苹果近红外光谱采集影响因素的研究

苹果近红外光谱的特征提取和分类研究
近红外光谱技术（Near-InfraredSpectroscopy，NIRS）是一种有效的分析技术，可用来对植物、动物、土壤和食品等物质进行快速、准确的分析测试，对于苹果的质量分析也是十分有效的。

本研究旨在利用NIRS技术来提取苹果的近红外光谱特征，并对它们进行分类。

首先，本研究采用的实验材料是一百多种不同苹果品种，他们的表皮颜色、形状、大小和净重都是不同的，为了更准确的提取近红外光谱特征，在收集实验材料期间我们严格控制了其他影响因素，并采取同样的存储和处理措施。

其次，我们在收集实验材料后，利用近红外光谱仪对每一种苹果进行了测试，从中提取出它们的光谱特征，特别是每个反应物的7200-1150nm波段以及该波段下的五个关键特征数据。

最后，经过特征提取和数据分析，我们构建了一个基于反映苹果近红外光谱特征的机器学习模型，该模型能够准确地将苹果样品分到不同的类别中。

此外，我们还利用这个模型对苹果的品质进行了分析，发现不同类别的苹果之间在其他品质参数方面也存在较大差异。

经过上述实验，我们证明了NIRS技术在苹果的品质分析中的有效性和可行性，当苹果的参数较多时，近红外光谱技术的特征提取和分类更具有优势。

同时也为苹果农业产业提供了一种新的分析技术，有助于农业生产的稳定性和可持续性发展。

本研究的最后一个结论是，NIRS技术在提取苹果近红外光谱特征和分类方面有良好的应用前景，它可以是一种快速、准确、经济的
苹果品质分析方法，对苹果农业产业有重要的意义。

可见/近红外光谱检测水果品质时影响因素的研究目前,中国水果的总产量居世界首位,但因缺乏有效的内部品质监测手段,其质量状况却不容乐观,主要存在优劣果混杂和成熟度不适当等问题。

可见/近红外光谱分析技术作为一种无损检测手段被逐渐用于采前、采后果品的实时监测和按质分级。

但该技术以结果为导向,缺少建模过程管控,在检测高含水量的天然产物时常受限于样品生理变异情况和建模参数设定,导致大多数模型的适用性差、可借鉴性低。

本文针对水果内部成分分布不均、表皮存在显著光干扰、个体间生理差异大等特点,探讨近红外检测水果品质时各环节的影响因素,包括信息提取、仪器选择、参考值测量、果皮干扰去除、光谱采集、组分间相关分析等方面,具体研究结果和结论如下所述。

1.通过模拟表观光谱L2中干扰信息的存在形态,确定真实光谱L1的基线偏转(L2-L1=mx2+nx+k)或上下偏离(L2=a.L1+b)是两种主要的光信号改变形式,可通过求导或多元散射校正进行光谱预处理,有助于减少光谱中叠加的噪声信息并突显有效的微弱信号。

2.测试三种水果专用便携仪ACCUNIR2200.K-BA 100R和SupNIR-1100的检测模块和模型性能,比较结果表明：三台仪器测量性能均达设计要求,模型精度均满足SEP≤0.7°Brix,而K-BA100R凭借interactance光谱采集模式和适当的光学元件获得最佳应用性能(Rp=0.945,SEP=0.323)。

研究表明不同的仪器设计决定其检测性能的差异,应根据实际需求选用合适的仪器。

3.比较苹果中三个部位(1)外侧局部果肉(Part C,2.5×2.5×1.5cm3),(2)半个去皮苹果,和(3)半个苹果榨取的可溶性固形物(SSC)真值,并各自建模,分析结果表明：Part C为最佳取值部位,其模型精度优于另外两种榨汁方式。

研究表明水果中参考值测量部位是区分定标模型精度的决定因素,光透区域下的性质值与对应光谱的关联性最高。

红富士苹果糖度的近红外光谱检测分析试验研究摘要：近红外光谱分析技术具有无前处理、无污染、无破坏性、重现性好、检测速度快等优点，结合偏最小二乘回归法对苹果进行定量建模分析，可促进苹果的检测和刷选。

