為了快速檢測(cè)面條中馬鈴薯全粉含量,研究近紅外高光譜成像技術(shù)定量檢測(cè)面條中馬鈴薯全粉含量的可能性,自制了馬鈴薯全粉質(zhì)量分?jǐn)?shù)在0～35%內(nèi)隨機(jī)均勻分布的120個(gè)面條樣品,在900～2 500 nm范圍采集高光譜圖像,隨機(jī)選取80個(gè)樣品作為校正集,分別采用原始光譜和經(jīng)過(guò)6種預(yù)處理方法預(yù)處理后的光譜建立了偏最小二乘回歸、主成分回歸、支持向量機(jī)回歸模型。結(jié)果表明經(jīng)標(biāo)準(zhǔn)化預(yù)處理后用偏最小二乘回歸建模效果最好,校正集決定系數(shù)（R2C）為0.865 3,交叉驗(yàn)證集決定系數(shù)（R2CV）為0.691 4。用回歸系數(shù)法在經(jīng)過(guò)標(biāo)準(zhǔn)化預(yù)處理后的光譜數(shù)據(jù)中提取了與全粉含量相關(guān)的特征波長(zhǎng),建立了馬鈴薯全粉含量偏最小二乘回歸簡(jiǎn)化模型,校正集決定系數(shù)（R2C）為0.868 5,交叉驗(yàn)證集決定系數(shù)（R2CV）為0.802 1,基于特征波長(zhǎng)建立的模型效果優(yōu)于全波段模型,模型效果得到了一定的提高。以剩余40個(gè)未參與校正模型建立的樣品作為預(yù)測(cè)集,基于特征波長(zhǎng)建立了標(biāo)準(zhǔn)化-偏最小二乘回歸簡(jiǎn)化預(yù)測(cè)模型,預(yù)測(cè)集決定系數(shù)（R2P）為0.854 6,模型具有較好的預(yù)測(cè)能力。結(jié)果表明利用近紅外高光譜成像技術(shù)可檢測(cè)面條中馬鈴薯全粉含量,可為... 

【文章來(lái)源】：農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020,51(S2)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 材料與方法
    1.1 樣品制備
    1.2 高光譜圖像采集
    1.3 高光譜圖像黑白校正
    1.4 光譜數(shù)據(jù)處理
2 結(jié)果與討論
    2.1 全波段模型效果評(píng)價(jià)
    2.2 特征波長(zhǎng)建模
    2.3 預(yù)測(cè)模型建立
3 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜成像技術(shù)預(yù)測(cè)牡蠣干制加工過(guò)程中的水分含量[J]. 陳李品,于繁千惠,陶然,陳桂東,李兆杰,薛長(zhǎng)湖.  中國(guó)食品學(xué)報(bào). 2020(07)
[2]基于高光譜成像的生鮮雞肉糜中大豆蛋白含量檢測(cè)[J]. 王偉,姜洪喆,賈貝貝,鹿瑤.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(12)
[3]可見/近紅外高光譜成像技術(shù)對(duì)長(zhǎng)棗中葡萄糖含量的無(wú)損檢測(cè)[J]. 程麗娟,劉貴珊,萬(wàn)國(guó)玲,何建國(guó).  發(fā)光學(xué)報(bào). 2019(08)
[4]近紅外光譜法預(yù)測(cè)面條中馬鈴薯泥含量模型的建立和應(yīng)用[J]. 呂都,董楠,王梅,王輝,劉永翔,李飛,劉嘉.  食品與機(jī)械. 2019(08)
[5]高光譜圖像和葉綠素含量的水稻紋枯病早期檢測(cè)識(shí)別[J]. 朱夢(mèng)遠(yuǎn),楊紅兵,李志偉.  光譜學(xué)與光譜分析. 2019(06)
[6]基于高光譜成像的青梅酸度檢測(cè)方法[J]. 趙茂程,楊君榮,陸丹丹,曹瑾,陳一鳴.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(09)
[7]基于相關(guān)系數(shù)與光譜差異法的草莓光譜特征信息提取[J]. 徐紅梅,文江,鐘文杰,徐勝勇,周杰.  江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]紫馬鈴薯全粉-小麥粉混粉的理化特性研究[J]. 仇干,胥心,鄧云.  食品研究與開發(fā). 2017(03)
[9]基于近紅外高光譜圖像的黃瓜葉片色素含量快速檢測(cè)[J]. 鄒小波,陳正偉,石吉勇,黃曉瑋,張德濤.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2012(05)
[10]傅里葉變換近紅外光譜快速檢測(cè)方便面油脂含量[J]. 陳潔,魏立立,王春,吳存榮.  糧食與油脂. 2010(02)



本文編號(hào)：3447504