基于优选波长的多光谱检测系统快速检测猪肉中挥发性盐基氮的含量

挥发性盐基氮(TVB-N)含量是评价猪肉新鲜度的重要理化指标。为了实现快速、无损检测猪肉的新鲜度,优选出与猪肉中TVB-N含量相关的特征波长,将包含特征波长的发光二极管(LED)光源用于多光谱检测系统,测定了猪肉中TVB-N的含量。首先利用可见-近红外(VIS-NIR)高光谱系统对猪肉进行检测,获取高光谱反射率数据,并采用一阶导数(FD)法、标准正态变量变换(SNV)以及其他预处理方法建立猪肉中TVB-N含量的偏最小二乘回归(PLSR)模型;然后分别利用逐步回归算法(SWA)、连续投影算法(SPA)、基因遗传算法(GA)筛选出与TVB-N含量相关的特征波长,利用筛选出的特征波长分别建立PLSR模型与多元线性回归(MLR)模型,比较模型结果后进一步优选特征波长;最后,将含有特征波长的LED光源用于多光谱检测系统,并建立PLSR模型与MLR模型,从而完成对猪肉中TVB-N含量的测定。实验结果表明:利用SWA、SPA、GA这3种算法筛选出的特征波长能够很好地反映全光谱的信息,建立的模型效果较好,变量数大大减少;包含优选特征波长的LED光源在多光谱检测系统中能很好地检测猪肉中的TVB-N含量;MLR模型结果好于PLSR模型结果,MLR模型的校正集相关系数和校正集均方根误差分别为0.9050和3.63×10-5,预测集相关系数和预测集均方根误差分别为0.9040和3.81×10-5。     

双波段光谱融合的猪肉多品质参数同时检测方法研究

在双波段可见/近红外光谱系统(350~1 100和1 000~2 500 nm)中,由于两台仪器性能有所不同,导致在波段重叠区域对同一样品测得的反射率不同,出现数据交叉现象。针对此问题,提出一种波段连接数据融合的方法,以期对两个波段的光谱进行更好的应用。首先采集60个生鲜猪肉样品表面的反射光谱信息,利用Savitzky-Golay(S-G)平滑和标准正态变量变换进行预处理,然后利用单一波段和双波段光谱数据与猪肉品质参数(颜色参数L*, a*, b*,pH和蒸煮损失率)理化值建立偏最小二乘预测模型,并分析比较。利用提出的波段融合方法对两个波段重叠区域出现的交叉进行处理,处理后的双波段光谱融合数据对参数L*, a*, b*, pH以及蒸煮损失率建模,验证集的相关系数分别为0.948 8,0.920 0,0.950 5,0.930 1和0.903 5,模型效果与未融合前相当甚至更优。采用无信息变量消除法方法进行特征变量筛选,利用优选后的特征变量建立了更为简化的模型。实验结果表明,所提出的波段融合方法能够对两个波段光谱数据实现较好的融合,利用融合后的光谱数据有利于建立更简化、性能更佳的预测模型。     

基于高光谱散射特征的牛肉品质参数的预测研究

研究利用光谱散射特性预测牛肉的pH值、嫩度和颜色。使用高光谱成像系统,获取400～1 100 nm波长范围内新鲜牛肉表面的高光谱散射图像,预测牛肉的品质参数。提取高光谱图像在400～1 100 nm波长范围内的散射特征,利用洛伦兹分布函数,拟合各个波长处的散射曲线,获取不同波长散射曲线的洛伦兹函数参数。使用逐步回归方法,选择优化波长及其相应的拟合参数,建立多元线性回归模型预测牛肉的品质参数,使用全交叉验证方法评价模型性能。对嫩度的预测相关系数达到0.86,预测标准差为11.7 N,分级准确率达到91%;pH值的预测相关系数为0.86,预测标准差为0.07;对颜色参数L*, a*, b*的预测相关系数分别达到0.92, 0.90和0.88,预测标准差分别为0.90,1.34和0.41。研究结果表明,利用光谱散射特征可以较好的预测牛肉的品质参数。     

