路敏:基于近红外光谱的梨的可溶性固形物含量的无损检测论文

路敏:基于近红外光谱的梨的可溶性固形物含量的无损检测论文

本文主要研究内容

作者路敏(2019)在《基于近红外光谱的梨的可溶性固形物含量的无损检测》一文中研究指出:随着人民生活水平的不断提高和生活方式的转变,水果消费量在整个食物消费中的比重稳步提高,国民需求不断增长。我国是众所周知的水果生产大国,然而我国距离水果贸易强国还有一定距离,我国产出的果品综合外观和内部品质总体性质达到高质量的比率不到所有产出水果的三成,难以达到进口国标准,出口量在水果总生产量中占比较低,因此,我国亟须提高生产技术和检测手段。为解决我国水果业中出现的此类问题,本次研究针对薄皮水果的可溶性固形物含量作了快速无损检测的研究,基于薄皮水果的近红外光谱,提出了无信息变量消除法(UVE)和极限学习机(ELM)结合的检测其固形物含量的新的组合算法。本文以国产梨为研究对象,以可溶性固形物含量为检测指标,采用实验室自行研制的近红外光在线检测装置采集研究对象样品的近红外漫反射光谱,经过平滑去噪预处理,交叉对比分析主成分分析(PCA)、连续投影算法(SPA)和无信息变量消除法与偏最小二乘法(PLS)和极限学习机算法建立的检测模型,证实基于近红外光谱和机器学习的梨的可溶性固形物含量快速无损检测的可行性。本文的主要研究问题和内容如下:(1)设计搭建了检测薄皮水果的近红外漫反射光谱的实验系统,主要是光谱仪、光源和反射探头的选择和仪器的组装。实验在室温下进行,沿梨的赤道圈随机选择15个均分点为数据采集点,完成薄皮水果漫反射光谱的实时测量。(2)设计了一种全新的对国产梨的可溶性固形物含量检测的有效算法模型,该模型(以下简称UVE-ELM)对平滑降噪后的光谱数据表现更为优异,此外,还分析了具有全光谱、分别经过PCA、UVE和SPA选出特征光谱数据的传统偏最小二乘回归模型和极限学习机模型,用以对比验证UVE-ELM的稳健性。对比模型的相关系数、验证均方根误差和预测均方根误差结果表明,UVE-ELM模型具有更出色的预测结果和稳定性,该模型的校正集相关系数和预测集相关系数分别为0.7881和0.8916,预测均方根误差为0.6043。综上所述,本文针对薄皮水果糖度的无损检测,旨在提高我国水果的检测技术手段,基于近红外光谱数据结合机器学习方法提出了一种全新有效的快速检测模型,该模型收敛速度快,稳定性好,预测能力较高,相较于传统的水果糖度检测具有方便快速、高效无损等特点,并且具有良好的扩展移植性,为水果的其他内部品质特征检测如酸度、病变等提供技术方向,推进我国的水果产业发展。

Abstract

sui zhao ren min sheng huo shui ping de bu duan di gao he sheng huo fang shi de zhuai bian ,shui guo xiao fei liang zai zheng ge shi wu xiao fei zhong de bi chong wen bu di gao ,guo min xu qiu bu duan zeng chang 。wo guo shi zhong suo zhou zhi de shui guo sheng chan da guo ,ran er wo guo ju li shui guo mao yi jiang guo hai you yi ding ju li ,wo guo chan chu de guo pin zeng ge wai guan he nei bu pin zhi zong ti xing zhi da dao gao zhi liang de bi lv bu dao suo you chan chu shui guo de san cheng ,nan yi da dao jin kou guo biao zhun ,chu kou liang zai shui guo zong sheng chan liang zhong zhan bi jiao di ,yin ci ,wo guo ji xu di gao sheng chan ji shu he jian ce shou duan 。wei jie jue wo guo shui guo ye zhong chu xian de ci lei wen ti ,ben ci yan jiu zhen dui bao pi shui guo de ke rong xing gu xing wu han liang zuo le kuai su mo sun jian ce de yan jiu ,ji yu bao pi shui guo de jin gong wai guang pu ,di chu le mo xin xi bian liang xiao chu fa (UVE)he ji xian xue xi ji (ELM)jie ge de jian ce ji gu xing wu han liang de xin de zu ge suan fa 。ben wen yi guo chan li wei yan jiu dui xiang ,yi ke rong xing gu xing wu han liang wei jian ce zhi biao ,cai yong shi yan shi zi hang yan zhi de jin gong wai guang zai xian jian ce zhuang zhi cai ji yan jiu dui xiang yang pin de jin gong wai man fan she guang pu ,jing guo ping hua qu zao yu chu li ,jiao cha dui bi fen xi zhu cheng fen fen xi (PCA)、lian xu tou ying suan fa (SPA)he mo xin xi bian liang xiao chu fa yu pian zui xiao er cheng fa (PLS)he ji xian xue xi ji suan fa jian li de jian ce mo xing ,zheng shi ji yu jin gong wai guang pu he ji qi xue xi de li de ke rong xing gu xing wu han liang kuai su mo sun jian ce de ke hang xing 。ben wen de zhu yao yan jiu wen ti he nei rong ru xia :(1)she ji da jian le jian ce bao pi shui guo de jin gong wai man fan she guang pu de shi yan ji tong ,zhu yao shi guang pu yi 、guang yuan he fan she tan tou de shua ze he yi qi de zu zhuang 。shi yan zai shi wen xia jin hang ,yan li de chi dao juan sui ji shua ze 15ge jun fen dian wei shu ju cai ji dian ,wan cheng bao pi shui guo man fan she guang pu de shi shi ce liang 。(2)she ji le yi chong quan xin de dui guo chan li de ke rong xing gu xing wu han liang jian ce de you xiao suan fa mo xing ,gai mo xing (yi xia jian chen UVE-ELM)dui ping hua jiang zao hou de guang pu shu ju biao xian geng wei you yi ,ci wai ,hai fen xi le ju you quan guang pu 、fen bie jing guo PCA、UVEhe SPAshua chu te zheng guang pu shu ju de chuan tong pian zui xiao er cheng hui gui mo xing he ji xian xue xi ji mo xing ,yong yi dui bi yan zheng UVE-ELMde wen jian xing 。dui bi mo xing de xiang guan ji shu 、yan zheng jun fang gen wu cha he yu ce jun fang gen wu cha jie guo biao ming ,UVE-ELMmo xing ju you geng chu se de yu ce jie guo he wen ding xing ,gai mo xing de jiao zheng ji xiang guan ji shu he yu ce ji xiang guan ji shu fen bie wei 0.7881he 0.8916,yu ce jun fang gen wu cha wei 0.6043。zeng shang suo shu ,ben wen zhen dui bao pi shui guo tang du de mo sun jian ce ,zhi zai di gao wo guo shui guo de jian ce ji shu shou duan ,ji yu jin gong wai guang pu shu ju jie ge ji qi xue xi fang fa di chu le yi chong quan xin you xiao de kuai su jian ce mo xing ,gai mo xing shou lian su du kuai ,wen ding xing hao ,yu ce neng li jiao gao ,xiang jiao yu chuan tong de shui guo tang du jian ce ju you fang bian kuai su 、gao xiao mo sun deng te dian ,bing ju ju you liang hao de kuo zhan yi zhi xing ,wei shui guo de ji ta nei bu pin zhi te zheng jian ce ru suan du 、bing bian deng di gong ji shu fang xiang ,tui jin wo guo de shui guo chan ye fa zhan 。