分析结果表明该技术所给出的分析精度可以和传统分析方法相媲美，相关系数(R)为0.979，预测均方根误差(RMSEP)为0.263。

通过本研究得出：应用近红外光谱检测苹果糖度是可行的，为今后快速无损评价苹果提供了理论依据。

关键词：近红外光谱；苹果；糖度；OPUS；建模Using NIR Spectra in Non-Invasive Measurements of the Red Fuji AppleSugar ContentAbstract: Near-infrared spectroscopy technique has advantages such as no pre-treatment, no pollution, good repeatability, speediness, and non-destructive combined with partial least squares regression model for quantitative analysis of Apple, which can promote the detection of apple and the apple’s election. The results show that the precision of the analysis technique can be given comparable to traditional methods, the correlation coefficient(R) is 0.979, and the root mean square prediction error (RMSEP) is 0.263. Through this study we can find that the brix of apple tested by the Near Infrared Spectroscopy is feasible, and it provides the basis of theory for the rapid non-destructive evaluation.Key words: Near-infrared spectrum; Apple; Sugar Content; OPUS; Model引言近红外光谱技术作为一种分析手段是从上世纪50年代开始的，并在80年代以后的10多年里发展最快、最引人注目的光谱分析技术，是光谱测量技术与化学计量学学科的有机结合，被誉为分析的巨人。

近红外光谱分析技术在果品品质检测中的应用摘要:概述了近红外光谱分析技术的原理和优点,分析了国内外近红外光谱分析技术在果品品质检测中的研究进展,指出了目前该技术在研究应用过程中的存在问题,最后对该技术的应用前景进行了展望。

关键词:近红外光谱;果品品质;检测;Application of Near Infrared Spectroscopy in Detection offruit QualityAbstract:In this paper,the principle and characteristics of the NIR spectroscopy technique were firstly discussed and the latest research progresses in detection of fruit quality were summarized in detail.At last,the existing problems in this field were analyzed and the future research directions this field were also forecasted.Key words:Near infrared spectroscopy;Detection;Fruit quality 传统的果品内部品质检测主要采用化学分析法,制样繁琐、检测速度慢,通常用少量样本代替批次果品的品质。

且检测时必须破坏果品,因此难以在商业上广泛应用。

近年来兴起的无损检测技术,依据果品物理力学、光学、电学、生物学等特性,在不破坏被检测对象的情况下,应用一定的检测技术和分析方法测定其内在品质。

并按一定的标准作出评价。

无损检测方法包括计算机视觉检测技术、分光分析检测技术、声学特性检测技术、力学特性检测技术、射线检测技术、核磁共振检测技术、生物传感器检测技术、电子鼻与电子舌检测技术等。

影响近红外光谱分析结果准确性的因素影响近红外测试结果稳定性的因素可分为三类:即源于仪器的影响因素,来源于样品的影响因素,以及与操作者自身有关的因素(见表1)。

这些因素主要来自定标样品的选择、模型传递过程中波长的变化、样品预处理及装样的差别、定标样品的标准方法测定、测试条件、样品特征等。

样品粒度大小及其分布是影响近红外预测效果的重要因素之一。

样品粒度的差异直接影响样品对近红外光的吸收和散射,从而导致光谱的变异。

对此近红外光谱专家们做了大量工作,Willimas[4]和Thompso[5]分别指出影响近红外光谱分析准确性和精确性最重要的因素是样品的颗粒度。

1984年Norris和Willimas[6]研究了颗粒度大小对硬红冬小麦近红外测试结果的影响,发现不同颗粒度大小样品的近红外光谱有很明显的差异,随样品颗粒度的增大,吸光度增加,且波长越长,光谱变异越大。

