近红外光谱分析技术在农产品/食品品质在线无损检测中的应用研究进展

农产品/食品品质问题一直受到人们的广泛关注,而由品质问题引起的农产品/食品安全事故越来越多,所以急需对农产品/食品品质进行快速无损检测。目前常用的快速检测方法有化学比色分析法、近红外光谱法、免疫学分析法、生物传感器技术、生物芯片检测法以及生物学发光检测法等。近红外光谱分析技术因具有分析时间短、无需样品预处理、非破坏性、无污染以及成本低等特点, 已成为一种快速的现代分析技术, 广泛应用于农产品/食品领域的品质检测。国内外许多学者对其进行了深入的研究,并且从实验室的静态研究向在线检测研究方向发展。文章概述了近红外光谱分析技术在水果、鱼类、畜肉类、牛奶、谷物以及奶酪酒精发酵上的在线品质检测/监控应用上的研究进展,指出了近红外光谱分析技术尚存在的问题,并对今后的近红外光谱分析技术作了展望。提出近红外光谱分析技术将会与网络技术相结合,实现近红外分析模型的在线更新与升级, 指出光谱成像技术将成为21世纪近红外光谱分析技术的发展趋势。     

近红外光谱与多元统计方法用于生产过程实时分析

近红外漫反射光谱快速、无损且适用于实际复杂样品分析等特点被广泛应用于在位和在线分析。基于近红外光谱漫反射技术和多元统计过程分析方法建立了一种适用于生产过程分析与在线实时监测新方法。该方法实时采集生产过程中物料的近红外光谱,并利用已建立的模型计算统计量Hotelling T2对生产过程进行实时评价。模型的建立采用了主成分分析,统计量根据实时光谱在主成分模型上投影进行计算。实际应用表明,利用该方法可以根据统计量实时监测生产过程中物料的变动情况,并根据不同批次统计量的进一步统计实现批次间的相对稳定性分析。因此,该方法可作为生产过程质量控制的良好手段。     

利用多元散射校正提高油菜籽脂肪酸近红外分析精度

近红外光谱技术可对完整油菜籽进行快速无损检测分析,但因受样品装填密度、颗粒大小及分布不均匀等物理因素的影响,光谱测量散射误差较大.本文利用MSC技术、相关分析和微分预处理光谱数据,结合PLS回归建模和交叉验证方法,建立了油菜籽脂肪酸近红外光谱分析模型.研究表明,MSC校正和其它光谱预处理方法相结合显著地提高了模型的分析精度,减少了模型的PLS主因子数.     

基于近红外光谱技术快速无损检测大豆含水量

为了研究近红外光谱法快速无损检测大豆含水量的可行性,在室内通过FieldSpec4高分辨地物光谱仪对100份大豆样品进行光谱数据测量,经过平滑、求导、多元散射校正等七种不同的光谱预处理变换之后,利用主成分回归分析方法(PCR)和偏高最小二成回归分析方法(PLSR)分别建立大豆含水量高光谱估测模型。结果表明,基于原始光谱的一阶导变换建立的偏最小二成回归模型预测精度最高,其校正集和预测集的相关系数和均方根误差分别为R_c~2=0.74、R_p~2=0.85,RMSE_c=0.30,RMSE_p=0.45,近红外光谱技术可用于快速无损检测大豆含水量。     

含反式脂肪酸食品近红外光谱快速无损识别方法研究

为满足食品中反式脂肪酸(TFA)的快检需求,提出了一种采用近红外漫反射光谱识别含TFA食品的快速无损方法。采用光纤探头采集完整样品的傅里叶变换近红外漫反射光谱,应用毛细管气相色谱(GC)法测定食品中TFA的含量作为建模参考数据。根据食品中TFA含量将食品分为含TFA食品和无TFA食品。采用偏最小二乘判别(PLSDA)、支持向量机(SVM)、簇类独立软模式(SIMCA)和K-最邻近法(KNN)等有监督模式识别方法建立了含TFA食品的识别模型,并研究了不同光谱预处理方法和建模波段对模型性能的影响。研究结果表明,PLSDA和SVM两种方法可对含TFA食品进行识别 ,但PLSDA方法识别效果明显优于SVM方法。其中,使用与TFA相关波段,结合标准化和二阶导数预处理所建立的PLSDA识别模型效果最佳,校正集和验证集识别准确率分别可达96.4%和88%,具有快速无损识别含TFA食品的可行性。这种方法不需脂肪提取和研磨等样品预处理,具有简单、快速、无需破坏样品等优点,非常适合现场或在线快速检测。     

