一级特黄色大Aa片_ -|五鼎亨├江川社区医院
淘宝减肥药排行榜十强
只推淘宝安全有效的减肥药

当前位置:一级特黄色大Aa片 > 减肥产品

一级特黄色大Aa片

时间:2020-07-15 22:00  编辑:理塘违章查询

一级特黄色大Aa片

苹果可溶性固形物含量的检测方法

—基于可见光近红外光谱技术

周丽萍a

,胡耀华a

,陈 达a

,郭康权a

,岳田利

b

(西北农林科技大学a .机械与电子工程学院;b .食品科学与工程学院,陕西杨凌 712100)

摘 要:为了快速检测苹果的可溶性固形物(S S C )含量,采用可见光近红外光谱技术,结合主成分分析(P C A )和B P 神经网络技术,来建立苹果S S C 的预测模型。获取苹果样本在345~1039n m 波段的漫反射光谱,采用D P S 数据处理系统对其进行主成分分析,并提取出累计可信度大于95%的5个新主成分。建立一个3层的B P 神经网络模型,并将这5个新的主成分作为B P 神经网络模型的输入量,其结果是98%以上预测样本的预测相对误差在5%以下。该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的。关键词:近红外光谱;主成分分析;B P 神经网络;苹果中图分类号:T S 207.3;S 123     文献标识码:A

文章编号:1003-188X (2009)04-0104-03

0 引言

苹果是我国主要的水果之一,而陕西省是我国主要的苹果原产地,也是我国主要的苹果出口地。近年来,随着人们生活水平的日益提高,不论是出口还是内销,人们对水果的质量要求都越来越高。水果的品质已不能单从外观来判断,而需要通过对水果的糖度、硬度、酸度等各项指标来评定。用近红外光谱技术来预测苹果的糖酸度已经在许多文章中进行了报道

[1-6]

,但是采用可见-近红外光谱技术来检测水果

糖酸度的报道还甚少。近红外光谱分析技术与传统化学方法相比,具有廉价、方便、快速和无损伤等特点,在农产品评价方面有广泛的应用价值

[7-8]

。

B P 神经网络模型是一个强有力的学习系统,能够实现输入与输出之间的高度非线性映射

[9]

。目前使

用最多的是多层结构的误差反向传播学习算法(B P ),并且已经证明此种模型可以逼近任何连续的非线性曲线

[10]

。主成分分析

[11]

(P C A )是在不丢失光谱信息

的前提下,将多个变量进行线性变换,以选出较少个数重要变量的一种多元统计分析方法,它能够建立光谱数据与成分之间的相互关系。

本文以可见光-近红外光谱技术为基础,采用主成分分析和B P 神经网络模型来建立苹果可溶性固形

收稿日期:2008-06-24

基金项目:国家“十一五”科技攻关项目(2006B A K 02A 24)作者简介:周丽萍(1979-),女,成都人,在读硕士研究生,(E-m a i l )

a g i l e [email protected] i n a .c o m 。

通讯作者:郭康权(1955-),男,西安人,教授,博士,博士生导师,

(E-m a i l )j d g k q @n w s u a f .e d u .c n 。

物的检测模型。

1 材料和方法

1.1 试验材料

试验选用当年采摘经冷库储藏60d 的陕西礼泉红富士苹果40个,尽量挑选大小一致的苹果,并将其置于温度为8℃、相对湿度为45%的实验室内12h ,使苹果和实验环境温度达到一致。1.2 仪器设备及光谱获取

实验使用美国O c e a n O p t i c s 公司生产的可见光近红外光谱仪一套,包括U S B 4000光谱仪(设置采样间隔为0.21n m ,波长范围为345~1039n m ,积分时间为100m s ,扫描平均次数5)、光纤、光源及自制的光谱采集支架,如图1所示

