论文部分内容阅读
可溶性固形物含量(Soluble Solid Content,SSC)是西瓜内部品质的一个重要评价指标,也是衡量西瓜商品价值的一个重要方面。因此,实现西瓜可溶性固形物含量的无损检测有利于提高西瓜的内部品质,也是我国西瓜产业提质增效的迫切需求。目前,近红外光谱分析技术以其快速、无损、无需制样、重现性好等优势,广泛应用于水果的无损检测领域。现阶段,近红外光谱分析技术检测水果内部品质主要是以中小型薄皮水果为研究对象,如苹果、梨等,而对于西瓜等大型厚皮水果的研究较少,且多数采用的是透射光谱检测方式,并不适于便携式现场检测。因此,本文以“京秀”西瓜为研究对象,采用漫反射光谱检测方式对其可溶性固形物含量进行预测,建立了针对小型西瓜SSC的检测方法,同时设计了基于LabVIEW的快速检测系统,实现了对“京秀”西瓜可溶性固形物含量的快速检测。主要研究内容和结论如下:(1)研究了近红外光在“京秀”西瓜内部的传输特性和穿透深度,为光纤探头的设计提供了理论基础。采用漫反射测量方式,以及沿光源-探测器连线的中垂线方向逐步切片的方案,利用偏最小二乘(Partial Least Squares,PLS)拟合获得了750~900nm有效波段内光穿透深度曲线。结果表明,光源-探测器距离越大,近红外光穿透深度越大,光谱携带的内部品质信息越多,但同时光谱信号也越弱。基于以上研究,自主设计了适于检测西瓜内部光谱信息的环形光纤探头,其半径为20mm,即光源与探测器之间的距离为20mm,确保了近红外光在西瓜内部组织中有足够的穿透深度,从而确保了探测到的光谱信息能够反映其内部品质。(2)研究了西瓜检测部位差异对近红外光谱可溶性固形物预测模型精度的影响,建立混合预测模型实现了对西瓜各部位可溶性固形物含量的准确预测,提高了模型的普适性。利用单一检测部位(赤道、瓜脐、瓜梗)及混合3种检测部位校正集样本建立预测模型,分别对3种检测部位预测集样本的可溶性固形物含量进行预测。结果表明,含有3种检测部位校正集样本建立的预测模型可以实现对西瓜表面各部位可溶性固形物含量的准确预测,预测相关系数均能达到0.85以上,减小了西瓜检测部位差异对近红外光谱可溶性固形物预测模型精度的影响。(3)研究了不同特征波长优选算法对模型预测效率及预测精度的影响,优化了西瓜可溶性固形物近红外光谱预测模型。利用连续投影算法(Successive Projections Algorithm,SPA)和竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)进行特征波长变量筛选,最后基于全波段和特征波长光谱分别建立偏最小二乘(Partial Least Squares,PLS)预测模型。结果表明,CARS-PLS模型为最优模型,其预测精度及效率均较高,实现了对西瓜可溶性固形物含量的准确预测。(4)基于最优模型和LabVIEW开发了西瓜可溶性固形物含量快速检测系统。通过硬件及软件系统的设计,采用RS-232串口通信,将光谱仪采集的光谱数据实时发送到PC机,利用CARS-PLS模型进行分析,最终实现了西瓜可溶性固形物含量的快速预测。