近红外光谱技术检测植物木质素纤维素研究进展

近红外光谱技术可用来检测植物木质素、纤维素及半纤维素含量,与传统的湿化学方法相比具有快速、操作简单、准确、无损等优点,是一种新型的测定方法,近年来在检测木本植物及草本植物木质纤维素组成成分中被广泛应用。综述了国内外利用近红外光谱技术快速检测木本植物(用作造纸原料的木材、竹材以及潜在的可用作生物质能源的木材)及草本植物(饲草及草类能源植物)木质素、纤维素、半纤维素含量的研究进展,并从样品前处理、光谱预处理及波长选取方法、化学计量学方法三个方面对利用近红外光谱技术快速检测植物木质素、纤维素方法研究上的进展进行了总结,并结合国内木材、牧草及能源草行业发展现状提出了四点展望: 建立适用性更强的模型;建立全面的草产品品质指标近红外光谱数据库;建立能源植物能用品质指标相关模型并对建模方法进行进一步的探索和完善;推动应用近红外光谱技术检测植物木质纤维素的方法从实验阶段走向实际应用。随着对近红外光谱检测植物木质纤维素方法的不断成熟和完善,它必将对造纸、饲草及能源草行业的发展产生巨大的推动作用。     

基于支持向量机算法的红外光谱技术在奶粉蛋白质含量快速检测中的应用

蛋白质是奶粉中重要的营养成分,实现对奶粉中蛋白质含量的快速、无损检测十分重要。文章采用近红外及中红外光谱技术检测了不同品种奶粉的蛋白质含量。采用最小二乘支持向量机对光谱透射率值和蛋白质值建模。模型在全波段对样本蛋白质含量预测得到了较好的结果,绝对系数(R2_p)达到0.9517,预测误差均方根(RMSEP)为0.520 201。预测结果要优于传统的偏最小二乘回归(PLS)的预测结果,说明红外光谱技术能够实现奶粉蛋白质含量的无损检测,且检测过程比传统化学检测方法简单,操作性强。文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模。模型预测结果显示中红外光谱区域的建模效果要优于近红外光谱区域。该研究为今后奶粉蛋白质含量快速无损检测提供了新的方法。     

基于线性渐变分光微型近红外仪的西湖龙井真伪模型不适应性析因及修正研究

采用基于线性渐变滤光片分光原理的微型近红外光谱仪对2012年和2013年的西湖龙井和普通扁形茶建立真伪识别模型。分别对不同年份、不同保存期样品的近红外光谱数据进行PCA分解,并根据PCA得分分布的数学特征选取代表性样品,建立PLS-DA模型,从数学原理的角度对模型不适应性的原因加以分析,并对其进行修正,结合外部盲样的验证,有效地增强了模型适应性。研究结果表明,针对西湖龙井和普通扁形茶,采用不同年份样品近红外光谱数据共同建模可有效提高模型对不同年份样品的识别正确率;采用不同保存期样品近红外光谱数据建模结果表明,普通扁形茶在冷冻保存3个月后,理化性质发生了较大的变异,而西湖龙井的理化性质相对较为稳定。从光谱数据主成分特征的数学原理角度对不同年份以及不同保存期模型的适应性进行了研究,建立并验证了适合西湖龙井真伪识别的模型,有效提高了模型的预测准确度。不仅可为近红外光谱应用于农产品质量安全与品质分级方面提供一定的参考,而且对提高农产品近红外分级模型的预测准确度亦具有参考价值。     

