基于近红外光谱的南疆温185核桃水分无损检测的研究

2014-04-29 12:15郝中诚等
安徽农业科学 2014年21期
关键词:近红外光谱无损检测水分

摘要[目的]利用近红外光谱技术建立预测南疆核桃水分的检测模型。[方法]通过对南疆温185核桃进行近红外光谱水分无损检测,并用标准烘干法对所建立的检测模型进行验证,形成测定核桃水分的快速检测模型。[结果]试验表明,对采集的光谱数据进行SNV预处理,并采用偏最小二乘回归分析法(PLS)建立模型,得到了较小的SEC值和较高的RC值。其SNV预测的值用标准烘干法得出的平均偏差为0.35%,完全满足对南疆温185核桃进行水分无损检测的要求,可以应用到实际的核桃水分预测当中。[结论] 研究可为核桃水分的快速无损检测提供参考依据,同时将此项无损检测技术应用到果农的生产实际当中,可提高果农的收益。

關键词近红外光谱;南疆温185核桃;水分;无损检测

中图分类号S664.1文献标识码A文章编号0517-6611(2014)21-07191-03

Nondestructive Testing Research of Wen 185 Walnut Water in South Xinjiang by NIRS

HAO Zhongcheng, ZHANG Hong et al(College of Mechanic and Electrical Engineering, Tarim University, Alar, Xinjiang 843300; Key Lab of Modern Agriculture Engineering, Xinjiang Uygur Autonomous Region General Institutes of Higher Education, Alar, Xinjiang 843300; Forestry and Woodworking Machinery Engineering Technology Center, Northeast Forestry University, Harbin, Heilongjiang 150040)

Abstract[Objective] To establish detection model for forecasting water in walnut in south Xinjiang by NIRS. [Method] Research is based on the nondestructive testing of 185 types of walnuts from southern Xinjiang using NIRS (Near Infrared Spectroscopy) in a moist environment. The calibration model was validated using a standard drying method. [Result] The results demonstrate that the spectral data collected for SNV pretreatment, using partial least squares regression analysis (PLS) as the model, resulted in smaller SEC values and higher RC values. The SNV average deviation of the predicted value, obtained using standard drying method, was 0.35%.This fully satisfies the requirements of nondestructive moisture inspection for all 185 Southern Xinjiang walnut varieties, and it can be used as a method to predict the actual level of moisture in walnuts. [Conclusion] The study can provide reference basis for rapid and nondestructive testing of walnut water. The technology applied in actual production can improve fruit growers benefit.

Key wordsNIRS; 185 walnut varieties in southern Xinjiang; Moisture; Nondestructive testing

南疆温185核桃是新疆特产,因其营养丰富故素有“长寿果”的美称,其味甘性温,富含锌、锰等矿物质,可以促进大脑发育,常吃核桃还可以滋养血脉、增进食欲、乌须生发,对大脑神经有益,可以辅助治疗神经衰弱,并能延缓记忆力衰退。而温185核桃的作用不仅如此,在其他方面也具有独特的优势,其所含的主要是不饱和脂肪酸,如亚麻酸、亚油酸等,不饱和脂肪酸能降低血液中的胆固醇,消耗饱和脂肪酸,清除血管壁的垃圾,因此可以防止血管硬化,有效预防高血压、冠心病、抗氧化、抗衰老。此外,对于预防癌症也有一定好处。核桃中所含有的丙酮酸能阻止粘蛋白与钙离子、非结合型胆红素的结合,并能使其溶解、消退和排泄。所以,有结石症的患者,不妨坚持天天吃核桃仁,就有可能免除手术之苦。

核桃含水量的测定与果农的经济收益密切相关,含水量低核桃重量就轻,不但影响口感,还会导致价格下降,而含水量太高则储存容易发霉烂掉,导致核桃品质下降。除此之外核桃的含水量还会对核桃的物理机械性能有一定的影响。在采收季节受到采收周期的影响,所以有必要对核桃含水量的快速检测进行研究。核桃含水量的检测方法较多,常用的方法有烘干减重、水分含量仪器检测以及化学法。上述方法操作繁琐,对样品具有破坏性。在采收季节由于不同地点、不同储存方式和不同去绿皮方法会导致不同的含水量,因此有必要研究一种快速、无损的核桃水分检测技术,以适应当代核桃生产需求。

