可溶性固形物

可溶性固形物（精选三篇）

可溶性固形物 篇1

关键词：苹果,近红外光谱,无损检测,人工神经网络,连续投影算法,糖度

0 引言

苹果是我国北方的一种重要水果,其产后处理、品质判断及检测一直是农产品加工研究的重要课题。无论是其外部品质,还是内部品质, 都得到了广泛重视。近红外光谱分析的最大特点是操作简便、快速且不破坏样品进行原位测定,不使用化学试剂,不必对样品进行预处理,可直接对各种类型的固、液相物料进行分析[1]。相关应用包括对脐橙、雪花梨以及西瓜等多种水果进行品质检测[2,3,4]。国内外学者利用近红外光谱技术在苹果糖分含量、酸度无损检测方面做过大量的研究。本文从提高建模效率、减少建模变量的角度引进连续投影算法,对海量的光谱变量进行压缩,以简化模型结构。人工神经网络具有自学习、自组织与自适应能力,很强的容错能力,分布储存与并行处理信息的功能及高度的非线性表达能力,与传统的方法相比具有很多优点,故本文中使用BP网络建立了苹果的糖度预测模型。

1 实验材料与方法

1.1 实验仪器

美国ASD(analytical spectral device)公司生产的Field Spec 3便携式地物波谱仪,其光谱采样间隔为1.4nm@350～1 050nm,2nm@1 000～2 500nm。测定范围350～2 500nm , 采样时间10次/s, 光谱分辨率3nm@350～1 000nm,7nm@1 000～2 500nm,前视场角为25°。日本爱宕公司的PAL-1型数显手持式糖度计,其分辨率为±0.2Brix,自动温度补偿范围为10～75℃。

1.2 实验样品

从超市购买60个红富士苹果,从中随机选取40个作为建模样本,剩余20个作为校正样本。将样品洗净擦干,并依次贴上标签做好标记,在室温条件下放置24h。苹果样品见图1所示。

1.3 实验方法

1.3.1 光谱采集

在苹果的赤道部位选取3点,利用Field Spec 3便携式地物波谱仪的RS3标准软件包及高密度探头测量其漫反射光谱,将3处的光谱数据进行平均,作为整个苹果的漫反射光谱。光谱测量实验现场如图2所示,苹果的漫反射光谱曲线如图3所示。

1.3.2 糖度测量

光谱测量时,将做标记的部位用刀剜下,挤出果汁,利用PAL-1型糖度计测量糖度。测完一个样本后,将糖度计测试部位用清水洗净,并用纸巾拭干,进行下一样本糖度的测量。实验测得的糖度数据如表1所示。

1.4 连续投影算法

连续投影算法作为一种新兴的波长选取方法,能够有效消除众多波长变量之间的共线性影响,寻找含有最少冗余信息的变量组。

连续投影算法的步骤如下:

1)初始化。迭代次数n=1(第1次迭代时),在光谱矩阵中任选一列向量xj,记为xk(0),其中,j是波长变量,k(0)是迭代初值。

2)集合S定义为S={j,1≤j≤K且undefined,即还没有被选进波长链的列向量,分别计算xj对S中向量的投影向量,即

undefined

3)记录最大投影的序号为k(n)=arg(max‖Pxj‖),j∈S。

4)将最大的投影作为下轮的投影向量,即xj=Pxj(j∈S)。

5)n=n+1,如果n

这样得到N×K对波长组合,对每一对xk(0)和N所决定的组合分别建立多元回归模型,使用验证均方根误差(RMSECV)来决定所建模型的优劣。选出最小的RMSECV,它所对应的xk(0)和N即为最佳波长组合。

1.5 光谱处理和数据分析

将光谱数据导入光谱仪自带的ViewSpec数据后处理软件,将漫反射率转化成吸光度数据,实现光谱数据到文本数据的转换,然后利用matlab对所得数据进行压缩和建模分析处理。

2 实验结果与分析

2.1 波长选取

由于全波段光谱数据包含数百个光谱变量,在进行建模分析时,会影响模型的建立,因此必须减少模型的输入变量的个数,提高模型校正的速度和建模效率。使用校正集45个样本建立总糖度预测模型。将400～1 100nm范围的全波段光谱数据通过连续投影算法进行压缩,压缩后验证均方根误差随变量个数的变化情况如图4所示。

