下载文档原格式
苹果无损检测技术之光谱检测苹果无损检测技术之光谱检测光谱技术是果品内部质量检测中应用最广泛的技术，利用果品对光的吸收、散射、反射和投射等特性得到的光谱信息，从而对果品内部品质（硬度、脆度、酸甜度）、内部病变（水心病、褐腐病、霉心病、果实褐变）以及外部损伤等情况进行无损检测，具有检测速度快、操作简便、精确度较高、非破坏性的特点。
光谱分析法主要有近红外光谱、拉曼光谱和高光谱成像检测技术等。
1 近红外光谱技术近红外光谱（Near-infrared Spectroscopy，NIRS）是介于可见光谱区和中红外光谱区之间的电磁波，波长范围为780~2526nm。
NIRS技术结合人工智能算法，可以实现苹果的内部品质和苹果病害的有效检测。
在检测苹果的内部品质方面，孙炳新等采用NIRS技术在643.26~985.11nm的波长范围内建立了红富士苹果脆度和有效酸度的预测模型，模型相关系数分别达到0.941和0.925。
Jha等，在900~1700nm近红外波长范围检测苹果内部品质，分别采用最小二乘法（Least Squares，LS）和多元线性回归（Multiple Linear Regression，MLR）建立苹果含糖量、酸度、酸甜比的模型，其中MLR模型得到的预测结果较好，其多重相关系数分别为0.887、0.890、0.893，实现对苹果的含糖量和酸甜比等指标的无损检测。
王转卫等利用NIRS技术测量了发育后期3个月内“富士”苹果在833~2500nm 波长范围内的光谱特性，结合化学计量学方法建立了预测可溶性固形物含量（Soluble Solid Content，SSC）、硬度、pH值和含水率的最小二乘支持向量机和极限学习机模型，并分析了主成分分析（Principal Component Analysis，PCA）、连续投影算法和无信息变量消除法等3种降维方法对模型预测性能的影响，从而获得了对苹果不同检测对象的最佳模型方法。
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。
文章编号 2097-1842（2024）01-0128-12基于高光谱成像技术的涌泉蜜桔糖度最优检测位置李 斌，万 霞，刘爱伦，邹吉平，卢英俊，姚 迟，刘燕德*（华东交通大学 智能机电装备创新研究院 水果智能光电检测技术与设备国家与地方联合工程研究中心, 南昌330013）摘要：本文旨在探索涌泉蜜桔糖度的最优检测位置和最佳预测模型，以便为蜜桔糖度检测分级提供理论依据。
本文利用波长为390.2～981.3 nm 的高光谱成像系统对涌泉蜜桔糖度最佳检测位置进行研究，将涌泉蜜桔的花萼、果茎、赤道和全局的光谱信息与其对应部位的糖度结合，建立其预测模型。
使用标准正态变量变换（SNV ）、多元散射校正（MSC ）、基线校准（Baseline ）和SG 平滑（Savitzkv-Golay ）4种预处理方法对不同部位的原始光谱进行预处理，用预处理后的光谱数据建立偏最小二乘回归（PLSR ）和最小二乘支持向量机（LSSVM ）模型。
找出蜜桔不同部位的最佳预处理方式，对经过最佳预处理后的光谱数据采用竞争性自适应重加权算法（CARS ）和无信息变量消除法（UVE ）进行特征波长筛选。
最后，用筛选后的光谱数据建立PLSR 和LSSVM 模型并进行分析比较。
研究结果表明，全局的MSC-CARS-LSSVM 模型预测效果最佳，其预测集相关系数Rp =0.955，均方根误差RMSEP=0.395，其次是蜜桔赤道部位的SNV-PLSR 模型，其预测集相关系数Rp =0.936，均方根误差RMSEP=0.37。
两者预测集相关系数相近，因此可将赤道位置作为蜜桔糖度的最优检测位置。
本研究表明根据蜜桔不同部位建立的糖度预测模型的预测效果有所差异，研究最优检测位置和最佳预测模型可以为蜜桔进行糖度检测分级提供理论依据。
关 键 词：涌泉蜜桔；高光谱；糖度；偏最小二乘回归；最小二乘支持向量机中图分类号：O433.4 文献标志码：A doi ：10.37188/CO.2023-0057Optimal position for suger content detection of Yongquan honey or-anges based on hyperspectral imaging technologyLI Bin ，WAN Xia ，LIU Ai-lun ，ZOU Ji-ping ，LU Ying-jun ，YAO Chi ，LIU Yan-de *（Intelligent Electromechanical Equipment Innovation Research Institute , East China Jiaotong University ,National and Local Joint Engineering Research Center of Fruit Intelligent PhotoelectricDetection Technology and Equipment , Nanchang 330013, China ）* Corresponding author ，E-mail : *****************.cnAbstract : The objective of this study is to explore the optimal detection location and the best prediction model of the suger level of Yongquan honey oranges, which can provide a theoretical basis for the brix meas-urement and classification of honey oranges. With the wavelength range of 390.2−981.3 nm hyperspectral imaging system was used to study the best position for detecting the sugar content of Yongquan honey or-anges, and the spectral information of the calyx, fruit stem, equator and global of Yongquan honey oranges收稿日期：2023-03-30；修订日期：2023-04-19基金项目：青年科学基金项目（No.12103019）Supported by Youth Science Fund Projects (No.12103019)第 17 卷 第 1 期中国光学（中英文）Vol. 17 No. 12024年1月Chinese OpticsJan. 