基于高光谱成像技术快速预测生鲜甘薯品质研究
甘薯富含淀粉、糖等营养物质，因其耐干旱、适应性强、易种植而被广泛种植和生产，是一种重要的农作物。目前，高光谱成像技术在肉品、小麦、马铃薯、果蔬等方面的快速检测研究较多，但对甘薯品质的研究则涉猎较少。本试验旨在基于900-1700nm高光谱成像技术结合多种线性算法，挖掘甘薯光谱信息与待测指标之间的定量关系，从而实现对甘薯品质的快速检测，为甘薯采后生理和品质分析提供一定的参考价值。详细的研究内容和结果如下： （1）基于高光谱成像技术对甘薯质地多面分析（texture profile analysis，TPA）模式下的质构特性进行快速预测。提取甘薯样品高光谱图像的感兴趣区域（region of interest，ROI），分别获得165个甘薯硬度、147个甘薯弹性、155个甘薯内聚性样品的RAW平均反射光谱信息。甘薯样品RAW光谱预处理通过多元散射校正（multiplicative scatter correction，MSC）、标准正态变量校正（standard normal variate，SNV）、基线校正（baseline correction，BC）、高斯滤波平滑（gaussian filter smoothing，GFS）和归一化校正（normalization correction，NC）来实现，以达到提高光谱信噪比的目的。随后，利用偏最小二乘（partial least squares，PLS）算法分别建立全波段（900-1700nm）模型预测甘薯硬度、弹性、内聚性。结果表明，基于SNV光谱构建的PLS模型预测甘薯硬度效果更好，预测集回归系数（regression coefficient of prediction，rP）为0.913、预测集均方根误差（root mean square error of prediction，RMSEP）为311.886g；基于BC光谱的PLS模型预测甘薯弹性效果更好，rP为0.925、RMSEP为0.029；基于NC光谱的PLS模型预测甘薯内聚性效果更好，rP为0.917、RMSEP为0.008。运用回归系数（regression coefficient，RC）法、逐步回归（stepwise regression，SR）法、连续投影（successive projection algorithm，SPA）算法和竞争性自适应重加权取样（competitive adaptive reweighted sampling，CARS）法得到与检测指标相关性较高的最优波长，PLS和多元线性回归（multiple linear regression，MLR）法建立优化模型。通过对比分析得出，基于SPA法筛选出的7个最优波长构建的甘薯硬度SPA-SNV-MLR预测性能最佳（rP=0.919、RMSEP=297.268g）；基于SR法筛选出的4个最优波长构建的甘薯弹性SR-BC-MLR预测精度更高、稳定性更好（rP=0.918、RMSEP=0.030）；基于CARS法筛选出的6个最优波长构建的甘薯内聚性CARS-NC-MLR模型更好（rP=0.911、RMSEP=0.009）。Famp;nbsp;检验和t检验同样验证了SPA-SNV-MLR、SR-BC-MLR和CARS-NC-MLR模型的适用性和数据的有效性。 （2）探究高光谱成像技术结合MLR法快速预测甘薯水分和灰分含量的可行性。采用不同预处理方式对甘薯样品（水分、灰分）RAW反射光谱进行信号增强并建立900-1700nm的PLS预测模型。比较分析发现，构建水分、灰分预测模型最好的全波段光谱分别为A光谱、MAS光谱。为了优化PLS模型，采用RC、SPA和CARS三种方法提取最优波长。F检验和t检验双重验证表明，基于R C法获得的11个最优波长建立的水分RC-A-MLR模型和SPA法获得的22个最优波长建立的灰分SPA-MAS-MLR模型适用价值更高，rP分别为0.970和0.943；RMSEP分别为0.0089g/100g和0.042g/100g；剩余预测偏差（residual predictive deviation，RPD）分别为4.081和3.019。 （3）利用高光谱成像技术（900-1700nm）对甘薯营养成分进行了快速定量研究。基于PLS算法分别挖掘104个甘薯淀粉样品、170个还原糖样品、80个维生素C样品和80个蛋白质样品全波段光谱信息与其对应检测指标之间的线性关系。结果表明，基于486个波长构建的MSC-PLS模型、RAW-PLS模型、MSC-PLS模型、RAW-PLS模型分别适用于预测甘薯淀粉含量、还原糖含量、维生素C含量和蛋白质含量。采用三种化学计量学算法（RC、SR、SPA）分别从甘薯淀粉样品MSC最优光谱、还原糖样品RAW最优光谱、维生素C样品MSC最优光谱和蛋白质样品RAW最优光谱中挑选最优波长，建立优化模型。对于甘薯淀粉、还原糖、维生素C含量的检测，研究发现，基于SR法筛选的18个最优波长、RC法选择的11个最优波长和SPA法获取的20个最优波长建立的MLR模型预测效果最好，其rP分别为0.970、0.915、0.915；RMSEP分别为0.374g/100g、0.355g/100g、2.492mg/100g；RPD值分别为4.094、2.393、2.244；ΔE值分别为0.064g/100g、0.023g/100g、0.966mg/100g。对于甘薯蛋白质含量的检测，则是基于SPA法提取的15个最优波长构建的PLS模型预测效果最佳，rP、RMSEP、RPD、ΔE分别为0.911、1.029mg/g、2.481、0.181mg/g。
生鲜甘薯;食品检测;高光谱成像;营养成分
河南科技学院
硕士
食品科学
何鸿举
2022
中文
TS207.3
2022-10-26（万方平台首次上网日期，不代表论文的发表时间）