本文旨在比较不同种水果的光学特性的差异，并结合多元数据统计分析与化学计量学构建不同水果统一的品质（硬度、可溶性固形物）预测模型。试验采用积分球系统测量了600-1050nm波长范围内三种水果的反射率和透射率，并结合反向倍加算法计算水果的吸收系数与约化散射系数。最终利用光谱数据建立不同水果的品质通用模型，得到水果的SSC通用模型的预测集决定系数（determination coefficient of prediction，Rp2）和预测集均方根误差（root mean square error of prediction，RMSEP）为0.72，0.84°Brix，硬度通用模型的Rp2和RMSEP为0.78，5.0N。本次试验为开发适用于水果品质检测的便携式无损检测设备提供理论依据。
目录
摘要1
关键词1
Abstract1
Key words1
引言（或绪论）1
1 材料与方法1
1.1 材料 1
1.2 仪器设备与测定方法 1
1.3 SSC测定4
1.4 硬度测量4
1.5模型的建立4
2 结果与讨论5
2.1不同类型水果的光学性质5
2.1.1 梨的光学性质5
2.1.2 苹果的光学性质6
2.1.3 桃子的光学性质6
2.1.4 不同水果的光学性质7
2.2不同类型水果的SSC与硬度7
2.2.1梨的SSC与硬度7
2.2.2苹果的SSC与硬度7
2.2.3 桃子的SSC与硬度8
2.2.4 不同水果的SSC与硬度8
2.3建模结果分析8
2.3.1梨的建模结果分析8
2.3.2苹果的建模结果分析9
2.3.3桃子的的建模结果分析10
2.4 通用模型分析10
3 结论 11
致谢11
参考文献12
基于积分球技术的不同水果光学性质检测及品质指标模型的建立
引言
水果和蔬菜的摄入是健康饮食 *景先生毕设|www.jxszl.com +Q: ^351916072^ 
的重要组成部分。随着生活水平的提高，人们越来越重视水果内在品质。可溶性固形物（soluble solid content，SSC）及硬度是决定水果果实成熟度和采收时间、评价和分级采后品质的两个重要内在品质指标，极大影响着消费者的选择。
国内早期的果品品质检测方法主要是人工检测和化学试剂检测，人工检测仅仅局限于水果表观，且检测标准不清晰，检测效率较低，不能满足现代水果生产的商品化需求；化学试剂检测是一种过程繁琐的破坏性检测方式，其可靠性和稳定性较差。因此，具有准确度高、实时性强、快速便捷特点的无损检测技术越来越受关注。光学特性描述了光在组织中的传输方式，当光射到生物组织表面时，只有不到5 %的光是以镜面反射的形式反射，而剩余的光则透过表面与内部化学成分和结构相互作用。这些和内部成分交互并再度出现的光将携带关于组织的性质和特征的重要信息。通常使用吸收系数μa[1]、约化散射系数μ’s[2]描述组织光学特性。目前，以时间分辨[3]、空间分辨[4]、频域分辨[5]和积分球[6]为代表的光学参数测量技术间接获得组织的光学特性参数，并分离了组织中光学吸收和散射性质，实现了组织中光学吸收和散射性质的单独分析，对生物组织的特性更加明细化和精确化。Zhenhuan FANG等[7] 发现猕猴桃不同部位组织的吸收系数和散射系数分别为0.031~0.308mm1和0.120~0.946mm1，并显示猕猴桃不同部位组织的吸收和散射特性具有显著差异。种子部位受随机分散的种子的影响较大，组织较均匀的果肉和种子基座部位结果证实散射系数大于吸收系数，符合生物组织高散射介质特性。Wouter Saeys[8]对3个品种的苹果皮和果肉组织的光学性质进行了3502200nm的估算。观察到的吸收系数谱以近红外的水为主，可见光区以色素和叶绿素为主，其浓度在皮肤组织中要高得多。散射系数谱图显示，随着波长的增加，生物组织的散射系数呈单调下降趋势。
水果的品种繁多，且品种间差异大，单品种分别建模的成本高，模型的稳健性与普适性较差。虽然已有很多学者基于光学技术实现了果实品质检测，如Oliveira[9]比较百香果中糖、有机酸和类胡萝卜素的果实成熟参数的预测建立标定模型，刘辉军[10]利用积分球漫反射，测量了“黄花梨”的光谱，建立了“黄花梨”可溶性固形物含量检测模型。但是尚未有学者建立不同类型水果的通用模型，如果通过混合不同类型水果建立通用水果品质模型，将有助于节约成本、提高检测效率，更广泛应用于果蔬品质检测。
本文探讨了不同种类水果的SSC、硬度及光学特性差异，旨在建立水果单品种与多品种的SSC及硬度通用检测模型，并以预测集决定系数（determination coefficient of prediction，Rp2）和预测集均方根误差（root mean square error of prediction，RMSEP）为参考指标对比各个品种及多品种SSC、硬度通用模型的建模结果，研究了通用模型的可行性及稳健性。
1 材料和方法
1．1 水果
实验样品选自江苏省南京市玄武区苏果超市，其中梨（“翠冠梨”，“砀山梨”，“皇冠梨”），苹果（“富士苹果”，“嘎啦苹果”，“青苹果”），桃子（“白凤桃”，“突围桃”，“霞晖八号”）分别选取72个，共648个水果。皆选取大小适中、表面无破损划伤割伤、无虫洞、形状统一的新鲜果品进行试验。
1．2 仪器设备与测定方法
积分球技术是一种结合积分球系统测量方法和辐射传输方程精确解解法的光学参数离体测量方法,它具有速度快、精度高、对光学参数没有限制等诸多优点,在光学参数离体测量方法中是一种比较公认的方法。积分球技术常用的有单积分球技术和双积分球技术
如图1所示，本实验采集果肉样本的漫反射光谱和漫透射光谱将使用本实验室自主搭建系统。该系统由基于单积分球的农产品光学特性检测系统（图 1 A）和软件（图 1 B）构成，能测定 4001050 nm波段范围内的样本数据，积分时间为 200 ms，窗口平滑宽度为 12 nm，采样平均次数为 20次。
农产品光学特性检测系统包括光源、光源架、积分球、样本架、光纤、光谱仪滑台、运动控制器和计算机[11]。其中光源架和积分球同轴安装，积分球的检测口通过光纤与光谱仪连接，一个直径为84mm的积分球作为光捕集器和扩散器，表面涂有聚四氟乙烯（4PGPS033SL，Labsphere，美国），反射率高于98%。计算机通过光谱仪采集积分球内漫反射光的光谱，并利用由运动控制器控制的 3 个滑台对光源架和样本架的相对位置精准定位。光源为直流调节的卤素灯的（ASBNW100L，上海复享光学），输出波长为 4002 000 nm，最大输出功率为100W。白板、暗背景和样本的信号通过光谱仪（PG 2000，上海复享光学）获取，光谱覆盖范围为 3661 050 nm，波长分辨率最高为 0.34 nm。

原文链接：http://www.jxszl.com/swgc/spzlyaq/563844.html