2024were combined with their sugar content of corresponding parts to establish its prediction model. The original spectra from the different locations were pre-processed by Standard Normal Variance (SNV) transformation, Multiple Scattering Correction (MSC), baseline calibration (Baseline) and SG smoothing, respectively, and the Partial Least Squares Regression (PLSR) and Least Squares Support Vector Machine (LSSVM) models were established based on the pre-processed spectral data. The best pre-processing methods for different parts of the honey oranges were found, and the optimal spectral data obtained by the best pre-processing methods were conducted to identify characteristic wavelengths using the Competitive Adaptive Re-weighting Sampling algorithm (CARS) and Uninformative Variable Elimination (UVE). Finally, the PLSR and LSS-VM models were established and compared based on the selected spectral data. The results show that the global MSC-CARS-LSSVM model demonstrates the most accurate prediction performance, with a correla-tion coefficient of Rp=0.955 and an RMSEP value of 0.395. Alternatively, the SNV-PLSR model of the equatorial location of honey oranges was found to be the next more effective, with a correlation coefficient of Rp=0.936, and an RMSEP value of 0.37. The correlation coefficients of the two prediction models are simil-ar, the equatorial location can be used as the optimal position for measuring the sugar content of honey or-anges. This study demonstrates that the prediction models based on different parts of the orange have differ-ent effects. Identifying the optimal position and prediction model can provide a theoretical basis for classify-ing oranges for sugar content testing.Key words: Yongquan honey orange；hyperspectral；sugar content；partial least-squares regression；least-squares support vector machine1 引 言涌泉蜜桔产于浙江东南沿海地带，以果肉细嫩、皮薄易剥、无核、甜度高等特点深受人们喜爱，更是有“天下一奇，吃桔带皮”的美誉。
文章编号 2095-1531（2020）03-0482-10不同产地苹果糖度可见近红外光谱在线检测刘燕德1,2 *，徐 海1,2，孙旭东1,2，姜小刚1,2，饶 宇1,2，徐 佳1,2，王军政1,2（1. 华东交通大学 机电与车辆工程学院，江西 南昌 330013；2. 水果智能光电检测技术与装备国家地方联合工程研究中心，江西 南昌 330013）摘要：为了实现不同产地苹果糖度的快速在线无损检测，减少产地差异对近红外光谱检测模型的影响，建立了不同产地苹果糖度的在线检测通用模型。
首先，采用水果动态在线检测设备采集了包括栖霞、洛川与会宁3个产地的红富士苹果的漫透射光谱。
其次，采用偏最小二乘算法（PLS ），结合无信息变量消除（UVE ）方法，筛选出58个特征变量，建立了苹果糖度的UVE-PLS 通用模型，该模型对个体产地预测集及总预测集的均方根误差分别为0.50~0.74°Brix 与0.63°Brix ，较原始个体模型分别提高了23.2%~44.4%与35.7%。
最后，提出了一个新的外部验证样本集对模型性能进行评价，其残留预测偏差为2.33，预测值在±1.0°Brix 和±1.5°Brix 误差范围内的占比分别为85%与100%。
实验结果表明：建立多个产地苹果糖度的在线检测通用模型，能够提高其他产地样本糖度的预测稳健性，并且采用合适的波长筛选方法能够简化模型。
开发不同产地水果内部品质通用模型在波长有限的光谱设备中具有良好的应用潜力。
