麒麟瓜內部品質在線無損檢測技術的實驗研究.pdf

1、中國是世界水果生產和消費大國，西瓜的產量居世界之冠，但是出口量卻非常少，分析其主要原因是由于中國水果商品化水平比較低，水果檢測技術和檢測水平比較落后。水果商品化水平對水果的內部品質要求較高，對西瓜生產過程中內部品質的檢測是西瓜出口供應的一個必需環(huán)節(jié)。國內外對西瓜內部品質在線無損檢測的研究報道還較少，現有的在線無損檢測技術和檢測方法還不是很成熟，只有國外少數國家擁有西瓜等大型厚皮類水果的無損檢測生產設備，而國內水果無損檢測裝備制造企業(yè)設計

2、生產的檢測設備分選能力相對較弱，目前，國內還沒有西瓜內部品質在線無損檢測設備。因此，國內大型水果生產企業(yè)每年要花費大量的資金購買和維護國外的水果無損檢測設備。
　　本課題研究的最終目標是研制開發(fā)西瓜內部品質在線無損檢測系統(tǒng)，以增強中國水果品質檢測裝備制造業(yè)的技術實力和技術水平，提高國內水果生產加工企業(yè)的效益和水果的品質質量。
　　本研究選擇厚皮類瓜果麒麟瓜為研究對象，對麒麟瓜的可溶性固形物(Soluble solids co

3、ntent，SSC)和總酸(Total acidity，TA)指標進行了理化分析和測定，對麒麟瓜內部品質在線無損檢測過程中的關鍵技術問題進行了研究，初步設計完成了麒麟瓜內部品質在線無損檢測試驗臺。該檢測系統(tǒng)是結合光學、機械學、電學、生物物料學和化學計量學于一體的光機電控在線無損檢測系統(tǒng)，其主要涉及光譜分析、信息融合、自動控制等相關學科知識。本課題針對麒麟瓜內部品質在線無損檢測系統(tǒng)的關鍵技術主要進行了如下幾個方面的研究:
　　(1)

4、針對麒麟瓜體積大以及皮厚的特點，設計了麒麟瓜內部品質在線無損檢測系統(tǒng)的總體結構，包括輸送裝置、光譜采集、控制單元以及光譜分析模型算法等。研制開發(fā)了基于近紅外光譜（Near infrared spectroscopy，NIRS）技術麒麟瓜內部品質在線無損檢測系統(tǒng)，初步解決了麒麟瓜體積大、皮厚難以檢測內部品質的難點問題，以滿足其內部品質快速在線無損檢測要求;
　　(2)該檢測系統(tǒng)初步解決了麒麟瓜內部品質快速在線無損檢測模型的關鍵問題。

5、本研究主要對可溶性固形物和總酸兩個指標進行了建模研究。并通過不同光譜預處理方法優(yōu)化預測模型，應用遺傳算法（Genetic algorithm，GA）、蒙特卡羅-無信息變量消除（Monte-Carlo uninformative variable elimination，MC-UVE）、蒙特卡羅-無信息變量消除結合遺傳算法(MC-UVE-GA)等變量優(yōu)選方法提取特征變量，剔除無關信息變量，減少了變量數目，初步建立了適用于該檢測系統(tǒng)的偏最小

6、二乘回歸(Partial least squares regression，PLSR)預測模型;
　　(3)研究了麒麟瓜瓜臍、瓜梗、赤道和接地端四種檢測部位和0.1m/s、0.3m/s、0.5m/s和0.8m/s四種輸送速度對檢測精度的影響。采用美國海洋光學公司QE65000光譜儀，光譜采集采用漫透射方式，入射角度為120°（檢測透鏡和光源相對水果的角度），12盞150W的鹵鎢燈，光源功率可調。研究結果顯示，預處理結合變量優(yōu)選方法

7、進行模型簡化處理之后，在本研究采用的四種傳輸速度中，以0.8m/s輸送速度在瓜臍處檢測對可溶性固形物的結果較其余三種好，采用14個波長，它們分別為800.8、801.5、802.3、806.7、806.0、800.0、807.5、788.8、829.1、775.3、788.1、820.9、781.3和787.3nm，所建PLSR預測模型的校正集相關系數（Correlation coefficient of calibration，rca

8、l）為0.847，校正均方根誤差(Root mean square error of calibration，RMSEC)為0.550％，預測集相關系數（Correlation coefficient of prediction，rpre）為0.836，預測均方根誤差(Root mean square error of prediction，RMSEP)為0.500％;以0.5m/s輸送速度在赤道部位檢測對總酸有較優(yōu)的預測結果，采用8個

9、波長，它們分別為792.5、757.3、791.8、793.3、774.6、758.1、775.3和756.6nm，所建PLSR預測模型的rcal為0.785，RMSEC為0.01076％，rpre為0.763，RMSEP為0.01106％;通過對四種檢測條件下的模型研究證明，不同檢測速度和檢測部位都會對檢測模型精度造成影響。同時，該檢測系統(tǒng)檢測精度還有待進一步提高，距離實際生產應用還有一定差距;
　　(4)研究了麒麟瓜成熟度的定

10、性判別分析:采用美國海洋光學公司QE65000微型光纖光譜儀采集的漫透射光譜建立定性判別模型;創(chuàng)新性地提出了光譜波峰比值法(Ratio of peak1 to peak2，RPP)，并與其他常見的化學計量學判別方法進行了比較，包括線性比較判別分析(Linear discriminant analysis，LDA)、簇類的獨立軟模式分類法(Soft independent modeling of class analogy，SIMCA)和

11、最小二乘-支持向量機(Least squares support vector machines，LS-SVM)分類法。光譜波峰比值法利用720-740nm和803-805nm處光譜峰值進行麒麟瓜成熟度鑒別，成功地將麒麟瓜成熟度歸納為四類:不成熟，半成熟，成熟和過成熟。具體劃分方法為，當RPP在0.4和0.69之間時為過成熟麒麟瓜;當RPP在0.7和0.96之間為成熟麒麟瓜;當樣本的RPP位于0.97到1.23之間為半成熟麒麟瓜;而當樣