。

图1 苹果检测装置F i g .1 D e t e c t i o ns y s t e mf o r a p p l e

每个苹果在赤道上分别取3个等距离点,即每隔120°取一个。调整光纤探头距定位板面距离为

·

104·2009年4月              农机化研究                第4期

DOI :10.13427/j .cn ki .njyi .2009.04.004

14m m ,将苹果放在支架上,表皮紧贴在定位板上,并对每个点扫描进行光谱采集。将每个点采集到的光谱作为一个样本,共计120个样本。1.3 苹果可溶性固形物(S S C )测量

将苹果每个点面去皮,切下扫描点附近15m m 左右大小的一块果肉,用家用小型榨汁机进行榨汁,并采用泉州中友光学仪器有限公司生产的W Y T-4型手持糖度仪来直接测量苹果的可溶性固形物含量,单位为°b r i x 。

4 主成分分析(P C A )

主成分分析(P C A )是将多个变量进行线性变换,以选出较少个数重要变量的一种多元统计分析方法。它能够建立光谱数据与成分之间的相互关系,是一种广泛使用的近红外数据处理方法。但P C A 适用于建立线性模型,当出现非线性问题时,模型预测结果会受到影响,因此需要在P C A 模型的基础上引入非线性部分。人工神经网络是目前常用的非线性模型[12]

。

1.5 B P 神经网络模型

本研究建立了一个3层B P 神经网络,所有的样本随机分成学习集和预测集数据。其中,随机抽取80个样本作为学习集样本,另外40个样本作为预测集样本。网络输入层、隐含层和输出层节点数分别为5,6,1。输入层的5个节点来源于P C A 分析得到的主成分,隐含层的节点数是在经验基础上确定的,最小训练速率为0.1,设定训练迭代次数为2000次,并对输入样本进行标准化处理。

2 试验结果与分析

2.1 苹果S S C 的近红外漫反射光谱

U S B 4000光谱仪在使用前先经过白板校正得到一个标准光谱,再测量周围环境的暗光谱,随后才能测量苹果样本。使用该光谱仪测得的光谱为连续光谱,且每扫描5次获得一个平均光谱,此时的光谱为原始漫反射光谱,如图2所示

。

图2 苹果的近红外漫反射光谱F i g .2 N e a r i n f r a r e dr e f l e c t a n c e s p e c t r ao f a p p l e

图2中,横坐标为波长,范围是345~1039n m ,纵坐标为光谱漫反射率。该光谱仪具有抗外界环境干扰的优点。2.2 新主成分提取

将随机挑选作为学习集的80个苹果的光谱样本经过变换,并使用D P S 处理系统对其进行主成分分析。由于采集到的光谱前后均有较大噪声,因此仅选用450~1000n m 这段光谱进行分析,其中前7个主成分的特征值及累计可信度如表1所示。

表1 主成分特征值及其累计可信度

T a b .1 P C s a n dr e l i a b i l i t i e s

主成分特征值累计可信度P C 1%5.614562.3833P C 2%1.715881.4479P C 3%0.958592.0977P C 4%0.219294.5336P C 5%0.162796.3414P C 6%0.143597.9362P C 7%

0.1141

99.2038

  由于前5个主成分的累计可信度已达95%,所以仅用前5个主成分就可以表示原始近红外光谱的主要信息

[13]

。

2.3 建立B P 神经网络模型

全波段从345~1039n m 共有3303个点,采用全光谱作为神经网络输入时,大大增加了运算量,而且有些区域样品的光谱信息很弱,与样品的组成或性质间缺乏相互关系

[14]

。P C A 推荐的前5个主成分已经

包含了大部分的光谱信息,因此将这5个特征变量作为B P 神经网络的输入变量,通过调整网络隐含层的节点数来优化网络结构

[15]

。经过反复试验,确定最佳

网络结构,即输入层、隐含层和输出层节点数分别为5,6,1,拟合残差为0.0149。其40个预测样本的预测值如表2所示。

表2 未知样本基于B P 预测模型的预测结果T a b .2 P r e d i c t i o n r e s u l t s f o r u n k n o w ns a m p l e s b y B Pm o d e l 样本预测值/°b r i x 真值/°b r i x 相对误差

