第３１卷第２期光电工程Vol.31, No.2 ２００４年２月 Opto-Electronic Engineering Feb, 2004文章编号
应义斌1
（１浙江 杭州 ３１００２９
江西农业大学工学院
基于近红外光谱技术而建立水果糖份含量的测量系统光纤漫 反射附件和数据采集卡标准校正
误差为０．３１７该测量系统可以直接用于水果糖份含量的快速定量分析且
预测精确度可达到９５％
糖量测量系统； 近红外； 光谱仪； 水果；数据采集卡
中图分类号A
A Near-Infrared Diffuse Reflection Type Measuring
System for Sugar Content of Fruit Drops
LIU Yan-de1,2, YING Yi-bin1
(1. College of Biosystem Engineering and Food Science,
Zhejiang University, Hangzhou 310029, China;
2. College of Engineering, Jiangxi Agricultural University, Nanchang 330045, China)
Abstract: A measuring system for sugar content of fruit drops is developed based on near-infrared spectral techniques. The system mainly consists of FT-IR spectrum analyzer, optic fiber diffuse reflection accessories and data sampling card. Prediction tests for sugar contents of 56 apples are carried out by the system. The testing results are: standard correcting error=0.317 and standard prediction error=0.487. The measuring system can be directly applied to fast quantitative analysis for sugar content of fruit drops and the prediction accuracy can be up to 95%.
Key words: Sugar content m easuring systems; Near-infrared; Spectrum analyzer; Fruit; Data collection card
引言
农产品光学特性无损检测和分级是近三十五年发展形成的新技术机气一体化的结晶[1]消费者在选购水果时对于内部品质如口感因此
近红外漫反射分析技术是七十年代发展起来的一项实用定量分析技术
具有价廉快速和无损伤性等特点尤其是农产品质量评价方面有广泛的应用价值[3]
建立了用于水果糖份含量的测量系统
试验取得了较为满意的结果
２００３－０４－２９２００３－０７－２９
基金项目
刘燕德(1967－),女(汉族)副教授主要从事农产品光学特性检测. Email: liuyd@
万方数据
52
光电工程第３１卷第２期１ 测量机理及系统组成
１．１ 近红外漫反射测量机理
近红外漫反射测量技术的基本工作程序如图1
测试标准样品的光学数据即漫反射率
R R)形式
然后便可以对未知样品进行分析
主要包括50W石英卤素灯(Nicolet近红外漫反射光纤附件其框图如图2
然后从水果内部那里漫射出来的光从接收光纤射出进入FT-IR Nexus光谱仪
因此漫反射光谱信号通过光谱采集卡存储于计算机内存中
最后在显示屏上实时地显示结果
同时也作为一个柔性支架以适应不同形状的水果
其主频256Hz, 内存128Mbits
光谱范围2600nm
采样间隔
2.5nm信噪比
0.9494cm/s 光圈大小
聚四氟乙烯标准块
１．３ 水果的近红外漫反射光谱
利用以上近红外漫反射测量系统(如图2)
图3为不同水果品种的原始吸收光谱
1452nm峰随着含量的不同
利用OMINIC6.1对原始吸收光谱进行一次微分
(Dlog(1/R)25点) 和二次微分
(D2log(1/R)25点)
为今后水果糖度检测光谱范围
的有效选取提供依据
PLS
它可以建立同时对多个组分进行预测的回归模型[5]
其差别在于用于描述变量Y中因子的
同时也用于描述变量X在数学上是以矩阵Y
的列去计算矩阵X的因子矩阵Y的因子则由矩阵X
的列去预测
T和U的矩阵元分别为X和Y的得分
２００４年２月 刘燕德 等
即主成分
E 和
F 分别为运用偏最小二乘模型去拟合X 和Y 所引进的
误差
则 TB U = (3)
U T T T B ′′=−1)( (4)
在预测时
然后得到
BQ T Y P P = (5)
２．２ 基于ＰＬＳ模式的数学模型
利用图2的测量系统并建立苹果近红外光谱和苹果糖度化学值[真值]建立数学模型9.8ºBrix~17.50ºBrix
得出PLS 预测40个标准苹果样品中的糖度预测值
其标准校正误差(SEC )为0.317
２．３ 模型的稳定性检验
用已建立的数学模型对剩余16个样品的糖份含量进行预测为
11.5°Brix~14.70°Brix
结果为样本真实值和预测值有相关系数为0.901说明本次试验所建立数学模型的稳定性较好
利用该系统对水果糖份含量的无损检测进行
了试验研究近红外漫反射式测量系统能简便
参考文献：
[1] 应义斌,刘燕德. 水果内部品质光特性无损检测研究及应用[J]. 浙江大学学报(农业与生命科学版), 2003,29(2): 125
8.
[3] SLAUGHIER D C. Nondestructive determination of internal quality in peaches and nectarines[J]. Transaction of the ASAE.
1995, 38(2): 617
49.
[5] 陆婉珍, 袁洪福, 徐广通, 等. 现代近红外光谱分析技术[M]. 北京
143.
fefefefefefefefefefefefefefefefefefefefefefef
参考文献
低能X 射线数字成像内视仪的研制[J]. 仪器仪表学报
23(6)595. [2] 程耀瑜，胡
2002359－363.
[3] 伍丁红. 增强并行口EPP 协议及高速并行口A/D 转换器的设计[J]. 电子技术应用
2: 47－49.
[4] NAGARKAR V V . CCD-based high resolution digital radiography system for nondestructive evaluation[J]. IEEET rans .Nucl.
Sci, 1998, 44
:885－889.
万方数据。