基于高光谱成像技术和MNF检测苹果的轻微损伤

苹果损伤是一种发生在水果采摘和产后处理阶段的不可避免的主要缺陷。为了快速有效地识别苹果的轻微损伤,以具有代表性的双色红富士苹果为研究对象,提出了一种以高光谱成像和最低噪声分离(MNF)变换的苹果轻微损伤识别检测方法。首先,使用高光谱成像系统获取苹果的可见-近红外波段(400~1 000 nm)的图像,对比发现全波段的最低噪声分离变换比主成分分析(PCA)变换可获得更好的识别效果;其次,利用I-RELIEF算法对正常表皮和损伤区域的光谱进行分析得出权值系数图,依据该系数曲线挑选出了5个特征波段(560,660,720,820和960 nm);最后,特征波段和最低噪声分离变换开发了损伤苹果的识别检测算法。利用该算法对80个正常苹果和含有不同时间阶段轻微损伤的苹果进行试验,损伤识别总体正确率为97.1%,试验结果表明,利用该方法和选取的特征波段可以快速有效地识别苹果的早期轻微损伤,为利用多光谱成像技术和最低噪声分离变换在线检测苹果轻微损伤奠定了基础。     

LSSVM模型下的近红外光谱联合区间波长筛选方法

针对传统近红外光谱波长选择方法忽略模型中非线性因素的缺陷,采用具有非线性处理能力的最小二乘支持向量机,结合间隔策略的波长选择方法和联合区间的思想,提出了一种非线性模型下的波长筛选算法—联合区间最小二乘支持向量机(synergy interval least squares support vector machines, siLSSVM)。以苹果糖度近红外光谱数据为例,与传统siPLS波长筛选方法相比,新算法的预测集均方根误差(RMSEP)在PLS模型和LSSVM模型预测时分别提高了37.43%和47.88%,预测集相关系数(RP)在PLS模型和LSSVM模型预测时分别增加了6.04%和7.31%。实例表明,对于存在非线性因素较强的光谱数据,siLSSVM算法能够有效的挑选最优波长区间与提高模型的预测精度和鲁棒性,为近红外光谱在非线性因素下筛选波长提供了新前景。     

基于模糊识别的苹果花期冠层钾素含量高光谱估测

依据2008年和2009年2年在栖霞试验区利用地物光谱仪ASD FieldSpec3测定的苹果花期冠层高光谱和实验室内测定的钾素含量数据,以冠层高光谱反射率及其11变换形式与钾素含量分别进行相关分析,以相关系数最大者为自变量,采用模糊识别算法,建立钾素含量估测模型;以2008年的检验样本对模型进行检验,并利用2009的独立试验数据对模型进行验证。结果表明,原始光谱反射率(R)及其倒数(1/R)、对数(lgR)、平方根(R1/2)与钾素含量的相关性较差,但它们的一阶微分和二阶微分与钾素含量之间的相关性明显增强;建立的钾素含量估测模型=11.344 5h+1.309 7的相关系数r为0.985 1,总均方根差RMSE为0.355 7,F统计量为3 085.6;24个检验样本实测值与估测值的平均相对误差为9.8%,估测精度为90.2%;2009年试验验证精度达到了83.3%。表明模型用于苹果花期冠层钾素含量的估测具有较高的稳定性,模型精度能满足生产上对苹果钾素含量估测的要求。     

高效液相色谱法测定苹果中的多效唑含量

实验用８０％甲醇提取样品中的多效唑,减压蒸馏后再用二氯甲烷萃取,旋转蒸干后以无水甲醇溶解并经硅镁吸附柱过滤后上机。采用μ－ＢｏｎｄａｐａｋＣ＿（１８）色谱柱,７５％甲醇为流动相,荧光Ｅｘ２６８ｎｍ,Ｅｍ４０８ｎｍ检测,进样量２０μＬ。实验的回收率为９７．０％～１０４．０％,相关系数为０．９９９,精密度测定的变异系数＜５％。不同品种的苹果中多效唑残留量从高到低依次为初秋＞国光＞青香蕉＞红富士。     

QuEChERS-UPLC-MS/MS法检测苹果中5种农药残留

建立了QuEChERS-超高效液相色谱-串联质谱(QuEChERS-UPLC-MS/MS)检测苹果中5种农药残留的分析方法.样品采用QuEChERS进行前处理,乙腈提取,经PSA、纳米氧化锆(Nano-ZrO2)和多壁碳纳米管(MWCNTs)组合净化,结合UPLC-MS/MS检测,外标法定量.结果表明,在0.005～0...     