由图4可见,随着建模光谱变量数目从1开始增加,模型的验证均方根误差逐渐减小。当建模变量增加到25个之后,模型的验证均方根误差基本不再变化而趋向于恒定。因此,参与建模最佳的光谱变量数即为25。这25个光谱变量分别是400,403,409,412,421,433,436,451,472,499,613,649,679,715,739,787, 889, 934, 958, 997, 1 000, 1 003, 1 024,1 048,1 099nm。

2.2 神经网络模型预测结果

选取3层BP神经网络建立苹果糖度的预测模型,该网络由输入层、中间层和输出层构成。网络的输入层节点为25个,中间层包括20个节点,输出层为1个节点。网络训练中的传递函数为logsig 和purelin,训练函数为traingdx,学习函数为learngdm,训练步数为5 000, 网络学习速率为0.02。首先,使用建模集样品对模型进行训练;然后,使用模型对预测集中的15个样品进行预测,所得的预测糖度与实验室测得的糖度回归曲线如图5所示。其预测相关系数达到RP=0.853,预测均方根误差为RMSEP=1.303 0。15个预测集样本的预测值如表2所示。

3 结语

本文对基于近红外光谱的苹果糖度无损检测进行了研究。结果表明:连续投影算法能从400～1 100nm范围中提取25个优选波长,减少了建模变量,简化了模型结构,提高了建模效率;基于BP人工神经网络的定量分析模型,以25个优选波长为输入,产生的预测相关系数为0.853,预测均方根误差为1.303 0,能满足农产品品质检测的需求。

参考文献

[1]陆婉真.现代近红外光谱分析技术[M].北京:中国石化出版社,2007.

[2]郭恩有,刘木华,赵杰文,等.脐橙糖度的高光谱图像无损检测技术[J].农业机械学报,2008,39(5):91-93.

[3]洪添胜,乔军,Ning Wang,等.基于高光谱图像技术的雪花梨品质无损检测[J].农业工程学报,2007,23(2):151-154.

[4]田海清,应一斌,陆辉山,等.可见/近红外光谱漫透射技术检测西瓜坚实度的研究[J].光谱学与光谱分析,2007,27(6):1113-1117.

[5]傅霞萍,应义斌,刘燕德.近红外光谱技术在水果内部品质无损检测中的应用[J].农机化研究,2004(2):201.

[6]鲍一丹,吴艳萍,何勇.BP神经网络最优组合预测方法及其应用[J].农机化研究,2004(3):162-164.

[7]刘燕德,应义斌.苹果糖分含量的近红外漫反射检测研究[J].农业工程学报,2004,20(1):189-192.

[8]Jasper G Tallada,Masateru Nagata,Taiichi Kobayashi.De-tection of bruises in strawberies by hyperspectral imaging[C]//Proceding of ASABE,2006,063014.

[9]Patrick M Mehl,Yud Ren Chen,Moon S Kim,et al.De-velopment of hyperspectral imaging technique for the detec-tionof apple surface defects and contaminations[J].Journalof Food Engineering,2004,61:67-81.

可溶性固形物 篇2

关键词：便携式近红外光谱仪；梨；可溶性固形物含量；向后区间偏最小二乘法；遗传算法

中图分类号：O657.33 文献标志码：A

文章编号：1002-1302（2014）08-0284-03

中国果树栽培面积和产量均为世界第一位。2010年中国果园面积约l 154.39万hm2，产量约1.29亿t。苹果、柑桔、梨是中国最主要的三大水果，产量占到58%^[1]；梨树面积、产量次于苹果、柑桔，居第3位，2011年梨产量接近1 600万t。梨果脆甜多汁，其糖度与成熟度、品质密切相关。成熟度高的果实糖度高、品质高、口感好，成熟度低的糖度低、品质差、口感差。糖度是评价其品质的指标之一，而糖度可以通过可溶性固形物含量（SSC）的测定获得，因此试验和研究一般以SSC作为衡量糖度大小的指标。

丰水梨是适合我国南方很多地区栽种的梨品种，个头较大，果形圆，外形也比较美观，果肉乳白色，细脆爽口，浓甜，汁多^[2]，尽管含糖量高，但肉眼很难看出来，需要使用仪器来检测。本试验使用的是NIR256-2.2T2型便携式近红外光谱仪，并使用自制光纤来解决在树检测的问题。

现有的便携式近红外光谱仪采用的是连续光源，获得的是整个谱段的近红外光谱，可以通过优选波长剔除不相关的波长^[3]，从而减少波长数的使用。本试验采用多种波长优选法进行建模比较，从而确定最佳波长优选方法。