1999年Wang和Dowell等[7]研究了全籽粒小麦的籽粒大小对近红外光谱的影响,发现颗粒度大小与吸光度成正相关,红小麦相关系数为0.77,白小麦相关系数为0.72。

国内在这方面也有研究,王文真[8]验证了样品粒度对近红外测定结果的影响,得出小麦中粗蛋白含量的预测值随粒度的增大而增高;且待测样品粒度和定标样品粒度相接近的预测值与实际值最为接近。

胡新中等[9]研究了小麦全粉粗细度对近红外测定结果的影响,发现随粒度的增加,蛋白质含量、水分含量和硬度的近红外预测值都有所增加。

水分对近红外分析结果产生影响主要有以下几个原因:一是样品的水分含量显著地影响粉碎后颗粒度的大小、形状及其分布,导致样品光谱散射系数S发生变化,从而影响其预测结果。

其二是通过与其它成分的水合作用,导致某成分最佳波长点发生漂移。

样品表面的色泽影响样品对近红外光的漫反射率和透过率的大小。

一些表面比较光亮的样品,对光的反射比较强烈,这样就导致近红外光不能携带样品信息到达检测器;相近组分,不同颜色的油菜籽样品近红外扫描实验中,样品表面颜色越深,吸光度越大,在短波处(≤1000nm)最为明显[2]。

水果内部品质近红外动态在线检测研究进展摘要：近红外光谱分析技术具有无前处理、无污染、方便快捷、无破坏性、在线检测、多组分同时检测，适于现场检测和在线分析等特点，已经广泛应用于果蔬内部品质的无损检测中。

主要介绍了水果近红外光谱在线检测原理及组成，最近几年近红外在线检测技术在水果品质检测方面的国内外研究进展，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术进行了展望。

关键词：近红外光谱；在线检测；水果；内部品质随着人们生活水平的不断提高，人们对水果品质的要求越来越高。

不仅注重外部品质（大小、色泽等），同时也越来越关注其内部品质（口感、甜度等）。

这就使得在线检测分级尤为重要，近几年广阔的市场需求极大地促进了水果内部品质检测的发展。

传统破损式化学检测方法制样繁琐、检测时间长、需要专业人员操作，难以满足大批量水果的在线检测与分级需求。

而近红外光谱技术具有无损、效率高、快速、重现性好，适于现场检测和在线分析等特点，已在提高水果生产技术自动化水平和水果质量方面发挥了重要作用[1-7]。

近几年，随着近红外光谱分析技术和化学计量学的不断发展及研究，近红外光谱分析技术在水果品质检测的应用日渐成熟，已经逐渐从实验阶段走向应用阶段，从静态研究向动态在线检测发展；并且在动态在线检测方面取得了实质性的进展[8-11]。

本文主要介绍了水果近红外光谱在线检测原理及组成，并简述了最近几年近红外检测技术在水果品质检测方面的国内外发展现状，指出了近红外光谱分析技术尚存在的问题，并对今后的近红外光谱分析技术作了展望。

为近红外光谱在线检测技术的推广应用提供参考。

1 近红外在线检测原理及组成1.1 动态在线近红外检测原理及方式在进行水果动态在线检测时，光谱通过漫反射或透射或漫透射方式进行采集，如图1所示，透射和漫透射的优缺点是：①可以测量果实整体；②可以测量厚皮果品；③可以检测果实内部特征；④只限于易透光物料；⑤需要配置高灵敏度、高动态范围检测器。

基于近红外透射光谱技术的苹果内部品质在线检测的研究的开题报告一、选题背景及意义随着我国果品行业的发展，消费者对于果品的安全、质量、口感等方面的需求越来越高。

苹果作为我国重要的果品之一，其内部品质对于产业的发展及消费者的认可具有至关重要的影响。

传统的果品检测方法往往需要对苹果进行打捞、切割等过程，不仅费时费力，而且易导致样品变质，影响检测结果的准确性。

因此，开发一种基于近红外透射光谱技术的苹果内部品质在线检测方法显得十分必要和重要。

二、研究内容和方法本研究将基于近红外透射光谱技术，研究苹果内部品质在线检测的方法。

具体包括以下内容：1. 建立苹果内部品质的评价指标体系，并依据不同品质指标建立相应的定量模型；2. 设计苹果样品的采集与预处理方案，选择近红外透射光谱仪等实验设备，并进行实验验证；3. 总结实验数据，使用统计学方法对模型的精度、稳定性等性能进行评估，不断优化模型参数，提高检测精度和可靠性。