基于LED阵列与漫反射自由曲面的均匀照明光源设计

提出一种由平面LED阵列与高漫反射率自由曲面构成的间接照明方式。基于LED光源与理想漫反射表面的朗伯特性,构建照明系统的数学模型。根据目标平面预期的光强分布,建立一组微分方程,利用数值方法求解得到漫反射自由曲面的面形轮廓,通过光学软件对该漫反射光源系统实体模型进行非序列光线追迹仿真,模拟结果显示检测区域辐照均匀度达到90%以上,验证了该方案设计均匀照明光源的正确性与有效性。     

基于拉曼光谱技术的不同贮藏条件下明虾品质变化预测模型的研究

针对明虾品质劣变过程中的鲜度特征,该研究以颜色(L~*, a~*, b~*)、挥发性盐基氮(TVB-N)、 pH等品质指标为研究对象,利用拉曼无损检测技术采集4℃和-20℃下生鲜明虾光谱信息,运用岭回归、偏最小二乘法和前向逐步回归对明虾进行了快速定量检测,建立了品质指标定量模型。其中光谱数据预处理包括SG平滑、背景扣除、二阶微分、标准正态变量变换,按一定方式组合4种预处理和PCA降维技术进行数据处理,筛选出最优模型。结果表明:利用岭回归建立颜色(a~*, b~*)定量模型时,在组合预处理方式下建模集中R分别为0.983和0.973, RMSE分别为0.114和0.179,预测集中R分别为0.513和0.564; RMSE分别为0.615和0.918,建模集精度远超预测集表明出现过拟合,经PCA降维后过拟合降低、但预测集预测效果不理想;偏最小二乘法在各指标建模集上精度和岭回归差不多,在预测集上预测精度偏低, PCA降维后部分指标建模集相关系数下降、均方根误差上升,预测精度降低。最终结果显示:经过4种预处理后的前向逐步回归模型最优,建模集中L~*, a~*, b~*, pH和TVB-N指标R分别为0.904, 0.885, 0.864, 0.934和0.940, RMSE分别为1.141, 0.280, 0.535, 0.131和2.345;预测集中R分别为0.863, 0.850, 0.859, 0.900和0.916, RMSE分别为1.394, 0.406, 0.605, 0.194和2.734,建模效果好。因此,利用拉曼光谱技术结合前向逐步回归模型快速检测明虾中L~*, a~*, b~*, pH和挥发性盐基氮含量可行,对拉曼技术应用明虾品质检测具有一定指导意义。     

基于高光谱多参数的冷鲜牛肉品质快速检测技术

为了解决传统冷鲜牛肉品质检测技术的操作繁琐、有不可逆破坏等问题,提出采用高光谱与多参数融合的冷鲜肉品质检测方法。以冷鲜牛肉品质作为研究对象,提取冷鲜牛肉感兴趣区域(ROI)光谱并测量冷鲜牛肉的质构参数：硬度、弹性、粘聚性、胶着度、咀嚼度、回复性。经参数精度比较,筛选出粘聚性、回复性作为建模参数。分别采用Kennard-Stone和SPXY算法对原始光谱数据进行划分,通过样本划分后所建模型的相关系数和相对标准偏差确定最优样本划分方法,最终采用SPXY（sample set partitioning based on oint X-Y distance）算法对样本进行划分得到35个训练集和7个测试集。在经过SPXY算法样本划分的基础上,分别采用一阶微分（D1st）、多元散射校正（MSC）、标准正态变换（SNV）、二阶微分（D2st）对高光谱数据进行预处理,有效消除了光谱中的噪声,提高信噪比。使用连续投影法（SPA）提取光谱特征波长,有效减小了全波段建模包含的大量噪声信息的缺点,使模型精确度得到保障的同时提高了模型的运行速度。最后,分别采用偏最小二乘法（PLSR）和主成分回归法（PCR）构建冷鲜牛肉品质预测模型。以粘聚性为参数时,SNV-SPA-PLSR模型性能最优,模型预测相关系数为0.879 8;以回复性为参数时,D2st-SPA-PLSR模型精度最高,模型预测相关系数为0.880 6。实验结果表明,基于高光谱与多参数融合的冷鲜肉品质检测方法能够实现冷鲜牛肉品质快速检测。     

