苹果“掉”到了谁的头上？

当某些国人为中国电信业的＂大而强＂、＂威而刚＂,且为一些蝇头小利沾沾自喜的时候,却无人细想,做为中国的国家垄断行业,现在干的是哪些活？赚的是谁的钱、什么样的钱？     

偏最小二乘-导数分光光度法同时测定甲萘威和异丙威

甲萘威和异丙威均能在碱性条件下水解生成酚盐,进而与对氨基酚及高碘酸钾的反应产物醌亚胺反应,生成蓝色化合物,但其吸收光谱相互重叠.实验采集了500～750 nm波长范围吸光度数据,并对该数据进行一阶求导后用偏最小二乘法处理,据此建立了偏最小二乘-导数分光光度法同时测定甲萘威和异丙威两种农药的新方法.甲萘威和异丙威的线性范围均为0.4～4.0 μg·mL-1,检出限分别为0.15 μg·mL-1和0.20 μg·mL-1.用本方法对大米、苹果、白菜和水等实际样品进行检测,得到较好的结果.     

基于SVD的苹果粉质化高光谱散射图像特征提取

粉质化是影响苹果等级的重要口感参数.采用高光谱散射图像进行了苹果粉质化的无损检测研究.利用奇异值分解方法对样本600～1 000 nm 共81个波长20 mm范围内的敝射图像进行奇异值分解,将获得的奇异值作为粉质化表征参数,结介偏微分最小二乘判别分析建立苹果粉质化分类模型.结果缸示,对不同产地和不同储藏条件下的样本,其两分类模型(粉质化和非粉质化)的分类精度为76.1%～80.6%,优于平均值特征提取方法(75.3%～76.5%).分析表明,奇异值分解可以有效地提取高光谱敞射图像的特征,用此特征建立粉质化分类模型可以区分粉质化和非粉质化的苹果,但分类精度有待于进一步提高.     

多模式可调节光学机构的苹果可溶性固形物近红外光谱检测

利用多模式可调节的光学机构采集了苹果漫透射、全透射和漫反射三种检测方式的光谱,研究在不同的检测方式下苹果的光谱特征并采用PLS建立苹果可溶性固形物含量SSC预测的模型。首先分别采集每个样品赤道上四点的漫透射、全透射和漫反射光谱,然后分别使用多元散射校正MSC、基线偏移校正BOC、归一化Normalize和高斯滤波平滑GFS等方法对平均后的120个光谱做预处理,并结合竞争性自适应权重取样CARS法对漫反射光谱进行特征波长筛选,最后采用偏最小二乘法PLS回归建立预测苹果SSC的模型,并另购30个苹果验证模型性能。结果表明,苹果在三种检测方式下采集的光谱吸收峰和波谷所处的波段大致相同,但光谱强度有差异。三种光谱经3点高斯滤波平滑GFS预处理后建立预测苹果SSC含量的模型均取得很好的结果。漫透射的模型性能为R_cal=0.972,R_pre=0.967和RMSEC=0.436%,RMSEP=0.507%;全透射的模型性能为R_cal=0.964、R_pre=0.957和RMSEC=0.5%,RMSEP=0.574%;漫反射的模型性能为R_cal=0.963,R_pre=0.949和RMSEC=0.522%,RMSEP=0.536%;三种光谱经归一化预处理后融合建模的模型性能为R_cal=0.894,R_pre=0.857和RMSEC=0.836%,RMSEP=0.966%。进一步将漫反射光谱结合CARS算法筛选特征波长,使用119个变量建立模型的性能为R_cal=0.986,R_pre=0.977和RMSEC=0.323%,RMSEP=0.362%。最后将该模型导入新型多模式可调节的水果检测系统中,使用30个未参与建模的冰糖心苹果检验该模型预测苹果SSC的性能。结果显示30个外部验证集的相关系数为0.906,验证均方根误差为0.707%。进一步表明使用多模式可调节的水果内部品质检测系统采集的漫反射光谱结合光谱预处理、波段筛选算法和偏最小二乘回归方法可以建立较好的模型预测苹果可溶性固形物SSC含量。本研究为苹果的品质检测提供新的技术支持。     