光谱关键变量筛选在农产品及食品品质无损检测中的应用进展

农产品及食品的品质与安全一直以来都是人们关注的焦点,不仅关系着人们的身体健康,而且关系着社会稳定甚至国家安全。由于农产品及食品的品质不合格引发的安全事件备受社会各界的广泛关注。对农产品及食品的品质的监管长久以来都是分析检测领域的重点和难点。我国人口众多,对农产品和食品的消费量非常大。面对如此大量农产品及食品品质的无损快速检测需求,光谱法以其快速、无损、高效、环境友好、可现场检测等诸多特点,为农产品及食品品质的无损快速分析提供了良好的解决方案。然而,传统的光谱法在检测过程中所使用的数据量十分庞大,不仅在建立校正模型过程中会消耗大量时间,而且难以完成大量农产品及食品的品质在线高通量无损快速检测。大量数据的计算成为限制光谱类分析仪器工作效率的主要瓶颈之一,并且大量数据的计算对仪器设备的硬件配置也提出了非常高的要求,从而间接地提高了光谱分析技术的应用成本。近年来,关键变量筛选技术脱颖而出,并成为光谱分析的一个新热点。通过筛选,采用少量关键变量建立校正模型即可得到和全谱数据建模准确度相差无几的分析结果,从而可以有效提高分析仪器的工作效率并间接地降低光谱分析技术的应用成本,进而为农产品及食品品质的高通量检测提供了可靠的技术支持、为满足人民日益增长的美好生活需要提供科技保障。针对光谱关键变量筛选在粮食及粮食作物、蔬菜、水果、经济作物、肉类、食品品质与安全领域的无损检测应用进行综述,对光谱关键变量筛选技术的应用从筛选方法、应用范围、应用效果等方面进行了分类总结归纳,并就光谱关键变量筛选技术在农产品及食品品质无损检测中的应用从变量筛选方法特点及趋势、所选变量的稳定性和可靠性、所选变量的实际意义等方面进行了展望。     

一种油田原油含水率的近红外光谱检测与分析方法

石油作为重要战略资源,对其组分进行实时分析检测在石油化工领域有着重要意义。随着石油资源的不断开发,在已长时间开采油井的生产过程中以及新油井开采前,需要对井下原油组分进行分析检测,以判定开采的必要性。原油组分实时检测,在原油开采、生产、储运以及销售过程中都起着关键的作用,针对传统检测方法存在精度低、效率低等问题,近年来在原油组分检测技术的研究方法上引入了在测量领域得到广泛、有效应用的近红外光谱测量技术。以井下原油作为研究对象,利用从大庆油田获得的提纯原油与水按体积比配制了原油占比分别为1%~20%共39个组分的实验样品来模拟井下原油。研究了近红外光谱透射法测量原油组分的基本原理,并利用SW2520型近红外光谱仪与卤素光源以及配套组件集成了原油样品近红外光谱数据测量系统,完成了系统的标准化实验并利用此标准化后的系统采集了39个组分原油样品的近红外吸收光谱数据。利用移动窗口平滑法、Savitzky-Golay卷积平滑法以及Savitzky-Golay卷积求导法对原油近红外光谱数据进行预处理以消除噪声,利用偏最小二乘法和支持向量机回归方法SVR两种分析方法对预处理后的原油样品近红外光谱进行建模,分别建立了原油组分分析预测模型。研究结果表明,利用偏最小二乘法模型预测均方根误差为0.003 755 14,决定系数R2为0.999 999,预测精度优于0.1%,预测效果十分理想。利用近红外光谱技术对配制的不同比例的井下原油模拟测试样品进行测试建模和分析,为井下原油组份检测提供了一种新的思路,该方法可以有效的解决原油含水率的检测问题,为开发油田现场实时原油检测分析装备提供技术支撑。     