论文参考文献

  • [1].红外光谱结合模式识别对不同茶类的鉴别[D]. 万萍.安徽农业大学2018
  • [2].水果品质检测中的近红外光谱数据处理分析[D]. 史航.中南民族大学2016
  • [3].基于近红外光谱的油料油脂检测技术研究[D]. 原喆.中国农业科学院2018
  • [4].基于傅里叶变换近红外光谱的西藏酥油品质快速检测分析[D]. 洛曲.西北农林科技大学2018
  • [5].禾谷类、豆类老化种子的红外光谱鉴别研究[D]. 杨卫梅.云南师范大学2019
  • [6].量子振动微扰方法计算红外光谱:研究乳酸脱氢酶活性中心异质性[D]. 尹赫.吉林大学2019
  • [7].快速检测红枣中功能成分的光谱信号处理与识别[D]. 闫文丽.新疆大学2019
  • [8].基于可见光/近红外光谱的木材树种与密度无损检测研究[D]. 李悦.东北林业大学2019
  • [9].基于近红外光谱的水稻土化学性质快速测定研究[D]. 李和昕.沈阳农业大学2018
  • [10].基于近红外光谱技术的枸杞子产地鉴别及质量控制研究[D]. 许春瑾.西北农林科技大学2014
  • 读者推荐
  • [1].基于近红外光谱的果蔬新鲜度分析研究[D]. 李昆.电子科技大学2019
  • [2].樱桃番茄内部品质近红外光谱检测方法研究及便携式装置研发[D]. 程武.江苏大学2019
  • [3].基于可见—近红外光谱及成像技术的水果可溶性固形物含量检测[D]. 徐璐.安徽大学2019
  • [4].蜂蜜品质的近红外光谱检测方法研究[D]. 刘晨.西安理工大学2019
  • [5].基于可见/近红外光谱的苹果内部多品质参数一体化便携式检测设备研发[D]. 全朋坤.西北农林科技大学2019
  • [6].近红外光谱法测定血浆蛋白含量建模策略研究[D]. 孙钟毓.山东大学2019
  • [7].基于近红外光谱分析技术的猪肉品质快速检测方法研究[D]. 戴小也.中国矿业大学2019
  • [8].基于近红外光谱技术的水果检测研究[D]. 刘琼磊.湖北工业大学2018
  • [9].基于机器学习的水果糖分近红外光谱检测方法研究[D]. 李盛芳.太原理工大学2018
  • [10].近红外光谱对石榴品种的判别及品质的无损检测[D]. 王琼.西北农林科技大学2017
  • 论文详细介绍

    论文作者分别是来自兰州大学的路敏,发表于刊物兰州大学2019-07-29论文,是一篇关于近红外光谱论文,可溶性固形物论文,无损检测论文,极限学习机论文,兰州大学2019-07-29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,资料来自兰州大学2019-07-29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:;  ;  ;  ;  ;  

    路敏:基于近红外光谱的梨的可溶性固形物含量的无损检测论文
    下载Doc文档

    猜你喜欢