关 键 词：在线检测；近红外光谱；糖度；偏最小二乘中图分类号：O657.33 文献标志码：A doi ：10.3788/CO.2019-0128On-line detection of soluble solids content of apples from differentorigins by visible and near-infrared spectroscopyLIU Yan-de 1,2 *，XU Hai 1,2，SUN Xu-dong 1,2，JIANG Xiao-gang 1,2，RAO Yu 1,2，XU Jia 1,2，WANG Jun-zheng 1,2（1. School of Mechatronics & Vehicle Engineering , East China Jiaotong University , Nanchang 330013, China ；2. National and Local Joint Engineering Research Center of Fruit Intelligent PhotoelectricDetection Technology and Equipment , Nanchang 330013, China ）* Corresponding author ，E-mail : jxliuyd@Abstract : In order to realize fast, on-line, non-destructive testing of the Soluble Solids Content (SSC) of apples from different origins, and to reduce the effect of origin variability on NIR models, a universal model for predicting the SSC of apples from different origins is established. Firstly, the diffuse transmission spectra of Fuji apples from Qixia, Luochuan and Huining are collected with fruit dynamic online detection equip-ment. Then, 58 characteristic variables are selected and a UVE-PLS universal model for predicting the SSC收稿日期：2019-06-21；修订日期：2019-08-20基金项目：国家自然科学基金（No.31760344）；江西省创新能力建设项目（No.S2016-90）Supported by National Natural Science Foundation of China(No.31760344); Jiangxi Provincial Project for In-novation Capacity Construction(No.S2016-90)第 13 卷 第 3 期中国光学Vol. 13 No. 32020年6月Chinese OpticsJun. 2020of apples is established using the Partial Least Squares (PLS) algorithm combined with Uninformative Vari-able Elimination (UVE). The root mean square errors of single-origin prediction sets and the total-origin pre-diction set are 0.50~0.74° Brix and 0.63° Brix, respectively, which increase by 23.2%~44.4% and 35.7% re-spectively compared to the original individual model. Finally, a new external sample set is used to assess the performance of the model, showing a residual prediction deviation of 2.33 and ratios of the predicted values within the error range of ±1.0° Brix and ±1.5° Brix of 85% and 100%, respectively. Experimental results in-dicate that the establishment of a universal model for on-line detection of the SSC of apples, including those from multiple origins can improve the robustness of predicting the SSC of the samples from other origins. The results also show that an appropriate wavelength screening method can simplify the model. The develop-ment of a common model for the internal quality of fruit from different origins has strong potential for applic-ations in wavelength-limited spectroscopy equipment.Key words: online detection；near infrared spectroscopy；soluble solids；partial least squares1 引 言苹果是一种被广泛生产及消费的水果品类，其富含抗氧化成分，如抗坏血酸和多酚类化合物，可以对各种退化性疾病起到预防作用[1-2]。
苹果糖度和硬度检测的研究现状【摘要】本文介绍和分析了目前为止绝大多数对苹果糖度和硬度的检测的研究，这些研究主要是从苹果的无损检测入手，利用高光谱图像技术，采用傅里叶变换，CCD，MATLAB语言，光纤传感，遗传算法，混合线性分析方法对苹果进行糖度和硬度的检测。
关键词苹果红外光谱无损检测糖度硬度Apple sugar content and hardnesstesting research status 【Absatract】This paper introduces and analyzes so far most apple sugar content and hardness testing research， these studies mainly from apple nondestructive testing of utilization of hyperspectral imaging technology， using Fourier transform， CCD， MATLAB language， the optical fiber sensing， genetic algorithm， the mixed linear analysis method for apple for sugar content and hardness testingKeywords：Fruits，Infrared spectrum，Nondestructive Testing，Sugarcontent，Hardness前言市场上的农产品越来越多样化，生产者除了要保持农产品的新鲜度外，还要确保有好的口感和营养价值，因此，当前迫切需要发展一种快速有效的无损检测方法。