/%114.143314.41.782639213.677513.80.887681313.285813.51.5866674

13.167713.20.244697514.118914.0-0.8492906

12.4822

12.1

-3.158680

·

105·2009年4月              农机化研究                第4期

续表2

样本预测值

/°b r i x

真值

/°b r i x

相对误差

/%

711.168611.31.162832

811.927912.00.600833

911.015611.21.646429

1012.690812.91.621705

1114.154114.1-0.383690

1214.196714.0-1.405000

1313.591314.02.919286

1413.953214.53.771034

1514.003014.42.756944

1613.496014.03.600000

1713.544913.81.848551

1812.996213.32.284211

1913.305613.3-0.042110

2012.499813.03.847692

2113.892614.00.767143

2213.578314.03.012143

2313.029913.53.482222

2410.980911.00.173636

2512.293313.05.436154

2613.905113.5-3.000740

2712.882613.00.903077

2812.250612.51.995200

2913.682513.2-3.655300

3013.192813.84.400000

3112.600812.92.319380

3213.200813.0-1.544620

3313.674014.23.704225

3413.652714.02.480714

3513.168414.37.913287

3613.334213.1-1.787790

3713.972813.7-1.991240

3814.138514.1-0.273050

3913.320413.72.770803

4011.830212.01.415000

3 结论

1)由表2可以看出:其测定值与真值之间的相对误差除25号和35号在5%以上,其余全部在5%以下,其中27个样本的相对误差在3%以下,占预测集

的67.5%。

2)以上结果说明,应用可见光近红外光谱技术来

建立基于主成分分析和人工神经网络的苹果S S C含量的鉴别模型是可行的,且该模型具有简便、快速、非破坏和相对准确的优点。

参考文献:

[1] RL u,DEG u y e r,RM B e a u d r y.D e t e r m i n a t i o n o f f i r m n e s s

a n ds u g a r c o n t e n t o f a p p l e su s i n gn e a r-i n f r a r e dd i f f u s e r e-

f l e c t a n c e[J].J o u r n a l o f T e x t u r e S t u d i e s,2000(31):615-

630.

[2] VAM c G l o n e,SK a w a n o.F i r m n e s s,d r y-m a t t e r a n ds o l u-

b l e-s o l i d s a s s e s s m e n t o f p o s t h a r v e s t k i w i f r u i t b y N I R s p e c-

t r o s c o p y[J].P o s t h a r v e s tB i o l o g ya n d T e c h n o l o g y,1998

(13):131-141.

[3] J a c o b S a n u,V a n o l i M a r i s t e l l a,G r a s s iM a u r i z i o,e ta l.

C h a n g e s i ns u g a r a n da c i dc o m p o s i t i o no f`A m b r a'n e c-

t a r i n e s d u r i n gs h e l f l i f e b a s e do nn o n-d e s t r u c t i v ea s s e s s-

m e n t o f m a t u r i t y b y t i m e-r e s o l v e d r e f l e c t a n c e s p e c t r o s c o p y

[J].J o u r n a lo fF r u i ta n d O r n a m e n t a lP l a n tR e s e a r c h,

2006,14(S u p p l.2):183-194.

[4] 应义斌,付霞萍,刘燕德.苹果有效酸度的红外漫反射无

损检测[J].农业机械学报,2004,35(6):124-126.

[5] 邹小波,赵杰文,夏蓉,等.苹果糖度近红外光谱小波去

噪和i P L S建模[J].农业机械学报,2006,37(6):79-

82.

[6] 王加华,韩东海.苹果内部品质近红外光谱分析检测技

术[J].中外食品,2006(2):50-53.

[7] 应义斌,刘燕德.水果内部品质光特性无损检测研究及

应用[J].浙江大学学报(农业与生命科学),2003,29

(2):125-129.

[8] 徐广通,袁洪福,陆婉珍.现代近红外光谱技术及应用进

展[J].光谱学与光谱析,2000,20(2):134-142.

[9] 鲍一丹,吴燕平,何勇.B P神经网络最优组合预测方法

及其应用[J].农机化研究,2004(3):162-164.