漫透射近红外光谱的便携式面粉品质安全检测仪的设计

基于近红外漫透射光谱分析技术,设计了便携式面粉品质安全检测仪,该检测仪主要包括光谱采集模块、光源控制模块、处理与显示模块以及电源模块。其中漫透射检测附件不仅可以实现光谱补偿功能,还可以有效避免外界杂散光的干扰,设计了控制光源开关的电路,通过实验确定样品的最佳厚度。选用树莓派4B作为核心处理器,选用可充电锂电池供电,仪器可持续供电2 h,仪器大小为250 mm×170 mm×300 mm。以去除麸皮后由小麦磨成的面粉为研究对象,总共180份样品,每份样品再分三份,分别为黄色、红色和蓝色。对所有的红色样品使用波长为900~1 870 nm的近红外漫透射光谱进行光谱信息采集并记录,对所有的黄色样品进行湿度值的测量并记录,对所有的蓝色样品进行DON含量的测量并记录,三种样品需要同时进行测量。利用箱线图剔除光谱两端的噪声和一个异常样本,最终选取1 048～1 747 nm波段光谱进行建模。利用多元散射校正(MSC)、S-G卷积平滑和标准正态变换(SNV)对原始光谱数据进行预处理,分别建立了面粉湿度的偏最小二乘回归预测模型和DON含量超标与否的PCA-逻辑回归分类模型。所建湿度的最优PLSR预测模型的建模集和预测集相关系数分别为0.883和0.853,均方根误差分别为0.382%和0.286%,残差预测偏差RPD为2.5;所建DON含量超标与否的PCA-逻辑回归分类模型的预测集ROC曲线下的AUC值为0.927,混淆矩阵显示未超标样本的预测准确率为96%,超标样本的预测准确率为89%。基于PyQt5设计GUI界面,运用Python语言编写了面粉品质实时检测系统,该检测软件可以实现PLSR、PCA-逻辑回归模型的训练、保存和加载。利用外部验证集试验验证了便携式面粉多品质检测仪的精确性和稳定性。结果显示面粉湿度的外部验证集相关系数和均方根误差为0.876和0.21%,最大相对误差为2.89%。面粉DON含量超标与否的识别准确率为90%,表明该仪器可以对面粉的湿度和DON含量超标与否进行无损检测分析。     

近红外等效光谱测量方法研究

便携式近红外光谱仪器测量低反射率或透过率样品的漫反射率或透过率光谱时,由于仪器噪声的影响,光谱数据小、信噪比低,即使采用降噪数据处理,所得光谱数据仍无法满足分析精度的要求。因此研究了近红外等效光谱测量方法：根据低反射率或透过率样品在常规测量条件下反射信号的强度,增大仪器测量时光源电流以增大样品扫描信号、减小参比反射或透射光强以避免参比信号超量程,并计算得与常规测量方法相同的等效光谱,以提高样品近红外反射率或透过率光谱数据的信噪比。理论分析和实验结果表明采用近红外等效光谱测量方法,可获得与常规测量方法的光谱数据相同、且信噪比增大的等效光谱。     

光谱数据对油页岩含油率近红外光谱分析PLS建模精度的影响

目前油页岩关键的评价参数——含油率的检测方法均无法实现原位测量,无法满足油页岩资源的勘查和开采中样品检测的要求。便携式近红外光谱分析技术,为实现油页岩含油率的原位检测提供了可能性。由于光谱数据的不同形式与样品的成分含量值之间有不同的相关关系,样品不同成分的吸收特性表现在不同的近红外波段上,因此利用合成样品,针对反射率、吸光度、K-M函数等三种不同的光谱数据表示形式和四种不同的建模区间,研究它们对油页岩含油率PLS模型精度的影响情况。结果表明：对于合成样品,进行PLS建模的最佳光谱数据形式是反射率,最佳建模区间是组合特征区间,即适当的光谱数据形式及建模区间可提高模型的精度。     

