基于近红外光谱技术的干制哈密大枣水分含量无损检测与模型优化研究.pdfVIP

摘 要 哈密大枣是新疆特色干果，个大肉厚，外观紫红有光泽，食之有药香，是上等的滋补食品和 药用食品。水分含量作为干制哈密大枣重要品质参数之一，干制过程中若含水量过少，会使硬度增 加，口感变差；若水分含量过高，会使细菌容易繁殖，在贮藏和运输过程中易腐烂变质。目前对哈 密大枣水分含量的检测还采用传统破坏性检测方法，其效率低、耗时长，不适于大规模的生产需 要；针对这些问题，本文以干制哈密大枣为研究对象，搭建适用于干制哈密大枣光谱采集装置，建 立水分含量定量预测模型，并对模型参数进行优化，实现干制哈密大枣水分含量的无损检测研究。 主要研究内容如下： 1. 搭建适用于干制哈密大枣近红外光谱采集装置。主要包括：近红外光谱仪及配套软件、漫 反射光纤、卤素灯光源、三菱PLC 和计算机等。采集装置可实现光源角度和光纤距离的可调整， 和在0cm/s、1cm/s、2 cm/s和3cm/s速度下干制哈密大枣近红外光谱信息的采集。 2. 采集装置参数的选择和优化。采集不同扫描次数、光源角度和光纤距离条件下对应的近红 外光谱数据，并建立对应的偏最小二乘 （PLS）和极限学习机 （ELM）水分含量预测模型。不同条 件下的模型的预测结果表明：扫描次数为32 次、光源入射角度为30°、光纤距离为4 cm 时预测 结果最佳。 3. 根据干制哈密大枣水分含量预测模型结果对特征波长和预处理方法进行优选。采集参数确 定后，使用搭建的光谱采集装置分别采集0 cm/s、1cm/s、2 cm/s 和3 cm/s 速度下的近红外光谱信 息。为了简化模型和提高模型预测精度，利用四种特征波长筛选方法 （si-PLS、GA、SPA、 CARS）分别筛选了各速度条件下特征波长光谱，并进一步使用 （Norm、SNV、MSC、SG-1-Der） 四种预处理方法对提取的特征波长降噪后，建立了PLS 和ELM 预测模型。研究结果表明，PLS模 型预测结果优于ELM 模型。在0cm/s、1cm/s、2 cm/s和3cm/s速度下通过特征波长提取和预处理 后建立PLS预测模型的Rp 较原始光谱分别提高了18.51 、35.7 、8.25 和23.52 。 4. 使用遗传算法 （GA）对ELM 和BP 神经网络预测模型权值和阈值进行优化。研究结果表 明，GA-ELM 模型预测结果优于SVR 和ELM 模型，在0 cm/s 时GA-ELM 对si-PLS+SG-1-Der 处 理后的预测结果最佳，Rp 达到0.8208；在 1cm/s 时GA-ELM 对CARS 处理后的预测结果最佳， Rp 达到0.8357；在2 cm/s 时GA-ELM 对GA+Norm 处理后预测结果最佳，Rp 达到0.8049；在3 cm/s 时GA-ELM 对CARS+MSC 处理后预测结果最佳，Rp 达到0.8181。研究结果表明，模型优化 可提高干制哈密大枣水分含量预测模型的稳定性和预测精度。 搭建的近红外光谱采集装置能够能实现光源角度和光纤距离的调整，能有效采集干制哈密大 枣近红外光谱信息；采集不同条件下的干制哈密大枣近红外光谱建立的PLS和ELM 预测模型，根 据模型预测结果选择装置采集参数；不同特征波长筛选方法和预处理方法的组合、隐含层神经元个 数选择、GA 对ELM 和BP 的权值和阈值进行优化，有效提高模型的稳定性和预测精度；本文为干 制哈密大枣水分含量近红外光谱在线检测提供了一些思路，具有一定参考价值。 关键词：近红外光谱；水分含量；哈密大枣；特征波长；模型优化 I Abstract Hami jujube is a characteristic dried fruit of Xinjiang, with large flesh, thick purple and shiny appearance, and medicinal aroma. It is a fine nourishing food and medicinal food.Moisture content is one of the important quality parameters of dried Hami jujube. If the moisture content is too small during the drying proce