近红外光谱技术在葡萄及其制品品质检测中的应用研究进展

葡萄具有丰富的营养价值、药用价值和经济价值,是世界上种植面积最大的水果之一。根据人们的消费需求及产品的贮运要求,葡萄被加工成葡萄干、葡萄汁、葡萄酒、葡萄籽油等常见葡萄制品。基于食品质量安全的关注以及高品质果蔬农产品的需求,如何快速有效地评价葡萄及其制品的质量已成为当务之急。随着无损检测技术及装备的快速发展,近红外光谱（NIR）技术因其快速、无损、精确、经济及便于在线分析的优点,也逐渐被应用在果蔬等农产品质量品质检测领域。近年来,国内外学者利用NIR技术在不损坏被检测葡萄及其制品的前提下,结合化学计量法、主成分聚类分析（PCA）、偏最小二乘判别分析（PLS-DA）、主成分回归（PCR）、偏最小二乘回归（PLSR）、支持向量机（SVM）及神经网络（NN）等数据处理方法探究了糖、酒精、酸等一般成分及色素、单宁、芳香物质等特有成分含量与有效光谱信息的关联性,以此建立了葡萄及其制品主要品质指标的定性鉴别与定量分析模型,为便携式近红外葡萄品质检测设备的研制和在线葡萄汁、葡萄酒酿制过程监测系统的开发提供了一定技术支持。文章系统概述了近十年来国内外NIR技术在葡萄、葡萄酒、葡萄汁及葡萄副产物检测中的应用现状,旨在为葡萄及其制品在后续分类鉴定与品质评价研究方面提供参考。研究表明NIR技术通过定量定性分析可实现葡萄复杂理化成分的多组分检测和分类鉴别,在测定葡萄理化特性与内部品质方面的研究已经有了一定的进展,且在葡萄酒、葡萄汁的品质过程监测和定性鉴别方面的研究应用逐渐增多,并逐步应用于葡萄皮中多酚、花青素等葡萄副产物分析,以及葡萄藤、葡萄叶营养生长状况监测等其他方面,进一步证实了NIR技术正成为检测葡萄及其制品品质的一种有效工具,为进一步提高葡萄及其制品品质价值以及实现葡萄果园的实时、高效生产管理提供了技术支持,应用前景极为广泛。如何深入挖掘葡萄及葡萄制品不同类检测数据所反映信息的内在关联性,结合视觉、味觉、嗅觉等多源信息融合技术建立预测精确度更高、更稳健的模型去全面评价葡萄生产、果园管理、成熟期收获及产后加工全过程,实现对葡萄及其制品生产全过程质量控制和在线监测将成为今后的发展趋势。     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果：校正集相关系数r=0.87, 校正均方根误差RMSEC=3.88 N,预测集r=0.84, 预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差：校正集r=0.85, RMSEC=4.15 N,预测集r=0.82, RMSEP=4.67 N。结果表明：NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。     

基于高光谱的牛奶中真蛋白质含量反演

牛奶蛋白质的分析和监测是奶制品行业中不可或缺的环节利用可见光/近红外反射光谱(350～2 500 nm)进行纯牛奶中真蛋白质含量的快速定量反演。分别通过ASD地物光谱仪和CEM真蛋白质测定仪采集牛奶样本的反射光谱数据以及蛋白质含量数据,对比分析不同的光谱预处理方法和波段筛选方法,得到特征波段,最后利用主成分回归(PCR)和最小二乘支持向量机(LS-SVM)模型建立牛奶反射光谱和蛋白质含量之间的定量校正模型,并对其预测能力进行比较,从而确定最优的牛奶中真蛋白质含量反演模型。实验结果证明：(1)比较不同光谱预处理方法,发现多元散射校正与二阶微分联合使用效果较好;(2)相对于全光谱建模,适当的特征变量优选有助于提高建模精度,缩短建模时间;(3)PCR的验证集决定系数R2_P为0.952 2,验证集均方根误差RMSEP为0.048 7,而LS-SVM的R2_P为0.958 0,RMSEP为0.048 2,其预测精度要优于PCR。研究表明,可见光/近红外高光谱反射率数据可以为牛奶真蛋白质含量的检测提供一种快速、无损的新方法。     

近红外在乳及乳制品质量检测中的研究进展

近红外光谱(near infrared spectroscopy,NIRS)的高效、方便、不破坏样本等特点是其能够进行乳及乳制品质量检测的重要条件。首先探讨了近红外技术的基本原理,并分析了乳及乳制品特点及质量检测评定标准,重点综述了近红外光谱系统硬件设备技术和数据处理的方法,在乳及乳制品质量检测中的研究成果,以促进近红外光谱技术在我国乳制品检测中得到广泛应用。     

基于光谱及成像技术的种子品质无损速测研究进展

种子是农业生产过程的重要生产资料。种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题。种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题。种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力。种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产。种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障。对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要。因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题。近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用。进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征。基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述。在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理。进而对种子品质无损快速检测的技术特点进行了总结与展望。     