空间分辨散射光谱多参数信息融合方法的生鲜肉嫩度无损检测

嫩度是猪肉食用品质最重要的指标之一。猪肉嫩度取决于猪肉组织复杂的物理、化学特性,目前难以实现快速无损伤检测。探索空间分辨光谱技术用于生鲜肉嫩度无损检测的可行性。首先利用点光源高光谱扫描系统采集54块猪肉背最长肌的空间可分辨散射光谱,经过感兴趣区域选择,提取出猪肉样本表面光斑的空间扩散轮廓,结合4-参数洛伦兹分布函数对扩散轮廓进行非线性拟合,拟合优度R2>0.992,并通过残差分析,表明4-参数洛伦兹分布函数符合肉样表面光强的空间散射规律,进而提取出480～950 nm波长下空间分辨光谱的四个形态学参数：渐进值a、峰值b、半带宽c以及半带宽处的斜率d。然后将单参数谱分别与猪肉样本Warner-Bratzler剪切力（WBSF）测量值进行偏最小二乘回归（PLSR）分析。结果表明不同参数谱都含有猪肉嫩度信息,其中峰值参数谱b建模效果最佳,其回归模型的校正集决定系数R2_c为0.674,均方根误差SEC为8.396N,预测集决定系数R2_p为0.610,均方根误差SEP为8.643N。为提高模型的预测精度和稳定性,实现多参数谱信息的融合,先通过PLSR分析,分别提取出每个参数谱中对猪肉嫩度方差贡献大的公共因子,然后将其因子得分组合在一起作为参数谱的特征变量,与猪肉样本WBSF测量值作多元统计回归分析。为避免数据冗余,对不同参数谱特征变量进行多重共线性判别,进一步采用PLSR算法对参数谱特征变量进行降维和变换,采用交叉验证方法,选择前两维因子得分进行校正模型的建立。其中所提取第一维公共因子对猪肉WBSF值方差解释率达92.28%。与单参数谱所建PLSR模型相比,多参数谱信息融合模型预测效果有了较大提高,其R2_c和R2_p分别为0.923和0.800,SEC和SEP分别为4.083N和5.655N。通过对回归系数进行统计量t检验,结果表明所有回归系数极显著（p<0.01）。本研究通过采取多参数信息融合方法为空间分辨光谱在生鲜肉嫩度无损检测应用提供一种思路,该方法有效将空间分辨光谱解析为4个形态学参数,并实现不同参数谱信息的提取和融合,为开发基于空间分辨光谱的生鲜肉嫩度无损快速检测装备提供技术支撑。     

温室番茄缺素叶片偏振反射特征分析

为提高番茄植株营养胁迫定量分析模型的精度,探究偏振检测在植物单叶尺度进行无损检测的优势,利用自行研制的偏振反射光谱系统检测不同生长期温室番茄缺素叶片偏振反射特征。对影响番茄单叶偏振反射的主要因素：方位角、入射天顶角、探测天顶角、光源偏振片起偏角度、探测器偏振片起偏角度进行了讨论,通过正交试验的极差分析获取光谱仪各测量角度参数的优水平,并通过实验进一步验证,最终分析得到偏振光谱系统检测番茄缺素叶片的角度组合及主次排序为：入射天顶角60°、光源起偏角度0°、探测器起偏角度45°、探测天顶角45°、方位角180°,在此基础上对不同生长期的缺氮、缺磷、缺钾叶片以及不同缺素程度的叶片进行分析比较,结果显示偏振反射比随番茄叶片的生长周期呈现正相关关系,缺素和营养过量均能导致偏振反射比的下降,偏振反射比在结果期和采收期的降幅较为明显。对于偏振反射光谱在植物单叶尺度营养快速检测的深入研究具有一定的理论和实践意义。     

