie kuai su 、mo sun 、mo wu ran deng you dian ,bei an fan ying yong yu nong chan pin nei bu pin zhi de kuai su mo sun jian ce zhong 。yin ci ,ben wen yi ping guo wei yan jiu dui xiang ,ji yu jin gong wai guang pu fen xi ji shu he ding liang jian mo fang fa cong yi xia si ge fang mian yan jiu ping guo de mo sun jian ce :ping guo de jin gong wai guang pu te xing 、ke rong xing gu xing wu han liang mo sun jian ce jing du de ying xiang yin su 、jin gong wai guang pu yi de jian ce can shu yi ji ke rong xing gu xing wu han liang de kuai su mo sun jian ce shu xue mo xing chuang jian 。ben wen zhu yao gong zuo ru xia :（1）cai yong shi yan fen xi fang fa ,yan jiu le fu li xie jin gong wai guang pu yi fen bian lv 、sao miao ci shu he ce yang fu jian deng yi qi can shu dui jin gong wai guang pu xiang ying te xing yi ji ke rong xing gu xing wu han liang de ying xiang ,zeng ge fen xi le sao miao su du 、xin zao bi 、mo xing yu ce jing du de xu yao ,yi qi can shu de you hua zu ge ying wei :ce yang mo kuai wei ji fen qiu man fan she mo kuai ,guang pu yi sao miao ci shu wei 64ci ,yi qi fen bian lv wei 8cm-1,zeng yi da xiao wei 4,sao miao dian shu wei 1557ge 。shi yan zheng ming ,pi pei de can shu neng gou man zu ping guo ke rong xing gu xing wu han liang mo sun jian ce jing du de yao qiu 。（2）yan jiu le ping guo jin gong wai guang pu xiang ying te xing ,bu tong yang ben chu xian de xi shou feng wei zhi cha yi xing bu ming xian ;bu tong de guang pu cai ji bu wei dui guang pu xiang ying te xing cun zai ying xiang 。ji zhong ,chi dao bu wei bu tong ce shi dian de jin gong wai guang pu bu cun zai xian zhe cha yi ,jian li de ding liang mo xing xiang guan ji shu jiao gao ,yu ce jun fang gen wu cha jiao xiao ;guo geng he guo e wei zhi xi guang du pu bian pian gao ,jian li de ding liang mo xing xiang guan ji shu jiao xiao ,yu ce wu cha jiao da ;bu tong biao mian yan se de jin gong wai guang pu xi guang du he ke rong xing gu xing wu han liang de yu ce ying xiang bu ming xian ,dou neng jiao wei zhun que de yu ce ke rong xing gu xing wu han liang 。（3）jie ge bu tong de guang pu yu chu li fang fa ,fen bie jian li le zhu cheng fen hui gui ,pian zui xiao er cheng 、ren gong shen jing wang lao he zhi chi xiang liang ji si chong shu xue jian mo ,fen xi dui bi le ge ge mo xing de yu ce jing du he kuo yong fan wei 。shi yan jie guo biao ming ,bu tong jian mo suan fa suo de de yu ce mo xing yu ce jing du you yi ding de cha yi xing ,pian zui xiao er cheng he BPshen jing wang lao shi ping guo ke rong xing gu xing wu han liang mo sun jian ce zhong jiao you xiao de fang fa ,pian zui xiao er cheng fa jian li de yu ce mo xing zhu yin zi shu wei 9shi ,yu ce xiang guan ji shu he jun fang gen wu cha fen bie wei 0.924he 0.475,ju you kang gan rao he fei xian xing neng li ;BPshen jing wang lao jian li de yu ce mo xing zhu yin zi shu wei 16shi ,yu ce xiang guan ji shu he jun fang gen wu cha fen bie wei 0.935he 0.474;yan jiu le zhi chi xiang liang ji zai ping guo fen ji zhong de ying yong ,li yong li zi qun you hua suan fa dui jing xiang ji he han shu de can shu jin hang you hua hou ,fen lei zheng que lv da dao 92.3%。shu xue mo xing yu ce jing du zong ti shang lai shui jiao wei man yi ,shui ming ping guo jin gong wai guang pu yu ke rong xing gu xing wu han liang zhi jian cun zai jiao hao de xiang guan xing 。
论文参考文献
论文详细介绍
论文作者分别是来自济南大学的李晓旭，发表于刊物济南大学2019-10-31论文，是一篇关于苹果论文,近红外光谱技术论文,无损检测论文,可溶性固形物含量论文,数学模型论文,济南大学2019-10-31论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自济南大学2019-10-31论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：苹果论文; 近红外光谱技术论文; 无损检测论文; 可溶性固形物含量论文; 数学模型论文; 济南大学2019-10-31论文;