基于近红外光谱特征谱区优选方法的草莓内部品质检测研究

目前,草莓品质主要依靠感官评判和理化分析进行评价。感官评判结果主观性强、稳定性差；理化分析结果虽然客观可信,但检测步骤烦琐、时间长、费用高,这两种方法都无法满足草莓行业生产、加工和贸易过程中品质快速检测的需要。近红外光谱分析技术作为一种快速、低成本、多组分同时检测的绿色分析技术,在食品和农产品品质检测方面正快速替代许多常规理化分析手段。本论文尝试将近红外光谱技术运用于草莓内部品质的快速检测。草莓近红外光谱区含有大量含氢基团的倍频和合频吸收峰,存在光谱信息重叠的问题,影响模型的精度和稳健性。因此本研究重点优化了草莓内部品质指标的特征波段,在简化检测模型的同时提高了检测的精度和稳定性,主要工作如下： 1.采集了草莓的近红外光谱信息,用标准正态变量变换、多元散射校正、一阶导数和二阶导数对光谱进行预处理。同时,用常规检测方法对草莓的内部品质理化指标(可溶性固形物、维生素C、酸度、硬度)进行检测,得到相应常规检测数据。 2.利用近红外光谱分析技术结合常规区间偏最小二乘法(iPLS)定量分析草莓的内部品质指标。在iPLS模型建立过程中,优选了子区间总数、光谱预处理方法和主成分因子数。对草莓的可溶性固形物、维生素C、酸度和硬度四个内部品质指标,模型预测集相关系数(R)分别为0.9185、0.9154、0.9125和0.9005。研究结果表明,利用近红外光谱技术结合iPLS算法可以很好的检测草莓内部品质理化指标,为草莓内部品质的快速检测提供了依据。 3.研究利用特征波段筛选法优化草莓内部品质理化指标的预测模型以提高模型的精度和稳定性。首次设计并实现了两种新的近红外光谱特征波段优化方法——遗传算法-区间偏最小二乘法(GA-iPLS)和模拟退火算法-区间偏最小二乘法(SA-iPLS)。以草莓中可溶性固形物为研究对象,将所设计的方法与现有文献中介绍的区间偏最小二乘(iPLS)、联合区间偏最小二乘(SiPLS)、向后区间偏最小二乘(BiPLS)等的筛选结果一一进行了比较,结论是它们都能在提高模型精 度的同时降低模型的复杂度,其中模拟退火算法-区间偏最小二乘法得到的结果最佳,该模型预测集相关系数(R)为0.9451。 4.近红外光谱数据处理软件的实现。总结实验室多年来近红外光谱数据处理方法的基础上,在matlab 7.4平台下编写了一款近红外光谱数据处理软件,该软件集成了校正集/预测集样本分组、光谱预处理、特征波长/波段选择、校正模型建立和未知光谱预测等近红外光谱数据处理模块,大大简便近红外光谱数据处理过程,提高了近红外光谱数据处理效率。该软件采用窗口化操作,具有友好的操作界面。 研究表明利用近红外光谱分析技术检测草莓内部品质理化指标是可行的；采用一定的特征谱区选择方法和光谱预处理算法可以优化草莓内部品质理化指标的定量分析模型,提高模型的精度和稳定性。研究成果对提高我国草莓内部品质的检测水平有着现实意义。