苹果霉心病光谱在线检测的摆放姿态及建模方法优化研究

苹果营养丰富、口味酸甜,是深受大众喜爱的一种水果。苹果霉心病是一种真菌侵染果实病害,隐蔽性极强,一般在近成熟期果实内部发生霉变,肉眼从外观观察难以分辨,市面上大多数品种的苹果都受其影响。霉心病病果重量变轻、口感变差,严重的甚至不能食用,对经济效益的影响巨大。采用可见近红外光谱分析技术,使用微型光谱仪在线无损检测苹果霉心病,针对4种苹果在线输送时摆放姿态（竖放柄朝上、竖放柄朝下、横放柄朝输送方向和横放柄垂直输送方向）的判别效果进行了优化分析。首先使用主成分分析对600～900 nm波段的透射光谱提取主成分后分别建立线性判别分析（LDA）、马氏距离（MD）和K近邻法（KNN）模型并对校正集和预测集的判别准确率进行对比;其次对600～900 nm波段中心化预处理后建立偏最小二乘判别分析（PLS-DA）模型并给出4种摆放姿态的判别效果;最后使用两种机器学习算法极限学习机（ELM）和支持向量机（SVM）分别建立霉心病判别模型进行预测。对比上述所有6种判别模型,通过观察4种摆放姿态整体的判别效果得到最佳的建模方法为PLS-DA,其中竖放柄朝上和竖放柄朝下摆放的判别准确率都为93.75%,其他2种摆放姿态的判别准确率也都超过85%,再根据PLS-DA模型波段变量投影重要性指标得分值分布提取特征波段690～720 nm重新建立模型,对比4种摆放姿态效果最好的是竖放柄朝上摆放,其预测集的判别准确率达到93.75%,并且对病果的判别效果最佳。研究结果表明PLS-DA可以作为判别苹果霉心病一种有效方法,竖放柄朝上摆放可以作为苹果霉心病在线检测时一种有效姿态。     

应用高光谱成像技术对打蜡苹果无损鉴别研究

探讨应用高光谱成像技术快速无损鉴别不同苹果蜡的可行性。通过对分别打食用果蜡、工业蜡和未打蜡的126个苹果样品,采用380～1 024 nm范围的高光谱图像仪获取三类苹果的高光谱图像信息,采用ENVI软件处理平台提取高光谱图像中对象的漫反射光谱响应特性。从126个样品中随机取出84个样品建模,其余42个样品作为独立的验证集。对光谱数据分别采用偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)和BP神经网络等建立高光谱响应特征与食用蜡苹果、工业蜡苹果、未打蜡苹果的关系模型,比较不同建模方法的效果。结果表明：采用MSC-SPA-LS-SVM模型可以较好的区分食用果蜡、工业蜡和未打蜡的三类苹果,预测结果的正确率分别为100%,100%和92.86%。     

光在苹果组织中传输的光谱特性

用Monte-Carlo方法模拟研究了激光波长632 nm与750 nm的高斯光束在苹果组织中传输的吸收、散射光谱特性。结果表明：高斯光束特殊的能量分布特性对激光在苹果组织中的传播有重要的影响,苹果组织对750 nm激光的反射、吸收、透射都较低,有更多的光子在组织内部与组织相作用,能够更清楚的反映组织内部信息。因此,在生物组织中近红外光波的传输性比较好,便于应用于研究生物组织。     

程序控温湿法消解石墨炉原子吸收法测定苹果中的铅

对程序控制温度、湿法消解苹果样品中铅的消解条件和石墨炉原子吸收光谱测定方法进行了研究和探讨。在本法选择的条件下,回收率为92．0％～107．0％,相对标准偏差为4．1％。经t检验及对比实验证明,与国家标准方法无显著差异。     

苹果花期冠层光谱探测的规范化技术方法探讨

2008年和2009年,针对苹果花期冠层光谱进行了不同天气条件、不同探测时间、不同探头高度、不同探测角度条件下的冠层反射光谱探测试验,分析其对苹果花期冠层光谱特性的影响,探索规范化的光谱探测技术方法。结果表明,苹果花期冠层在不同条件下的反射光谱响应呈现出一定的规律性,特别是在760～1 350 nm近红外波段表现尤为明显。研究发现,随着光照强度的减弱,冠层光谱反射率降低,在晴天和少云时探测冠层光谱较理想;风速在2级以下时,冠层光谱较稳定;在10:00～15:00测定冠层光谱差异较小;探测高度以整个苹果树冠层充满光谱仪探头视场时光谱曲线较稳定;探头以垂直或近似垂直观测为最佳。在此基础上,提出了苹果花期冠层光谱探测的规范化技术方法,为苹果冠层光谱探测及信息提取提供了科学依据。     

基于高光谱成像提取苹果糖度与硬度最佳波长

利用高光谱成像技术提取可同时检测苹果糖度与硬度的最佳波长。首先双面采集苹果的高光谱图像,获取亮度相近感兴趣区域(ROIs)的反射波形,采用二阶导数结合标准正态变量(SD+SNV)的方法平滑波形,测试ROIs的糖度与硬度;之后采用连续投影算法(SPA)提取两项指标的特征波长,根据特征波长的分布提出二次连续投影算法,结合波形集特征与两次投影结果确定不同取样面的最佳波长;最后采用遗传算法开发神经网络(GA-BP)建立预测模型,双面取样波长(543 nm和674 nm)效果最优,糖度相关系数(R)为0.847 6,均方误差(MSE)为3.32;硬度R为0.793 8,MSE为9.6。结果表明,相同波长信息可以检测苹果糖度与硬度。