气相色谱法测定甜瓜和苹果中嘧菌酯残留

建立了甜瓜和苹果中嘧菌酯残留量的两种气相色谱快速分析方法。实验样品用乙酸乙酯-环己烷(50：50,V/V)超声波萃取,气相色谱-氮磷检测(NPD)或气相色谱-微池电子捕获检测(μ-ECD)法测定。因不存在干扰峰,样品不需净化。这两种检测方法互相确证了定性和定量结果,方法回收率均在85．7％～110．5％之间;最低检出浓度：苹果在NPD上为0．001mg／kg,在μ-ECD上和甜瓜在两种检测器上均为0．002mg／kg,标准曲线的线性回归系数分别为0．9991(μ-ECD)和0．9998(NPD)。经配对t检验统计分析,两种检测方法定量结果无显著性差异。     

气相色谱法测定苹果中的多种农药残留量

采用丙酮和正己烷提取,C18固相萃取小柱净化,气相色谱法用电子捕获检测器（GC-ECD）测定,建立了苹果中有机氯、拟除虫菊酯和有机磷3类15种农药的同时检测方法.该方法的回收率为78.3%～104.2%、相对标准偏差≤6.2%.     

苹果渣酶制备柠檬酸

苹果渣是苹果汁生产的废料 ,约占鲜苹果质量的 2 5 %左右 .苹果渣中含有一定量的还原糖和水分 ,还有约 2 4.8%左右的粗纤维和 6 .41 %的粗蛋白 ,容易腐烂 ,造成环境污染 .目前将其当作垃圾掩埋 ,造成了资源浪费 .对纤维素进行化学预处理是提高酶解效率的有效措施 ,但以苹果渣为底物的酶解却未见报道[1 ,2 ] .本文报道对苹果渣中的粗纤维用纤维素酶酶解成葡萄糖 ,并进而制备柠檬酸的尝试 .苹果渣由陕西泾阳果品加工厂提供 ,烘干后粉碎 ,过筛 .A6号粗纤维素酶粗酶液 ,由陕西省酶科学研究所提供 .黑曲霉麦芽汁 (9Bx)琼脂培养基由陕西合阳柠檬…     

基于遗传算法和间隔偏最小二乘的苹果硬度特征波长分析研究

利用傅里叶近红外光谱(FT-NIRS)测定了苹果的硬度。通过使用几种基于遗传算法和间隔偏最小二乘法的特征波长选取方法,包括动态向后间隔偏最小二乘(dynamic backward version of interval PLS,dynamic biPLS)、动态向后间隔偏最小二乘结合遗传算法(dynamic biPLS & GA-PLS)和反复的遗传算法(iterative GA-PLS),分析了苹果硬度的特征波长。结果表明,运用遗传算法和间隔偏最小二乘选择特征波长后,不但可以降低模型的复杂度,同时能够达到提高模型预测精度的效果。在此基础上,研究分析了苹果硬度特征波长的物理化学意义。由于果胶是在苹果成熟过程中一种和硬度有很大关联的物质,通过比较苹果硬度的特征波长和果胶的特征吸收峰,发现两者具有有很好的一致性。因此,采用遗传算法和间隔偏最小二乘法得到的苹果硬度的特征波长能够反映果胶的吸收信息,从而解释了近红外技术检测苹果硬度的机理。     

基于高光谱成像的苹果多品质参数同时检测

利用高光谱空间散射曲线的3个洛伦兹拟合参数对苹果的品质(硬度、可溶性固溶物含量)进行同时检测。采用偏最小二乘,逐步多元线性回归和BP神经网络3种方法,对归一化处理和未归一化处理的3个洛伦兹参数组合分别建立苹果品质的预测模型。结果表明:采用偏最小二乘法对未归一化处理参数的组合建立硬度的预测模型其预测结果最好,校正组相关系数Rc=0.93,校正标准差SEC=0.56,验证组相关系数Rv=0.84,验证标准差SEV=0.94。采用偏最小二乘法对归一化处理参数的组合建立可溶性固形物的预测模型其预测结果最好,Rc=0.95,SEC=0.29,Rv=0.83,SEV=0.63。研究结果表明:利用高光谱空间散射曲线的多拟合参数组合可以同时检测苹果的多品质参数。