1 材料与方法

1.1 仪器设备

试验用到的主要仪器和设备有：NIR256-2. 2T2型近红外光谱仪（美国Control Development公司生产），工作波长 1 089～2 219 nm，分辨率1 nm，检测器通道数为256个；阿贝折射仪（上海精科）2WAJ；石英光纤（自制），如图1所示，外面1圈6个为入射光纤，中间1个为出射光纤，芯径为 0.6 mm；白板（海洋光学）WS-1-SL。

试验中梨近红外光漫反射示意图如图2所示：光源发出的光经入射光纤传送并投射到样品后，经样品表皮及内部组织漫反射后再经出射光纤传送至近红外光谱仪，用计算机采集数据后再进行数据处理和分析。

3 结论

研究结果表明，采用便携式近红外光谱仪建立检测梨可溶性固形物含量（SSC）的模型是可行的。SNV预处理方法能明显提高模型的预测效果。与其他3种波长优选法相比，biPLS+GA方法不仅优选的波长数最少，而且模型预测效果最好，得到的校正集和预测集的相关系数分别为0.887 9和0.891 0，RMSECV和RMSEP分别为0.599 9和0.571 3，说明经biPLS+GA处理后，能明显提高模型预测梨SSC的效果。

参考文献：

[1]中国水果产业基本情况[J].世界农业热带信息，2011（12）：11-12.

[2]代 芬，蔡博昆，洪添胜，等. 漫透射法无损检测荔枝可溶性固形物[J]. 农业工程学报，2012，28（15）：287-292.

[3]江国兴.丰水梨优质丰产技术要点[J]. 西南园艺，2000，28（2）：15-16.

[4]陈 斌，王 豪，林 松，等. 基于相关系数法与遗传算法的啤酒酒精度近红外光谱分析[J]. 农业工程学报，2005，21（7）：99-102.

[5]吴 迪，吴洪喜，蔡景波，等. 基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究[J]. 红外与毫米波学报，2009，28（6）：423-427.

[6]Entner V，Massart D L，De N，et al. Elimination of uninformative variables for multivariate calibration[J]. Analytical Chemistry，1996，68（21）：3851-3858.

[7]颜 辉. 植物油的亚油酸、亚麻酸近红外光谱融合和模型优化研究[D]. 镇江：江苏大学，2010：59-60.

[8]Balabin R M，Smirnov S V. Variable selection in near-infrared spectroscopy：benchmarking of feature selection methods on biodiesel data[J]. Analytica Chimica Acta，2011，692（1/2）：63-72.

可溶性固形物 篇3

1 材料与方法

1.1 试验概况

试验于2006年4月至2008年3月在陕西省延安市洛川苹果试验场进行。该果园内土肥水等管理条件较好, 采用了铺设反光膜及果实套袋等技术措施。果树之间的株行距为3 m×4 m, 主栽品种为红富士。树龄为13～15年, 海拔1 090 m, 该试验园为改形果园, 树形主要有3种, 分别为:小冠疏层形、自由纺锤形、中干开心形。小冠疏层形:树高2.5～3.0 m, 冠径2.5～3.0 m, 干高1.1～1.2 m, 中心干上主枝5～6个, 分2～3层排列, 第1层3个主枝, 第2层1～2个, 第3层1个, 主枝开张角度为70～80°;自由纺锤形:树高3.0～3.5 m, 冠径2.5～3.0 m, 干高1.3～1.4 m, 上部主枝短, 中干上螺旋式分布有主枝6～8个, 下部主枝长, 主枝开张角度70～90°;中干开心形:树高2.5～3.0 m, 冠径3.0～3.5 m, 干高1.2～1.3 m, 主枝3～5个, 树体结构开张, 枝干延伸的角度比较平缓, 长势较均衡。

1.2 试验方法

试验设3个处理, 分别为:小冠疏层形 (A) 、自由纺锤形 (B) 、中干开心形 (C) 。每个处理分别选取5株红富士苹果树作为试验树。以树干为中心, 用竹竿将树围成3 m×3 m×3 m的立方体, 中间用竹竿分成50 cm×50 cm×50 cm的立方体, 从下部第1主枝向上50 cm为1层, 依次分别为第2层、3层、4层[1]。5—10月, 选定在每月中下旬的晴天对光合速率进行测定, 用LI-6200光合仪进行测量。叶片中叶绿素的提取可采用丙酮浸提法。可溶性固形物含量的测定选择WYT-4形糖量计。