[10] 齐小明,张录达,杜晓林,等.P L S-B P法近红外光谱定

量分析研究[J].光谱学与光谱分析,2003,23(5):870

-872.

[11] 王学民.应用多元分析(2版)[M].上海:上海财经大

学出版社,2004.

[12] 黄敏,何勇,岑海燕,等.应用可见-近红外光谱技术快

速无损鉴别婴幼儿奶粉品种[J].光谱学与光谱分析,

2007,27(5):916-919.

[13] 戴素贤,谢赤军,陈栋,等.七种高香型乌龙茶香气成分

的主成分分析[J].华南农业大学报,1999,20(1):113

-117.

[14] 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.(下转第203页)·

106

·

2009年4月              农机化研究                第4期

响的研究[J].农业工程学报,1999,15(3):237-239.

[2] H o d g e t t D L.E f f i c i e n t d r y i n gu s i n gh e a t p u m p s[J].T h e

C h e m i c a l E n g i n e e r,1976,311(5):510-512.

[3] 谢英柏,宋蕾娜,杨先亮.热泵干燥技术的应用及其发展

趋势[J].农机化研究,2006(4):12-15.

[4] 余克明,王崎.热泵干燥技术的发展及其应用的前景

[J].能源技术,2000,21(4):36-37.

[5] 潘永康.现代干燥技术[M].北京:化学工业出版社,

1998.

[6] 李浙.水产品热泵干燥装置的设计计算[J].冷藏技术,

1998,83(2):36-39.

[7] 彦启森.空气调节用制冷技术[M].北京:中国建筑工业

出版社,1985:70-90.

[8] 吴存真,张诗针,孙志坚.热力过程火用分析基础[M].杭

州:浙江大学出版社,2000.

[9] 杨先亮.热泵干燥系统的理论分析与实验研究[D].保

定:华北电力大学,2006.

[10] 马一太,张嘉辉,马远.热泵干燥系统优化的理论分析

[J].太阳能学报,2000,21(2):208-213.

T h e r m o d y n a m i c A n a l y s i s o f t h e H e a t P u m pD r y i n g S y s t e m

Y a n g X i a n l i a n g1,S o n g L e i n a2,J i n G u a n g y a1

(1.D e p t o f P o w e r E n g i n e e r i n g,N o r t h C h i n a E l e c t r i c P o w e r U n i v e r s i t y,B a o d i n g071003,C h i n a;2.S h a n d o n g M a c h i n e r y I m-p o r t&E x p o r t G r o u p C o r p e r a t i o n,Q i n g d a o266002,C h i n a)

A b s t r a c t:H e a t p u m p i s a h i g h e f f i c i e n c y e n e r g y s a v i n g t e c h n o l o g y,w h e ni t a p p l i e d i nd r y i n g w i l l r e d u c e e n e r g y c o n-s u m p t i o n,i s v e r y i m p o r t a n t t o o u r e n e r g y s h o r t a g e s i t u a t i o n.T h e p r i n c i p l e o f h e a t p u m p d r y i n g s y s t e m w i t ha s s i s t c o n-d e n s e r i s i n t r o d u c e d i n t h e a r t i c l e;D a t a i s u s e d a s d r y i n g m a s s,h e a t p u m p d r y i n g s y s t e m i s a n a l y z e d b y t h e f i r s t l a wo f t h e r m o d y n a m i c s a n d t h e s e c o n d l a wo f t h e r m o d y n a m i c s,t h e w e a k l i n k i n t h e e n e r g y u s i n g i s p o i n t e d,a n d t h e n t h e w a y t o d e s i g n a n d a p p l y t h e h e a t p u m p d r y i n g s y s t e mi s i n d i c a t e.

K e y w o r d s:h e a t p u m p;t h e r m o d y n a m i c a n a l y s i s;d r y i n g;r e d u c e e n e r g y c o m s u m p u t i o n

(上接第106页)

[15] 赵琛,瞿海斌,程翼宇.虫草氨基酸的人工神经网络-

近红外光谱快速测定方法[J].光谱学与光谱分析,

2004,24(1):50-53.