近红外光谱和模式识别的菊花品种无损鉴别

菊花为菊科植物菊的头状花序,滁菊、贡菊、杭菊和亳菊是常见的几类药用品种菊花。不同品种菊花在外观上具有极大的相似性,非专业人员仅凭肉眼难以对其进行准确鉴别分析。常规仪器分析法检测成本较高,分析时间较长,且需要对样品进行破坏性处理,影响了产品的二次销售。近红外光谱技术作为近年来快速发展起来的一种绿色、简单、快速的新型检测技术,在中药鉴别领域取得了很大的进展。基于便携式近红外光谱仪结合化学计量学方法建立了一种菊花品种无损鉴别方法。利用便携式近红外光谱仪采集了滁菊、贡菊、杭菊和亳菊完整以及粉末状两种物理形态样品的光谱,采用单一以及组合光谱预处理方法消除光谱中存在的干扰,结合不同模式识别方法（主成分分析法、软独立模式分类法和Fisher线性判别分析法）分别构建了不同品种菊花的鉴别模型。结果表明：由于仪器的限制及样品物理性状的原因,光谱中存在较为明显的背景、基线漂移以及噪声的干扰,完整样品由于物理性状的原因,基线漂移干扰尤为严重;采用主成分分析法结合光谱预处理方法无法实现不同品种菊花的准确鉴别,完整样品最佳鉴别正确率仅为8.33%,粉末样品最佳鉴别正确率为52.38%;通过软独立模式分类法结合预处理方法可以得到较为准确的鉴别结果,完整样品光谱数据经一阶导数+多元散射校正优化后鉴别正确率为95%,粉末状样品数据采用原始数据的鉴别正确率为92.5%;Fisher线性判别分析方法结果最佳,完整样品数据经连续小波变换优化后可以得到97.5%的鉴别正确率,粉末状样品采用原始光谱便可得到100%鉴别正确率。以上结果表明,当采用合适的预处理和建模方法,完整样品和粉末状样品鉴别结果较为一致,基于便携式近红外光谱仪结合化学计量学可实现对不同品种菊花的准确无损鉴别分析,为食药同源产品的无损鉴别分析提供了新途径。     

全透射近红外光谱的苹果整果糖度在线检测模型优化

光谱质量、样本个体差异、检测系统和建模算法等多种因素共同决定水果糖度检测模型的预测精度和稳定性。采用自主研发的短积分全透射近红外在线检测系统以5 ms积分时间和0.5 m·s-1运行速度在线获取了“富士”苹果全透射光谱信号。不同姿态获取的透射光谱强度差异明显,但曲线走势相近,均在920 nm波段具有最大的光谱强度,在850 nm波段存在波谷。采用移动平均平滑、标准正态变量变换和多元散射校正等预处理方法有效去除原始光谱的随机噪声和基线偏差,减小了样本检测姿态引起的光谱差异。为分析不同检测姿态对苹果整果糖度预测模型的影响,构建了单一姿态局限模型和多姿态通用模型,结果表明基于全位点平均透射光谱构建的单一姿态局限模型对检测姿态具有很大的局限性,而多姿态通用模型预测能力较单一检测姿态相当,但却对不同的检测姿态具有更强的适用能力。为进一步提高光谱信号质量,优化模型预测能力,采用信号强度阈值优选方法实现了苹果整果糖度预测模型优化,发现移除中央位点获取的透射光谱信号,有利于提高苹果整果糖度预测模型精度。多姿态通用信号强度优化模型综合考虑不同姿态获取的光谱信息有效性,有效提升了通用信号强度优化模型的预测能力和稳定性,当多姿态通用模型中信号强度阈值为5 000时,模型预测性能最佳,其预测参数R_p,RMSEP和RPD分别为0.79,0.84%和1.58。表明短积分全透射近红外在线检测系统用于不同姿态苹果糖度预测是可行的,多姿态通用模型的建立,扩大了模型在不同姿态的预测稳健性,短积分光谱采集方式结合信号强度阈值优选方法提升了光谱信号的质量和模型的预测能力。     