基于光谱技术的原料肉新鲜度指标在线检测系统开发及试验

为了实现原料肉新鲜度参数的无损在线实时评估,基于双波段可见/近红外反射光谱（350~1 100和1 000~2 500 nm）技术建立了原料肉新鲜度主要指标的在线检测系统。研究设计了装置的光源单元、光谱采集单元、控制单元和驱动单元,优化设计了光源固定支架和安放角度,编写了相应的控制程序,开发了实验室用和便于在不同生产线应用的两套在线检测系统。首先,对试验参数（传送带速度和样品到透镜入光口距离）进行了优化研究,通过光谱相似度比较和显著性分析,确定传送带速度是275 mm·s-1、距离是12 cm时能够获得更加稳定的光谱信号。然后,基于该试验参数,分别在静止和在线条件下采集了贮藏时间为1~13 d共50个猪肉样本的反射光谱,并利用抛物线拟合法对双波段光谱进行融合,以获取整条覆盖可见及近红外区域的完整光谱。为了使两个波段范围内的光谱数据点权重相同,在整个波段范围内均匀分布,借助三次样条插值法将所有光谱数据点以2 nm为间隔进行重新排布。采用窗口移动多项式最小二乘拟合法对光谱作平滑处理,采用标准正态变量变换对每条光谱进行标准化预处理,分别建立了静止和在线条件下新鲜度主要表征指标-颜色（L*,a*和b*）、pH和挥发性盐基氮的预测模型,以此验证所搭建系统的可靠性。经过对比分析,发现在线条件下的建模结果不如静止状态下的建模结果,这可能与在线采集时光谱存在漂移现象有关。进一步尝试利用一阶导数处理来消除基线漂移强化谱带特征,并对一阶导数和标准化处理顺序对建模结果的影响进行了探讨。结果发现先经过一阶导数再经过标准化处理,能更好地消除外部干扰造成的影响,建模结果更佳。在该处理方式下,基于第一波段光谱建立了颜色参数（L*,a*,b*）的预测模型,基于双波段光谱建立了pH和挥发性盐基氮的在线检测模型,预测相关系数分别为0.955 3,0.924 7,0.955 1,0.961 5和0.966 8。最后,为了验证模型的适用性,基于开发的便于在不同生产线应用的在线检测系统,利用独立的20个样本对在线模型进行外部验证,对颜色参数（L*,a*,b*）,pH和挥发性盐基氮的预测相关系数分别为0.918 9,0.914 1,0.947 7,0.950 4和0.960 6。研究结果表明,该系统通过双波段光谱的实时采集和融合,可以获取更多反应样本内部信息的光学信号,具有更强的检测能力。结合设计的光路等其他硬件单元,可以同时获取样本表面更大区域的反射光谱信息,从而实现对原料肉新鲜度主要表征参数的无损、在线、实时评估。该系统便于组装和拆卸,可以适应不同企业生产线的实际需要,具有较强的实用价值和较好的市场前景。     

马铃薯近红外光谱无损检测影响因素研究

为提高马铃薯近红外光谱快速无损检测的准确性和稳定性,对比了光纤光源、卤素灯杯光源和环形光源三种光源条件下的光谱,结果显示环形光源的光谱噪声最小,辐照强度与均匀度最好。该工作对光源功率、光源距马铃薯表面距离以及光纤距马铃薯表面检测点距离进行研究,通过三因素三水平响应面试验,评价不同因素水平条件下对马铃薯可溶性固形物含量的光谱模型预测效果,得到最优参数组合为光源功率238.33 W,光纤探头距样品表面距离8.17 mm,光源距样品表面距离370 mm,并建立可溶性固形物定量预测模型。在最优参数条件下,预测偏最小二乘回归模型(PLSR)的相关系数优化到0.867,均方根误差0.149°Brix。为进一步消除设备及环境噪声,通过不同预处理算法降低噪声的干扰,结果显示标准变量排序法去噪效果最好,PLSR预测相关系数可达0.914,预测均方根误差降低到0.132°Brix,既能有效去噪又有较好的预测效果。试验结果表明,响应面试验优化检测环境和条件能有效提高马铃薯品质检测的预测精度,为近红外光谱马铃薯无损检测环境搭建和设备选型提供技术参考。     

