方案摘要
方案下载| 应用领域 | 食品/农产品 |
| 检测样本 | 其他水果制品 |
| 检测项目 | 理化分析>香气和口味 |
| 参考标准 | 高光谱成像技术 |
大多数研究者利用光谱仪检测果类品质、糖度、酸度等时，仅针对单一品种或者某一类水果进行研究，很少有研究者利用多类水果或多品种水果进行研究分析其不同糖度、酸度的光谱差异及特征响应波段范围。因此本研究以无籽/有籽西瓜、为研究对象，利用可见/近红外高光谱成像技术，探索不同种类西瓜不同糖度光谱差异及特征响应波段范围，为探索不同水果糖度高精度检测模型奠定基础。
西瓜素有“瓜中之王”的美称，含糖量较高，营养丰富，深受消费者的喜爱。糖度是影响西瓜营养与风味的主要因素，既可表征成熟度，又可体现其品质[1]。传统的品质化学检测方法是一种费时费力的破坏性检测技术，随着成像和光谱技术的快速发展，高光谱成像技术（Hyperspectral imaging）已经广泛应用于农产品品质的快速无损检测[2]。高光谱成像技术融合了传统的成像和光谱技术的优点，可以同时获取被检测物体的空间信息和光谱信息，因此该技术既可以检测物体的外部品质，也可以检测物体的内部品质如水果的糖度、坚实度、酸度等[3-10]。
董一威等[11]以红富士苹果为研究对象，应用自行搭建的CCD近红外光谱系统检测苹果的糖酸度，研究结果表明在630 nm-1030 nm范围内，可实现对苹果糖度、酸度的无损检测研究；金同铭等[12]利用近红外光谱法检测苹果中蔗糖、葡萄糖、果糖三种组分，筛选出914 nm、950 nm、897 nm分别代表蔗糖、葡萄糖和果糖的第一特征波长；赵丽丽等[13]运用近红外光谱仪获取苹果和番茄的光谱，并建立苹果糖度、硬度及番茄的红素的数学模型，所有模型的相关系数均在0.8以上，证明利用红外区域光谱可进行果品类品质的检测；田海清等[14]利用透射光谱仪获取蜜瓜的光谱信息，运用经典最小二乘法、逐步多元线性回归、主成分分析、偏最小二乘法等方法构建模型并检验，结果表明PLS法的建模与预测结果较好；Polder 等[15]利用可见光(波长范围为396-736 nm)高光谱成像系统对西红柿的成熟度进行判别研究；Lu[16]利用高光谱成像系统研究了苹果的坚实度；Masry 等[17]采用波长范围为400-1000 nm 的近红外高光谱成像技术检测了草莓内部含水量和可溶性固形物含量。赵杰文等[18]采集了苹果的高光谱图像（685-900nm），研究发现利用PLS回归模型预测糖度的最优波长为704.48-805.26nm，预测的相关系数为0.907；马本学等[1]利用漫反射高光谱成像技术研究了网纹类甜瓜糖度的无损检测方法。
文献贡献者
隔振光学平台实现精密光学的稳定基础
多轴滑台在激光雷达领域的应用案例分享
量子点杂化空穴导体助力高效碳基太阳能电池
相关产品
关注
拨打电话
留言咨询