近红外光谱技术(NIR)是20世纪90年代以来发展最快、最引人注目的分析技术之一[1]。因其快速、无损的检测特点现已被大众和官方所认可,不仅可以用于农产品的品质检测,在品种鉴定方面也有很好的发展。目前国内外有很多利用近红外光谱技术并集合多种化学计量学方法建立判别模型的方法。诸如何勇等的基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究[2],He Y等的利用近红外光谱技术通过主成分分析和BP模型进行茶叶品种的鉴别[3],Xie L J等的基于可见/近红外光谱的转基因番茄的鉴别[4],周子立等的基于近红外光谱技术的大米品种快速鉴别方法[5],彭云发等的近红外光谱对南疆红枣水分无损检测的研究[6],林萍等的基于可见近红外光谱的糖类别快速鉴别研究[7]。假如可以利用近红外光谱技术对南疆核桃进行水分含量的快速、无损检测,定会为果农对核桃的处理提供指导依据,减少果农的损失。

笔者通过对南疆温185核桃进行近红外光谱的水分无损检测,主要目的在于:利用近红外光谱技术建立预测南疆核桃水分的检测模型;利用标准烘干法对模型进行验证并校正,形成测定核桃水分的快速检测模型;将此项无损检测技术应用到果农的生产实际当中,提高果农的收益。

1材料与方法

1.1近红外光谱的简介和基本原理近红外光是指波长在可见光区(Vis)到中红外光区(MIR)之间范围内的电磁波。从发现至今已经有近150年的历史。但由于物质在该谱区谱带重叠以及其倍频和合频的吸收信号较弱而很难被解析,所以一直没有被重视起来。直到最近几十年,随着计算机技术的迅猛发展,分析仪器也逐渐进入数字化时代,借助于化学计量学方法让人们重新看到了近红外光谱的价值。其良好的特性被迅速应用于分析领域且取得了良好的社会与经济效益,使得近红外光谱技术迅速的发展起来。现代近红外光谱分析是光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。不同于常规的分析技术,近红外光谱是一种间接分析技术,必须通过建立校正模型(标定模型)来实现对未知样品的定性或定量分析。

近红外光谱属于分子振动光谱的倍频和主频吸收光谱,主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的,其穿透能力很强。有机物以及部分无机物分子中各种氨基团在受到近紅外线照射时,被激发产生共振,同时吸收一部分光的能量,测量其对光的吸收情况,可以得到极为复杂的红外光谱。由于不同物质在近红外区域有丰富的吸收光谱,每种成分都有其特定的吸收特征。因此近红外光谱技术可以作为获取信息的一种载体而实现对南疆核桃进行水分含量的快速、无损检测。

1.2试验材料与设备

1.2.1试验材料。试验材料采用南疆最常见的温185薄皮核桃,为了试验的实用性,可以直接购于果农。根据光谱的采集要求,需对核桃进行6 h以上的实验室内放置处理,使其温度和湿度与试验室里的温度一致。

1.2.2试验设备。聚光科技便携式光栅扫描光谱仪(supNIR1520,聚光科技杭州股份有限公司),其光谱采集间隔为1 nm,测定范围1 000~1 800 nm,扫描次数10次,光源是与光谱仪配套的5 V卤钨灯,光谱分辨率≤12 nm,波长准确性±0.2 nm,波长重复性≤0.05 nm,光谱数据用MATLAB软件进行处理[8]。核桃重量用电子天平(上海安亭电子仪器厂)称取,精度为0.000 1 g。干燥核桃用电热鼓风干燥箱(GZX9140MBE,上海博迅实业有限公司医疗设备厂)进行处理。

