基于高光谱技术的圣女果品质检测研究

作     者：李嫚 

作者单位：重庆三峡学院 

学位级别：硕士

导师姓名：罗强

授予年度：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 09[农学] 0802[工学-机械工程] 0902[农学-园艺学] 090202[农学-蔬菜学] 

主      题：高光谱技术 圣女果 可溶性固形物含量 硬度 品质检测 

摘      要：圣女果作为世界四大水果之一,富含多种营养物质,其品质优劣直接影响消费者的购买意愿和食用安全。可溶性固形物含量是反映圣女果营养价值高低的一种重要化学成分指标,对果实的风味和口感产生显著影响;硬度也是反映圣女果品质的重要参数,对果肉质地和成熟度都有重要影响。目前,检测圣女果品质的方法仍依靠人工经验分拣或传统的理化测定方法,以上方法易耗时费力且无法满足大规模分级需求。因此,需要寻找一种快速、准确且无损的圣女果品质检测方法具有重要意义。高光谱技术以宽波段、高分率和无损检测等特点,在水果品质检测领域被广泛关注。本文以圣女果为研究对象,采用高光谱技术结合化学计量方法对圣女果的可溶性固形物含量和硬度进行检测分析。主要研究内容如下:(1)圣女果品质参数及光谱特性变化分析。圣女果在贮藏12天中,随着贮藏时间的增加,可溶性固形物含量总体变化趋势下降;硬度逐渐降低,果实软化;失重率则逐渐上升,水分流失严重;光谱特性变化趋势大致相同。(2)基于高光谱技术的圣女果硬度检测。采用基线校正(Base)和多元散射校正(MSC)两种方法对原始光谱进行预处理,通过竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、无信息变量消除算法(UVE)和SPA-UVE算法提取特征波长,并建立偏最小二乘回归(PLSR)和多元线性回归(MLR)模型。研究结果表明,经Base预处理后CARS-PLSR模型效果较为理想,校正集相关系数和均方根误差分别为0.4925、0.5662,预测集相关系数和均方根误差分别为0.4874、0.4363,预测相对分析误差为1.261。(3)基于高光谱技术的圣女果可溶性固形物含量检测。采用标准正态变换(SNV)、基线校正(Base)、多元散射校正(MSC)、卷积平滑(SG)和两两组合方式对原始光谱进行预处理,通过竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、无信息变量消除算法(UVE)、CARS-UVE算法、SPA-UVE算法提取特征波长,并分别建立偏最小二乘回归(PLSR)、多元线性回归(MLR)和支持向量机回归(SVMR)模型。研究结果表明,经SNV+SG+Base预处理后CARS-UVE-PLSR模型效果较好,校正集相关系数和均方根误差分别为0.8910、0.2464,预测集相关系数和均方根误差分别为0.7594、0.2670,预测相对分析误差为1.985。本研究通过高光谱技术可以有效检测圣女果中可溶性固形物含量和硬度指标。同时,利用偏最小二乘回归(PLSR)模型检测圣女果品质是可行的,也为其他水果品质的检测提供新的理论基础。