基于近红外漫反射光谱无损检测梨可溶性固形物的光强影响探究

通过设置四种不同的光源强度研究光强对近红外漫反射无损检测梨可溶性固形物的影响,对四种类别光强的光谱定性分析显示四类光谱差异微小,肉眼几乎无法辨别。在进一步的定量分析中,通过主成分分析、逐步线性回归分析以及偏最小二乘法分析的比较,主成分分析(r值跨度：0.253～0.606;RMSEC值跨度：0.549～0.614;RMSEP值跨度：0.455～0.752)与逐步线性回归分析(r值跨度：0.249～0.551;RMSEC值跨度：0.536～0.624;RMSEP值跨度：0.646～0.734)得到的模型较差。通过对光谱进行一阶求导和二阶求导预处理,主成分分析与逐步线性回归分析建模结果仍不理想。通过二阶求导预处理,偏最小二乘法所建的模型得到优化,其中相关系数r值跨度为0.947～0.970,混合模型的相关系数r值达到了0.95 7,分析结果表明光强对梨的近红外漫反射光谱无损检测可溶性固形物的影响差异不大,为光谱仪的田间作业奠定了基础。     

应用近红外光谱进行玉米单籽粒品种真实性鉴定的光谱测量方法研究

从玉米籽粒胚的朝向,中长波漫反射分析和短波透射分析,进样方式三个方面进行了研究,通过比较不同的测量方法对品种识别模型性能的影响来选择最佳的玉米单籽粒光谱测量方式,进而鉴定玉米单籽粒品种真实性。原始光谱经过预处理后,使用判别式偏最小二乘法(PLS-DA)对数据进行特征提取和降维,选取前9个因子建立8个玉米品种的仿生模式识别模型。结果表明,玉米籽粒胚正对光源优于胚背对光源,中长波漫反射分析优于短波透射分析,小样品池效果好于小光阑。采用最优测量方法(籽粒胚正对光源,使用小样品池和中长波漫反射分析)获取玉米单籽粒的近红外光谱,建立的品种识别模型对本品种样品的平均正确识别率达到94.6%,对其他品种样品的平均正确拒识率达到96.5%。     

基于高光谱技术的土壤水分无损检测

利用高光谱成像仪(光谱范围400～1 000 nm)对土壤含水率进行了无损检测。比较了208个土样不同天数下土壤含水率与光谱变化、不同质量含水量光谱的差异;对比分析了不同光谱预处理方法、不同方法提取特征波长、采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component regression,PCR)与偏最小二乘回归(partial least squares regression,PLSR)建模,优选出最佳模型。结果表明：光谱曲线的反射率随着土壤含水率的增加而减小。当超过田间持水率时,光谱曲线的反射率会随着土壤含水率的增加而增大。对比分析了不同预处理方法,近红外波段优选出单位向量归一化预处理方法。采用无信息变量消除法(UVE)、竞争自适应加权采样(CARS)、β系数法、连续投影算法(SPA)方法提取特征波长为49,30,5和7。为了减少数据冗余,对UVE与CARS提取的特征波长进一步采用SPA方法进行特征提取,UVE+SPA,CARS+SPA提取特征波长数分别为5和8个。在此基础上,利用MLR,PCR和PLSR方法对400～1 000 nm范围的特征波长建立模型,对比分析不同建模效果,优选出β系数提取的特征波长的MLR模型。最优的特征波长为411,440,622,713和790 nm,最优模型的预测相关系数R_p=0.979,预测均方根误差RMSEP为0.763。因此,今后可采用不同波段对土壤含水率进行定量分析。     

大功率LED温度特性测量仪

用半导体加热/致冷芯片对LED恒温,用贴片式pt100作温度传感器,用具有人眼视觉特性的可见光亮度传感器组成光强探测器,研制了一种大功率LED温度特性测量仪.用该测量仪测量了1W白光LED在恒流和恒压驱动下光强、发光效率等参数的温度特性.实验表明,该测量仪恒温快,测量准确,成本低,操作便捷.