共查询到10条相似文献,搜索用时 15 毫秒
1.
基于CT技术的苹果贮藏期内主要成分无损检测 总被引:2,自引:0,他引:2
为了探讨富士苹果内部主要成分与其剖面CT值之间线性关系在贮藏期内的变化,使用X射线CT技术,对处于不同贮藏期的苹果进行扫描,获得CT图像及CT值,并测量苹果内部的主要成分含量,建立不同贮藏期CT值与苹果内部主要成分含量的线性模型.经过比较发现,苹果内部pH值及糖度随着贮藏期的增长而增大,而含水率及可滴定酸含量随着贮藏期的增长而降低,同时各成分与CT值的线性相关模型随着贮藏时间的变化也发生了相应变化.将贮藏时间参数引入苹果内主要成分含量的预测模型,并验证其准确性及可行性,结果表明预测模型的平均误差率小于10%,利用以上预测模型进行苹果内部主要成分的无损检测是一种可行的方法. 相似文献
2.
3.
4.
5.
富士苹果在贮藏期后熟过程中其生理特性发生变化,不适宜的贮藏会影响出库品质和售卖价格。为使贮藏期果实以较好的品质出库销售,开展对贮藏后熟苹果品质模型研究,并在此基础上对苹果出库进行评价和预测。采集了全贮藏期不同时间苹果样本的近红外光谱和品质指标(可溶性固形物含量、硬度和失重率),分析贮藏期间果实漫反射光谱和品质指标变化规律,基于波长1 000~2 400 nm范围内的漫反射光谱结合预处理和特征波长提取方法,建立贮藏期苹果品质的偏最小二乘(PLS)和带有反馈的非线性自回归(NARX)预测模型,根据行业标准确定苹果出库品质判断依据,采用基于熵权的TOPSIS法对果实出库品质进行综合评价,实现PLS对品质得分和NARX对多品质指标的预测。结果表明,在预测SSC含量、硬度和失重率时,最优模型分别为CARS-SPA-PLS、CARS-NARX和SPA-NARX,相关系数分别为0.914、0.796和0.918,均方根误差分别为0.511°Brix、0.475 kg/cm2和0.682%;在预测品质得分时,PLS模型的相关系数与均方根误差分别为0.896和0.043 4,NAR... 相似文献
6.
7.
为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650~1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。 相似文献
8.
基于反射光谱的苹果叶片叶绿素和含水率预测模型 总被引:4,自引:0,他引:4
为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。 相似文献
9.
为明确不同贮存温度对益生菌发酵苹果浊汁品质的影响及预测发酵苹果浊汁的货架期,测定了4、25℃条件下益生菌发酵苹果浊汁色差L*值、a*值、b*值、ΔE值,以及稳定系数、活菌菌体浓度、感官评分、有机酸质量浓度、糖质量浓度和香气成分等指标的变化,基于Arrhenius方程构建了发酵苹果浊汁各项品质指标货架期预测模型。结果表明:在4℃和25℃条件下,发酵苹果浊汁的b*值、ΔE值变化符合零级反应,其他指标均符合一级动力学反应。以单指标分别建立预测模型,模型计算验证结果显示,各模型的相对误差均小于10%,偏差度和准确度不大于1.04,说明模型可以很好地预测发酵苹果浊汁贮存期的各项指标。活菌菌体浓度与其他品质指标均呈显著相关,以其建立的4℃和25℃条件下的发酵苹果浊汁货架期预测模型的预测值与实测值的相对误差小于10%,说明模型可靠、合理,可以准确预测益生菌发酵苹果浊汁的货架期。 相似文献
10.
准确预测剩余货架期是降低苹果过长贮藏风险的有效途径,目前基于传统动力学模型的预测准确度较低,提出一种基于生成式对抗网络(GAN)改进的反向传播人工神经网络(BP-ANN)苹果货架期预测方法。以0、5、15、25℃下贮藏的“富士”苹果为研究对象,获取果实的12个理化品质指标随贮藏时间变化的取值;分别采用2种特征选择方法对品质指标进行排序,依次累加排序为1~12的品质指标结合贮藏温度作为BP-ANN的输入层变量。通过GAN扩大BP-ANN的训练集样本数量,建立“富士”苹果货架期的 GAN-BP-ANN和BP-ANN预测模型。试验结果表明,经过GAN可生成与真实数据分布范围一致的数据集,以真实和生成数据集共同作为训练集构建的GAN-BP-ANN模型其验证集准确度总体高于BP-ANN模型;以稀疏主成分分析(SPCA) 选取得到的前1、2、6个品质指标,结合贮藏温度分别作为GAN-BP-ANN模型的输入层对货架期进行预测,其平均相对误差均在0.070以内,决定系数均在0.988以上。 相似文献