1.3试验方法

1.3.1核桃样品的制备。将购得的120枚温185薄皮核桃样品随机编号后储存备用。

1.3.2近红外光谱扫描与烘干。光谱采集时需满足以下条件:温度17~19 ℃,相对湿度25%~30%。

测样方式:①光谱仪开机需预热30 min,光谱采集要注意保持光源口与样品的距离为2 cm左右,并要垂直照射。②分别对每一枚核桃进行10次扫描。③把壳和仁手工分离开,对其分别进行10次扫描,扫描取正反面平均值[9]。④对壳和仁分别称重并用烘干法去除核桃壳和仁的水分,温度设定为50 ℃,直到其重量变化小于0.01 g结束烘干。

1.3.3光谱数据与分析。用MATLAB软件进行光谱数据处理,选用一阶微分、二阶微分、多元散射校正(MSC)和标准正态变量变换(SNV)4种方法对数据进行处理,采用偏最小二乘回归分析法(PLS)建立模型,用标准烘干法对建立的模型进行验证。

2结果与分析

2.1核桃样品的光谱采集结果图1为原始光谱采集图,可以看出由于除了含有样品本身的化学信息之外,还包含了诸如电噪声、样品背景和杂散光等其他无关的信息,使得光谱出现了较为复杂的重叠信息,但是从整体来看还是呈现了一定的规律性,其光谱形态基本相同。要消除光谱数据的无关信息,该研究通过利用SNV对颗粒分布不均匀及颗粒大小产生的散射影响进行处理。

图2为SNV处理后的光谱图。从图2可以看出,处理后的辨别效果明显好于原始的光谱。

图4核桃水分近红外预测模型42卷21期郝中诚等基于近红外光谱的南疆温185核桃水分无损检测的研究2.5模型验证将20枚用于验证模型的样品光谱图用建立的南疆温185核桃含水量模型进行预测,再将所得的值与标准烘干法所得值作比较,结果如表2所示。

从表2中可以得出,用20个样品验证模型精度,预处理为SNV的模型含水率平均偏差最小为0.35%,偏差范围为-1.64~1.92。

3结论

该研究利用近红外光谱技术对南疆温185核桃水分进行无损分析,把采集的光谱数据进行SNV预处理,并采用偏

参考文献

[1] SUNDARAM J.Sensing of moisture content of inshell peanuts by NIR reflectance spectroscopy[J].Journal of Sensor Technology,2012,2(1):1-7.

[2]何勇,李晓丽,邵咏妮.基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究[J].光谱学与光谱分析,2006,26(5):850-853.

[3] HE Y,LI X L,DENG X F.Discrimination of varieties of tea using near infrared spectroscopy by principal component analysis and BP model[J].Journal of Food Engineering,2007,79(4):1238-1242.

[4] XIE L J,YING Y B,YING T J,et al.Discrimination of transgenic tomatoes based on visible/nearinfrared spectra[J].Analytica Chimica Acta,2007,584(2):379-384.

[5] 周子立,张瑜,何勇,等.基于近红外光谱技术的大米品种快速鉴别方法[J].农业工程学报,2009,25(8):131-135.

[6] 彭云发,彭海根,詹映,等.近红外光谱对南疆红枣水分无损检测的研究[J].食品科技,2013(11):260-263.

[7] 林萍,陈永明,何勇.基于可见近红外光谱的糖类别快速鉴别研究[J].光谱学与光谱分析,2009,29(2):382-385.

[8] 罗华平,王丽,孔德国,等.南疆红枣含水量近红外二维相关光谱技术的研究[C]//中国农业工程学会2011年学术年会(CSAE 2011)论文摘要集.中国农业工程学会,2011.

[9] 杨传得,于洪涛,关淑艳,等.近红外反射光谱技术预测花生种子含水量[J].花生学报,2012,41(1):6-9.

[10] 范维燕,邢邯,林家永,等.近红外光谱快速测定稻谷水分含量的研究[J].粮油食品科技,2008(5):49-52,69.

猜你喜欢
近红外光谱无损检测水分
叶子会释出水分吗?
减盐不如减水分
基于近红外光谱法的藜麦脂肪含量快速检测
应力波反射法测锚索长度的数据处理软件设计与实现
中子照相技术及其在考古中的应用
小麦子粒粗蛋白FT—NIRS分析模型建立的初步研究
完形填空Ⅳ