近红外光谱技术在肉品检测中的应用和研究进展

近红外光谱(NIRS)作为新型光学检测技术在食品行业中得到广泛应用。该技术能实现肉品在线、快速、无损检测,是肉和肉制品品质分析的重要技术之一。文章综述了近红外光谱技术在肉类行业中的重要应用以及近年来的研究进展,主要包括蛋白质、脂肪及水分等影响肉类品质的化学组成成分分析,肉品感官品质如嫩度、保水性、肉色及新鲜度等指标的评价以及肉品的产地、品种等方面的鉴定。同时列举了近红外光谱技术在几种常见肉制品品质检测中的应用实例,并针对目前发展趋势展望了该技术的前景：近红外光谱技术在进一步深入研究提高肉品检测精度的基础上,通过与机器视觉技术等新型无损检测技术的融合以实现全面评价肉类品质的目标。     

食品中三聚氰胺的光谱检测与分析技术研究进展

三聚氰胺是豆、乳类制品中的非法食品添加剂,曾作为蛋白质的廉价代替物被非法添加进奶粉等食品中,造成了严重的社会危害,极大地威胁人民生命财产安全。目前光谱技术已成为识别和定量检测非法食品添加剂的有效手段,为质量监管部门提供了可靠的研究方法和鉴定依据。光谱检测技术的时效性、无损性和准确性提高了食品中三聚氰胺的检测效率,促进了精准化、自动化食品质量检测的发展。近年来有大量研究围绕着三聚氰胺的光谱检测新技术,如开发新型增强底物或传感器,降低三聚氰胺的检测限,提高检测精度;开发更加便携的自动化光谱快检设备,降低检测成本,提高检测效率。这些光谱技术各具优势,但很难形成标准化、统一化的检测规范,使得各种光谱检测技术仅仅停留在试验阶段,无法应用于实战。另一方面,随着人工智能与模式识别技术的发展,光谱数据分析方法在近年来也有着长足的进步,各种光谱预处理和数据建模方法被不断提出,大大提高了光谱检测技术的灵敏性和稳定性。综述了近十年光谱技术（拉曼光谱、近红外光谱、荧光光谱、光谱成像等）在三聚氰胺检测中的应用现状,总结了不同仪器检测限、定量范围和样品前处理方法;分析了各种光谱预处理和光谱数据建模方法在不同光谱数据中的适用性,归纳出这些方法的优劣与适配的仪器,并对其应用前景和研究趋势进行了展望。     

近红外光谱图像处理的霉变稻谷检测方法

稻谷在储藏和运输过程中，在适宜的温湿度环境下极易发生霉变，导致大量的粮食浪费和巨大的经济损失，进而影响粮食安全。为解决传统的稻谷霉变检测存在的繁琐且耗时较长等不足，提出了基于近红外光谱图像处理和神经网络的稻谷霉变程度检测方法。首先，通过农业多光谱相机（Sequoia）和固定光源等设备，构建了霉变稻谷近红外图像数据采集平台，获取了黑龙江地区牡响、早香、彩稻三个品种不同的霉变状态（健康稻谷、轻度霉变、中度霉变）的近红外光谱成像数据。对于近红外光谱图像的160×160像素有效区域，应用数字图像处理技术结合光谱图像分析方法，分析了NIR图像多种纹理特征和光谱反射值频率特性，优选不同稻谷品种霉变状态的光谱特征，计算了近红外图像的纹理特征（均值、标准差、平滑度、三阶距、一致性、信息熵、平均梯度、分形维数）以及间隔步长0.1时NIR光谱图像在0.2~0.8区间反射值频率，共计14维度的光谱图像特性指标。最后，以提取NIR图像的特征向量为依据，利用前馈神经网络的自适应推理机制，建立了稻谷霉变程度与其近红外图像特征之间的非线性映射模型，该神经网络结构为14-60-3型，进一步将网络输出编码向量解析至稻谷霉变等级，实现了稻谷霉变程度的快速检测方法。结果表明：本文提出检测模型在学习次数为28 455次时达到预设的目标精度0.06，所提取的稻谷NIR图像特征与模型输出的相关系数为0.85。仿真测试中该检测模型所计算出的网络输出值和期望输出值的误差平均值为0.521 39，方差为0.137 82，误差的标准差为0.371 23，对于不同稻谷的霉变程度检测的准确率为93.33%。该研究为实现稻谷霉变程度无损检测提供了新方法，为稻谷仓储时霉变早期自动快速检测提供了技术支持。