2 结果与分析

2.1 不同树形对叶片中叶绿素含量的影响

由图1可知, 随着冠层逐渐升高, 不同树形叶片中的叶绿素含量也有所升高。在第1层, 各种不同树形处理的叶片中的叶绿素含量为1.69～1.97 mg/g;第4层, 处理C叶片中的叶绿素含量最大, 达到为4.08 mg/g, 其叶绿素含量明显高于处理A的3.30 mg/g和处理B的3.05 mg/g。

2.2 不同树形对叶片光合速率的影响

由表1可知, 由下到上由内到外, 不同树形的光合速率均逐渐升高。其中处理C的光合速率最高, 第1层外围的光合速率为10.87μmoL CO2/ (m2·s) , 明显地高于处理A的8.59μmoL CO2/ (m2·s) 与处理B的9.22μmoL CO2/ (m2·s) 。处理C的内部光合速率为9.52μmoL CO2/ (m2·s) , 明显高于处理A的5.92μmoL CO2/ (m2·s) 与处理B的7.83μmoL CO2/ (m2·s) 。由此可知, 各处理中, 随冠层的升高, 光合速率变化情况均为外围大于内部, 这与外围CO2浓度高及光照关系密切。

2.3 不同树形对果实可溶性固形物含量的影响

由表2可知, 不同树形处理中, 以处理C的果实可溶性固形物含量最高, 处理B其次, 处理A的含量最低。且经过差异性分析, 处理A、处理B及处理C之间的差异显著 (P<0.05) 。同一处理中, 随冠层升高, 可溶性固形物的含量随之提高。由此可知, 叶片的光合速率及叶绿素含量与果实的可溶性固形物含量成正相关。

3 结论与讨论

光合作用是植物将太阳能转换为化学能, 并将水及CO2等无机物合成有机物, 同时放出O2的过程[4]。在果树果实和树体的干物质组成成分中, 超过95%为光合作用生产的碳水化合物, 而叶片是生产碳水化合物最重要的媒体, 是生产优质苹果的重要保障[5,6]。不同树形叶片光合速率对红富士苹果可溶性固形物含量的影响试验结果表明, 改良的中干开心形叶片的光照条件好, 光合特性强, 果实可溶性固形物含量高, 是渭北黄土高原生产优质苹果的首选树形。此外, 要提高苹果树叶片的光合速率, 必须保持树体的合理枝条量, 以便提高叶片的光照条件, 还应提高树体的综合管理水平[7,8]。

注:同列不同小、大写字母分别表示0.05、0.01水平差异显著。

摘要：以十三至十五年生改良的小冠疏层形、自由纺锤形及中干开心形红富士苹果树作为试验材料, 测定了不同树形冠层叶片叶绿素含量以及叶片的光合速率对果实可溶性固形物含量的影响。结果表明:中干开心形叶片光合速率强, 果实可溶性固形物含量高, 是生产优质苹果的首选树形。

关键词：红富士苹果,树形,光合速率,可溶性固形物,影响

参考文献

[1]魏钦平, 王丽琴, 杨德勋, 等.相对光照度对富士苹果品质的影响[J].中国农业气象, 1997, 18 (5) :14-16.

[2]周丽萍, 胡耀华, 陈达, 等.苹果可溶性固形物含量的检测方法———基于可见光近红外光谱技术[J].农机化研究, 2009, 31 (4) :104-106.

[3]张显川, 高照全, 付占方, 等.苹果树形改造对树冠结构和冠层光合能力的影响[J].园艺学报, 2007, 34 (3) :537-542.

[4]苏勃海, 范崇辉.渭北产区苹果不同树形光照分布对果实品质的影响[J].山西果树, 2010 (4) :3-5.

[5]赵同生, 张新生, 杨凤秋, 等.苹果光合作用研究进展[J].河北农业科学, 2010, 14 (7) :7-10.

[6]胡桂娟, 刘嘉芬.苹果叶片叶绿素含量和淀粉滞留量对光合作用的影响[J].山东农业科学, 1994 (2) :48-50.

[7]高方胜, 王明友, 潘恩敬, 等.红富士苹果不同树形冠层光照参数与果实品质产量关系的研究[J].中国果树, 2011 (1) :14-17.