A b s t r a c t I D:1003-188X(2009)04-0104-E A

P r e d i c t i o n Mo d e l f o r S o l u b l e S o l i d s C o n t e n t o f A p p l e

—B a s e d o n V i s i b l e/N e a r I n f r a r e d S p e c t r o s c o p y T e c h n o l o g y Z h o u L i p i n g a,H u Y a o h u a a,C h e n D a a,G u o K a n g q u a n a,Y u e T i a n l i b

(N o r t h w e s t A&FU n i v e r s i t y,a.C o l l e g e o f M e c h a n i c a l a n d E l e c t r o n i c E n g i n e e r i n g;b.C o l l e g e o f F o o d S c i e n c e a n d E n-g i n e e r i n g,Y a n g l i n g712100,C h i n a)

A b s t r a c t:T o p r e d i c t t h e s o l u b l e s o l i d c o n t e n t(S S C)o f a p p l e s q u i c k l y,t h i s p a p e r r e p o r t s o n a n e wp r e d i c t i o n m o d e l f o r a p p l e's S S Cb y m e a n s o f v i s i b l e/n e a r i n f r a r e d s p e c t r o s c o p y(V i s/N I R S)(345~1039).T h e r e f l e c t a n c e s p e c t r a w e r e a c q u i r e db y u s i n g t h e s p e c t r o s c o p y.P r i n c i p a l c o m p o n e n t a n a l y s i s w a s u s e d t o a n a l y z e t h e c h a r a c t e r i s t i c s o f t h e s p e c t r a.

F i v e n e wp r i n c i p a l c o m p o n e n t s w e r e c o n f i r m e d t o d e s c r i b e t h e w h o l e b o d y o f s p e c t r a w h e n t h e t o t a l r e l i a b i l i t i e s a r r i v e d a t 95%.T h e n t h e f i v e n e wp r i n c i p a l c o m p o n e n t s w e r e a p p l i e d a s t h e i n p u t o f b a c kp r o p a g a t i o n(B P)n e u r a l n e t w o r k w i t h o n e h i d d e n l a y e r.T h e v a l u e s o f S S Cw e r e a p p l i e d a s t h e o u t p u t o f B P n e u r a l n e t w o r k.T h e r e s u l t s s h o w e d t h a t t h e r e l a-t i v e e r r o r o f o v e r98%p r e d i c t i o n s a m p l e s w a s u n d e r5%a n d t h i s p r e d i c t i o nm o d e l w a s r e l i a b l e a n d p r a c t i c a b l e.

K e y w o r d s:n e a r i n f r a r e d s p e c t r u m;p r i n c i p a l c o m p o n e n t a n a l y s i s;B P n e u r a l n e t w o r k;a p p l e

·

203

·

2009年4月              农机化研究                第4期

。

猜你喜欢

最安全有效的减肥药

最安全有效的减肥药

编辑:小徐

现在的减肥药真的是真假难分,在选择减肥药的同时也应该更加小心,减肥药多种多样,那么如何才能选择最安全有效的减肥药,也成了很多小仙女的内心疑问,下面就跟着一级特黄色大Aa片小编一起看一下,如何选择最安全有效的减肥药。 最安全有效的减肥药选购方法 1、首先需要观察产品的外包装,在包装中可以看到其配方是不是含有激素,含有激素的减肥药对身体的内..

吃减肥药失眠

吃减肥药失眠

编辑:小徐

随着现在流行以瘦为美,很多人会不顾身体的健康选择减肥药,达到快速减肥瘦身的效果,但是很多减肥药都是有副作用的,副作用比较轻的就是失眠现象,那么吃减肥药出现失眠是怎么回事儿?如果出现失眠后,我们应该怎样缓解? 吃减肥药失眠是怎么回事 减肥药中富含安非他命,所以减肥药服用了太多会有失眠现象,服用减肥药期间,身体会逐渐出现抗药性,身..

最新文章