论文部分内容阅读
甘薯富含淀粉、糖等营养物质,因其耐干旱、适应性强、易种植而被广泛种植和生产,是一种重要的农作物。目前,高光谱成像技术在肉品、小麦、马铃薯、果蔬等方面的快速检测研究较多,但对甘薯品质的研究则涉猎较少。本试验旨在基于900-1700 nm高光谱成像技术结合多种线性算法,挖掘甘薯光谱信息与待测指标之间的定量关系,从而实现对甘薯品质的快速检测,为甘薯采后生理和品质分析提供一定的参考价值。详细的研究内容和结果如下:（1）基于高光谱成像技术对甘薯质地多面分析（texture profile analysis,TPA）模式下的质构特性进行快速预测。提取甘薯样品高光谱图像的感兴趣区域（region of interest,ROI）,分别获得165个甘薯硬度、147个甘薯弹性、155个甘薯内聚性样品的RAW平均反射光谱信息。甘薯样品RAW光谱预处理通过多元散射校正（multiplicative scatter correction,MSC）、标准正态变量校正（standard normal variate,SNV）、基线校正（baseline correction,BC）、高斯滤波平滑（gaussian filter smoothing,GFS）和归一化校正（normalization correction,NC）来实现,以达到提高光谱信噪比的目的。随后,利用偏最小二乘（partial least squares,PLS）算法分别建立全波段（900-1700 nm）模型预测甘薯硬度、弹性、内聚性。结果表明,基于SNV光谱构建的PLS模型预测甘薯硬度效果更好,预测集回归系数（regression coefficient of prediction,rP）为0.913、预测集均方根误差（root mean square error of prediction,RMSEP）为311.886 g;基于BC光谱的PLS模型预测甘薯弹性效果更好,rP为0.925、RMSEP为0.029;基于NC光谱的PLS模型预测甘薯内聚性效果更好,rP为0.917、RMSEP为0.008。运用回归系数（regression coefficient,RC）法、逐步回归（stepwise regression,SR）法、连续投影（successive projection algorithm,SPA）算法和竞争性自适应重加权取样（competitive adaptive reweighted sampling,CARS）法得到与检测指标相关性较高的最优波长,PLS和多元线性回归（multiple linear regression,MLR）法建立优化模型。通过对比分析得出,基于SPA法筛选出的7个最优波长构建的甘薯硬度SPA-SNV-MLR预测性能最佳（rP=0.919、RMSEP=297.268 g）;基于SR法筛选出的4个最优波长构建的甘薯弹性SR-BC-MLR预测精度更高、稳定性更好（rP=0.918、RMSEP=0.030）;基于CARS法筛选出的6个最优波长构建的甘薯内聚性CARS-NC-MLR模型更好（rP=0.911、RMSEP=0.009）。F检验和t检验同样验证了SPA-SNV-MLR、SR-BC-MLR和CARS-NC-MLR模型的适用性和数据的有效性。（2）探究高光谱成像技术结合MLR法快速预测甘薯水分和灰分含量的可行性。采用不同预处理方式对甘薯样品（水分、灰分）RAW反射光谱进行信号增强并建立900-1700 nm的PLS预测模型。比较分析发现,构建水分、灰分预测模型最好的全波段光谱分别为A光谱、MAS光谱。为了优化PLS模型,采用RC、SPA和CARS三种方法提取最优波长。F检验和t检验双重验证表明,基于RC法获得的11个最优波长建立的水分RC-A-MLR模型和SPA法获得的22个最优波长建立的灰分SPA-MAS-MLR模型适用价值更高,rP分别为0.970和0.943;RMSEP分别为0.0089 g/100g和0.042 g/100g;剩余预测偏差（residual predictive deviation,RPD）分别为4.081和3.019。（3）利用高光谱成像技术（900-1700 nm）对甘薯营养成分进行了快速定量研究。基于PLS算法分别挖掘104个甘薯淀粉样品、170个还原糖样品、80个维生素C样品和80个蛋白质样品全波段光谱信息与其对应检测指标之间的线性关系。结果表明,基于486个波长构建的MSC-PLS模型、RAW-PLS模型、MSC-PLS模型、RAW-PLS模型分别适用于预测甘薯淀粉含量、还原糖含量、维生素C含量和蛋白质含量。采用三种化学计量学算法（RC、SR、SPA）分别从甘薯淀粉样品MSC最优光谱、还原糖样品RAW最优光谱、维生素C样品MSC最优光谱和蛋白质样品RAW最优光谱中挑选最优波长,建立优化模型。对于甘薯淀粉、还原糖、维生素C含量的检测,研究发现,基于SR法筛选的18个最优波长、RC法选择的11个最优波长和SPA法获取的20个最优波长建立的MLR模型预测效果最好,其rP分别为0.970、0.915、0.915;RMSEP分别为0.374 g/100g、0.355 g/100g、2.492 mg/100g;RPD值分别为4.094、2.393、2.244;ΔE值分别为0.064 g/100g、0.023 g/100g、0.966 mg/100g。对于甘薯蛋白质含量的检测,则是基于SPA法提取的15个最优波长构建的PLS模型预测效果最佳,rP、RMSEP、RPD、ΔE分别为0.911、1.029mg/g、2.481、0.181 mg/g。