在过去的几十年里，很多学者都在关注近红外光谱技术———一种测定有机物的重要技术，由于其具有快速性、无需样品前期处理、无化学污染等优势，使得近红外光谱技术在短短十几年内就成为一项极具竞争力的分析技术，在农业、食品等行业中得到广泛的应用，常常被用于测定蔬菜水果中的有机酸、蛋白质等。
食品科技苹果糖度无损检测技术研究进展分析张嘉君，许海涛，张子沫，赵建禹（天津理工大学集成电路科学与工程学院，天津 300384）摘 要：无损检测技术作为一种新兴的检测技术，具有广阔的发展前景。
基于此，本文调研了多种苹果糖度无损检测技术的原理及相关研究，旨在为未来相关技术的发展提供建议。
关键词：苹果糖度；无损检测；内部品质检测Analysis on Research Progress of Nondestructive TestingTechnology for Apple Sugar ContentZHANG Jiajun, XU Haitao, ZHANG Zimo, ZHAO Jianyu(Tianjin University of Technology, School of Integrated Circuit Science and Engineering, Tianjin 300384,China)Abstract: As a new testing technology, nondestructive testing technology has a broad development prospect. Based on this, this paper investigated the principle and related researches of a variety of apple sugar content nondestructive testing technologies, in order to provide suggestions for the development of related technologies in the future.Keywords: apple sugar content; nondestructive testing; inner quality testing苹果作为一种营养物质丰富、易于贮存的水果，深受广大消费者喜爱。
基于旋光法测量苹果溶液糖度的浓度丘春晖叶秉鑫叶昊熙蔡静*发布时间：2023-05-14T02:14:59.685Z 来源：《中国科技人才》2023年5期作者：丘春晖叶秉鑫叶昊熙蔡静*[导读] 苹果含有非常丰富的营养物质，糖分是苹果中主要的营养物质之一，含量对苹果的口感以及加工品有着至关重要的影响。
本文使用旋光仪对不同浓度的苹果溶液提取出来的果糖溶液和葡萄糖溶液的旋光角进行测量，将数据进行处理和分析，得到线性回归方程，再通过代入所测量的苹果溶液的旋光角获得苹果中主要糖分——葡萄糖、果糖的浓度。
此方法可以帮助果农对收获的苹果进行采样检测，并且对其进行分类，以便进行下一步处理。
本实验也具有一定的局限性，无法准确地测量出浓度高于3%的苹果溶液的旋光率。
但依然可以提供苹果的糖分数据作为参考。
佛山科学技术学院物理与光电工程学院广东佛山 52800摘要：苹果含有非常丰富的营养物质，糖分是苹果中主要的营养物质之一，含量对苹果的口感以及加工品有着至关重要的影响。
本文使用旋光仪对不同浓度的苹果溶液提取出来的果糖溶液和葡萄糖溶液的旋光角进行测量，将数据进行处理和分析，得到线性回归方程，再通过代入所测量的苹果溶液的旋光角获得苹果中主要糖分——葡萄糖、果糖的浓度。
此方法可以帮助果农对收获的苹果进行采样检测，并且对其进行分类，以便进行下一步处理。
本实验也具有一定的局限性，无法准确地测量出浓度高于3%的苹果溶液的旋光率。
但依然可以提供苹果的糖分数据作为参考。
关键词：苹果；溶液糖浓度；旋光仪引言我国苹果产业在近些年来发展迅速，产量在稳步增长，我国已经成为世界上最大的苹果生产国[1]。
苹果作为最受大众欢迎的水果之一，其含有非常丰富的锌元素和糖分。
苹果的糖分与果实产量和品质密切相关，苹果的果实甜度取决于糖含量和糖的组成成分，不同类型的可溶性糖的甜度不同，可溶性糖含量和比例差异对味觉特征和感官品质有着决定性影响[2]。
苹果中的可溶性糖主要有三种，蔗糖、葡萄糖和果糖，其中以果糖的甜度最高，甜度是蔗糖和葡萄糖的1.8倍和2.0倍[3]。
运用近红外透射光谱技术检测苹果内部品质杜冉;闸建文;付家庭;崔丰娟【摘要】通过运用近红外透射光谱技术快速分析了苹果的糖度和硬度,使用偏最小二乘法建立预测模型,得出校正集苹果糖度的最佳主因子维数为3,相关系数R为0.9943,校正标准差为0.2476;校正集苹果硬度交叉校验的最佳主因子维数为3,相关系数R为0.9644,校正标准差为0.3529.研究结果表明:运用近红外透射光谱技术可以准确地无损快速定量分析苹果糖度和硬度.【期刊名称】《农机化研究》【年(卷),期】2008(000)009【总页数】3页(P139-141)【关键词】近红外;透射;苹果;品质【作者】杜冉;闸建文;付家庭;崔丰娟【作者单位】山东理工大学,轻工与农业工程学院,山东,淄博,255049;山东理工大学,轻工与农业工程学院,山东,淄博,255049;山东理工大学,轻工与农业工程学院,山东,淄博,255049;山东理工大学,轻工与农业工程学院,山东,淄博,255049【正文语种】中文【中图分类】S1210 引言近红外光谱技术被称为“具有解决全球农业分析的潜力”。
近红外光谱技术可以不需对样品做任何化学和物理的预处理，便可取得样品深处的物质信息，因此具有廉价、方便、快速和无损伤等优点，且其测定结果和常规方法十分一致[1,2] 。
目前，国内对近红外技术检测水果品质的研究主要是利用漫反射，而利用近红外透射技术检测水果内部品质的研究较少。
本文将通过近红外透射光谱技术测定苹果的糖度和硬度的实验研究，探索近红外透射光谱技术检测水果内部品质的可行性。
1 实验材料和方法1.1 实验样品从市场上购买两箱山东淄博红星苹果，从中随机挑选50个样品，其中45个样品供定标用，其余5个样品作检测用。
把样品表皮清理干净，依次做好标记，在(26～28℃)的温度条件下放置24h。
1.2 实验仪器德国M.U.T公司近红外光谱仪，德国欧司朗公司型号12V，100W的4个光源，GY-1型果实硬度计，WYT-30型手持糖度计。
