番茄成熟度的近紅外漫透射光譜無損檢測
Events
番茄成熟度的近紅外漫透射光譜無損檢測

摘要
採用美國海洋光學公司的QE65000光譜儀取得了蕃茄的漫透射光譜數據,採用日本柯尼卡美能達CR-10反射式色差計取得了亮度、紅綠色相、黃藍色相和總色差顏色數據;通過標準數學建模方法建立了顏色模型,並通過偏最小二乘回歸校正算法建立了近紅外光譜模型。結果表明,兩組模型都是以紅綠色相指標建模時效果最佳,在99 個未知樣品數據中,預測模型的顏色模型誤判情況分別為未成熟0%、半成熟33.33%、成熟0%;而近紅外預測模型的誤判情況分別為未成熟32.14%、半成熟50%、成熟0%。該研究驗證了近紅外光譜技術對蕃茄成熟度進行無損檢測的可行性,這對實現蕃茄的快速、批量分選具有一定的實際意義。

 

背景
目前,國內外研究工作者主要偏向於對蕃茄品質、生長情況、儲藏情況等的研究與實驗,特別是對於蕃茄栽培技術和病蟲害防治技術研究較多,而對於蕃茄分選的研究與實驗較少。近紅外光譜( near-infrared spectroscopy,NIRS) 技術作為一種快速、綠色的無損檢測技術,因為其在常規光纖中良好的傳輸特性,使得近紅外光譜在線分析技術得到很好的應用,並且取得了較高的社會和經濟效益。本文中主要提出了利用近紅外光譜模型進行蕃茄分選的方案,並且還對比了顏色指標模型。
番茄成熟度的近紅外漫透射光譜無損檢測

實驗及搭建
實驗中選用美國海洋光學公司的QE65000光譜儀,其採集的光譜為短波近紅外光譜,波長范圍:350nm ~ 1150nm; 採樣時間: 100ms /次; 光源: 6個12V/100W 鎢鹵燈。採用漫透射方式,並在每個樣品的赤道部位採集光譜。


樣品製備
實驗中所採用的蕃茄樣品由河北省石家莊市某果園提供。實驗前,挑選表面不畸形、無損傷的正常蕃茄作為實驗樣品,放於22℃ 的實驗室環境下保存12h。實驗中共挑選出100個蕃茄樣品,其中成熟果(紅色)60個,未成熟果( 綠色)29個,半成熟果( 紅綠相間)11個。在每個蕃茄的4個赤道部位標號,即一共有4×100個樣品數據,依照基於光譜變量的Kennard-Stone(K-S)選擇方法將樣品集分成建模集(301個)和預測集(99 個)2組。其中,K-S 方法基於變量之間的歐氏距離,在特徵空間中均勻選取樣本。光譜採集完後,在對應部位進行蕃茄表面色澤測量,實驗中採用國際照明委員會( International Commissionon Illumination,CIE)1976 年推薦的均勻色度空間Lab色系。實驗採用柯尼卡美能達CR-10反射式色差計(日本)測量樣品的表面色澤,測量蕃茄表面色澤之前,先測鐵氟龍標準白板(亮度L = 90.6,紅綠色相a =-3.0,黃藍色相b = 0.5)作為樣品的背景參比,再對水果表面進行測量,其結果通過L,a,b 和總色差ΔE這4個指標記錄。實驗中通過美國海洋公司的光譜採集軟件(SpectraSuite)採集蕃茄樣品的光譜,運用Excel-2016 軟件分析並建立4個顏色指標和對應類別的數學模型,併計算得出對應誤判個數,應用偏最小二乘回歸校正算法建立蕃茄表面色澤的近紅外校正模型。


結論
應用近紅外光譜技術建立了蕃茄成熟度的判別模型,該模型的預測效果較理想,能夠很好地識別出成熟果。通過實驗分析可知,近紅外模型在識別蕃茄是否處在半成熟這一過渡階段的效果還不太理想,會出現將這類樣品識別成未成熟果的情況。但總體來說,近紅外光譜模型很適合用於大批量的蕃茄成熟度分選上,能夠很好地剔除非成熟果,避免在之後包裝、銷售等過程中的二次分選,也能減少人工分選的成本,加快分選速度。

本研究可為其它農產品色澤近紅外漫透射光譜在線無損檢測提供參考依據。

番茄成熟度的近紅外漫透射光譜無損檢測