三、预期成果和应用价值本研究将开发出一套基于近红外透射光谱技术的苹果内部品质在线检测方法，实现对苹果品质的快速、准确和无损检测。

该方法具有以下预期成果和应用价值：1. 可以大幅节省时间和成本，提高苹果样品的利用率；2. 可以避免对样品进行破坏性处理，保持苹果的原始风味和营养成分；3. 可以加强苹果供应链的监控管理，保障产品的安全和质量。

四、研究的可行性分析近年来，基于光谱技术的果品品质检测受到了广泛的关注和研究。

近红外透射光谱技术是一种简单、无损、快速而且准确的光谱技术，已被广泛应用于果品质量检测领域。

因此，本研究具有很高的可行性和应用前景。

五、研究的难点和解决措施本研究的难点主要包括建立准确的苹果内部品质评价指标体系，选择适合的预处理方法和建立高效的光谱定量模型等方面。

为了解决这些问题，本研究将采用多种实验方法相结合的综合研究手段，运用化学分析、光谱学、数学统计学等相关学科的知识和技术，不断优化研究方案，提高研究效率和成果质量。

水果糖度和酸度的近红外光谱无损检测研究水果糖度和酸度的近红外光谱无损检测研究近年来，随着人们对食品安全和品质的关注度不断提高，无损检测技术在食品行业中的应用变得越来越重要。

水果作为一种常见的食品，其糖度和酸度是评价其品质和口感的重要因素之一。

本文旨在研究利用近红外光谱技术来无损检测水果糖度和酸度的可行性和有效性。

一、近红外光谱技术的原理和特点近红外光谱技术是一种应用于分析化学和食品科学领域的非破坏性检测方法。

其原理是利用近红外光在样品上的吸收和反射特性，通过采集和分析光谱信息，来推断样品的组成和特征。

相比于传统的化学分析方法，近红外光谱技术具有简单、快速、经济、无污染等优点，因此被广泛应用于食品质量检测领域。

二、水果糖度和酸度的相关性分析糖度是指水果中可溶性糖的含量，主要由葡萄糖、果糖和蔗糖等组成，直接影响水果的甜度和口感。

酸度是指水果中酸性物质所含量的度量，通常以酸度值（以柠檬酸或苹果酸等为基准）来表示，直接影响水果的酸味和口感。

研究表明，糖度和酸度在一定程度上呈负相关关系，即水果的糖度增加，酸度相对减少。

三、构建水果糖度和酸度的近红外光谱模型在实验中，我们选取了常见的水果品种，例如苹果、梨、葡萄等，并结合传统化学分析方法，测定了它们的糖度和酸度。

同时，使用近红外光谱仪器对水果样品进行光谱扫描，获取了相应的近红外光谱数据。

首先，对原始光谱数据进行预处理，包括去除基线漂移、正则化处理、光谱平滑等。

然后，利用光谱数据和对应的糖度和酸度数据建立回归模型。

常用的回归方法包括偏最小二乘回归（PLSR）和支持向量机回归（SVM-R）等。

通过交叉验证和模型评价指标，筛选出最优的模型。

四、模型验证和应用为了验证模型的准确性和鲁棒性，我们采用了不同批次、不同品种和不同处理条件下的水果样品进行实验。

实验结果表明，基于近红外光谱的模型能够准确预测水果的糖度和酸度，与传统化学分析方法的结果一致。

同时，模型对于各个水果品种和处理条件具有较好的适应性和稳定性。