[实用新型]便携式猕猴桃糖度无损检测装置

说明书

技术领域

本实用新型涉及农产品光谱无损检测领域，尤其涉及一种猕猴桃糖度无损检测装置。

背景技术

猕猴桃果实细腻多汁，营养丰富，深受人们喜爱。我国猕猴桃种植面积世界第一。糖度是猕猴桃重要的内部品质指标，不仅是消费者挑选猕猴桃的重要依据，还是果实生长监测及产后分级的主要依据。传统的猕猴桃糖度测量使用糖度计测量，测量时先将猕猴桃样品榨汁，然后将其滴入糖度计中检测，检测会损伤猕猴桃，因此能够无损检测猕猴桃糖度的装置成为迫切需要。

利用可见/近红外光谱预测猕猴桃糖度的方法具有方便、快速、无损、成本低廉、环境友好的特点。猕猴桃在成熟过程中，有机分子含量会随着成熟度变化而变化，果肉及果皮颜色也会随着成熟度而发生变化，通过扫描其可见光谱，可以得到包含猕猴桃果肉及果皮颜色特征信息的光谱数据。近红外光谱区与有机分子中含氢基团振动的合频和各级倍频的吸收区一致，这些含氢基团吸收频率特征性强，受分子内外环境的影响小，在近红外谱区比中红外谱区的样品光谱特性更稳定。通过扫描近红外光谱，可以得到包含猕猴桃糖度特征信息的光谱数据。利用猕猴桃样品的可见/近红外光谱数据和糖度数据，通过数学建模算法，建立数学模型，即可实现猕猴桃糖度的预测。

“猕猴桃近红外光谱无损检测技术研究”（陈香维；西北农林科技大学博士研究生论文）一文中指出：“采用12000～4000cm^-1的近红外光谱对不同产地、不同果园、不同储藏期、不同成熟度猕猴桃的可溶性固形物含量的检测是可行的。”糖度中85%左右的成分是可溶性固形物，因此常以可溶性固形物含量反映糖度。该文章还指出：“在11991.6～5446.2cm^-1光谱范围内，近红外漫反射光谱与猕猴桃糖度含量之间呈显著的线性相关”。该文章也详细地说明了利用猕猴桃近红外光谱数据及糖度数据，建立猕猴桃糖度预测模型的详细过程。文中基于偏最小二乘法（PLS）建立的猕猴桃糖度预测模型，决定系数R²为93.65，预测集均方根误差RMSEP为0.656；文中基于误差反向传播学习算法（BP）建立的人工神经网络模型，决定系数R²为89.8273，预测集均方根误差RMSEP为0.3256。

“基于近红外光谱的猕猴桃糖度无损检测方法的研究”（宋思哲；西北农林科技大学硕士研究生论文）一文中指出：“赤道糖度与猕猴桃总糖度的相关性R²为0.972，果柄糖度与猕猴桃总糖度相关性R²为0.945，果萼糖度与猕猴桃总体糖度的相关性R²为0.958，最终选取赤道为进行近红外无损检测猕猴桃糖度的测试部位。”文中详细说明了利用偏最小二乘法（PLS）、支持向量机（SVM）和最小二乘支持向量机（LSSVM）三种数学建模方法，配合Savitzky-Golay平滑方法（SG）和标准正态量变换（SNV）两种预处理方法以及无信息变量消除法（UVE）和连续投影算法（SPA）两种特征波长提取算法建立猕猴桃糖度预测模型的详细过程。

“Vis/NIR spectroscopy and chemometrics for the prediction of soluble solids content and acidity (pH) of kiwifruit”（Ali Moghimi等，Biosystems Engineering）一文中指出：利用可见/近红外光谱预测猕猴桃内部品质参数是可行的，例如可溶性固形物含量及pH含量；由于可见/近红外光谱检测技术具有检测时间短、成本低的特点，利用该技术开发水果内部品质特征无损检测设备是可行的；文中还指出：利用主成分分析法（PCA）和偏最小二乘法（PLS）建立的猕猴桃可溶性固形物预测模型的相关系数为0.93，预测集均方根误差RMSEP为0.259。