食品工业科技2023，Vol.44Issue(15) ：292-301.DOI:10.13386/j.issn1002-0306.2022090141

基于高光谱技术的黑果腺肋花楸成熟度判别及多酚含量检测模型构建

Establishment of Models for Maturity Discrimination and Polyphenol Content Determination of Aronia melanocarpa Using the Hyperspectral Technology

南希骏 周泉城 李娅婕 厉佳怡 王红磊 徐文慧 刘依诺 倪乙丹 郭婷婷 嵇威 盛桂华
食品工业科技2023，Vol.44Issue(15) ：292-301.DOI:10.13386/j.issn1002-0306.2022090141
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于高光谱技术的黑果腺肋花楸成熟度判别及多酚含量检测模型构建

Establishment of Models for Maturity Discrimination and Polyphenol Content Determination of Aronia melanocarpa Using the Hyperspectral Technology

南希骏 1周泉城 1李娅婕 1厉佳怡 1王红磊 1徐文慧 1刘依诺 1倪乙丹 1郭婷婷 1嵇威 1盛桂华1
扫码查看

作者信息

  • 1. 山东理工大学农业工程与食品科学学院食品科学系,山东淄博 255049
  • 折叠

摘要

为了无损检测黑果腺肋花楸(Aronia melanocarpa,简称黑果)果实成熟度和多酚含量,本研究构建了基于高光谱成像技术的黑果成熟度判别模型以及多酚含量检测模型.采用高光谱成像技术采集不同成熟度的富康源1号黑果图像信息,福林酚法测定其多酚含量.通过蒙特卡洛法剔除异常值;滑动平均、中值滤波、归一化、基线校准、多元散射校正、消除趋势和标准正态变量变换对原始图像信息进行预处理;光谱-理化值共生距法进行样本划分;竞争性自适应重加权算法和无信息变量消除法提取特征波长,分别建立偏最小二乘模型(PLS)和支持向量机(SVM)模型并进行比较.结果表明,本研究建立的判别模型中效果最好的模型为经多元散射校正预处理后的UVE-SVM模型,综合识别率94.62%,Rc2=0.9712,根据该模型判别的准确度为100%.多酚含量检测效果最好的模型为中值滤波预处理后的CARS-SVM模型,Rc2=0.8331.此外,本研究还证明了黑果多酚含量的可视化是可行的.本研究为高光谱成像技术在浆果领域的应用提供了理论基础.

关键词

高光谱成像技术/黑果腺肋花楸/成熟度/判别模型/多酚/无损检测

Key words

hyperspectral imaging technology/Aronia melanocarpa/maturity/discriminant model/polyphenols/nonde-structive detection

引用本文复制引用

基金项目

山东省重点研发计划(2019GNC106084)

山东理工大学招远工业技术研究院创新研究项目(9101-2212401)

山东理工大学招远工业技术研究院创新研究项目(9101-220193)

山东省专业学位研究生教学案例库项目(2022)(SDYAL21130)

出版年

2023
食品工业科技
北京一轻研究院

食品工业科技

CSTPCD北大核心
影响因子：0.842
ISSN：1002-0306
参考文献量18
段落导航相关论文