文档介绍：万方数据
苹果糖度近红外光谱分析模型的温度补偿e-******@163王加华,潘璐,李鹏飞,韩东海。引言1恚,—AM103964jissmAntaris(Themo296月光谱学与光谱分析摘要温度变化对水果品质近红外评价有很大影响,需要补偿温度波动埘模型的影响。文章研究了温度(242)R2=o985RMsE(=188RMsEP晃唇形露刃UP偷脑げ獗曜计ú畲锏.;采用复合预处理方法和改进的遗传算法对光谱数据优化,剔除温度变量法模型的一,.琑琑籵.;内校正法的R2o952RMSEC=o64RMSEPl=o69RMsEP2o68r{对模型的影响,町提高模型预测精度。关键词近红外光谱;温度补偿;遗传算法;校正模型;苹果;糖度06573——一在较为恒定温度条件下,近红外光谱技术巳成功应用于水果内部品质检测中’,然而,现实中水果品质检测往往是在分选车问或是果园,水果温度通常有着显著变化,并影响糖度测量的准确性。温度对生物组织光学特性有较大影响【;温度变化引起内部分子间力的改变,表现为光谱振动[43[5](>80)动对模唰的影响。对现有研究分析表明,对于单一组分的近红外光谱,温度影响规律较为明屁’;对于复杂体系中某成分定量检测研究中,常常需要对模型进行补偿。常用的补偿方法足在光谱受温度影响的基础翰捎没旌辖5姆椒↙籡,即把温度yL9Joo[11|#糖度近红外光谱分析模型的温度补偿,局限于某些特定温度【,并非连续温度变化。本文研究露缺浠对苹果近红外反射光谱PLs(RealgorithmRGA)L12130度连续变化采集的光谱数据进行优化,分别选择温度和糖度变苗的信息谱区;采用算法剔除温度变量和内校正{!!实验材料供试样品为新疆阿克苏富十苹果,为获得更广样品参数,选取不大小、不问颜色和果树不同位置苹果样品。样Illf1("=40)采集近红外光谱,每个糖度下样品按温度梯度排序,依分为蚥两部分,分别作为校正集和预测集;第行一在审内恒温妫琑下采集近红外光谱,按糖度梯度排序,依分为蚫两部分,分别作为校』集和预测集。两组数据巾,其最大值和最小值样品包含在校正集。实验仪器NicoIet)Y111甿篶雃,中国农业大学食品科学与营养工程学院,北京收稿日期:一—。修订日期:——基金项目:国家自然科学基金项目资助作者简介:王加华,年生,中国农业大学食品科学与营养工程学院博士研究生*一
万方数据
!nn-easktempeo拧А咖皇厥剿」型,北京宁龙仪器仪表有限公2vaJof叫l羟基,相应光谱的值也发生变化。由于温度变化,(1)光谱学与光谱分析第卷榆测器;手持激光温度仪,,美国舛破还露龋銱;功率小于蛍,波长范围)(PAL_1ATAG())Brix度校正功能。光谱采集利用傅单叶变换近红外光谱仪光纤附件分别采集苹果的漫反射光谱,光谱范围~,分辨率为畂132log(1R)R为反射比。1(Class光谱采集条件为:个样品置于水浴锅oL1(6)外反射光谱,同时测定采集点温度,共采集槭包含光谱和相应温度坏组2)1608梁阄℃杉瓷涔馄祝灿组数据。标准值测定所有样晶采集完光谱后,在相应光谱扫描的位置测量糖(G&—1韑为苹果样晶糖度的统计结果,可以看出样品具有较好代表性,分布范围较宽。tllemdardIthod蛴温度对光谱影响为了形象地观察温度对光谱的影响,以‘维图像显示每log(1R)1l