一种基于近红外光谱检测无花果品质的方法技术

本发明专利技术涉及农产品检测技术领域，具体地涉及一种基于近红外光谱检测无花果品质的方法；随机森林回归算法是以决策树为基学习器的集成学习算法，使用Bagging集成学习技术训练出CART决策树并组成森林，森林中每一课决策树没有关联(FIG1)通过多棵决策树输出结果的平均值作为回归结果(FIG2)，克服了过拟合这一问题，使得整体模型具有较高的精确度和泛化性能；较低的RMSEC和RMSEP表明，本发明专利技术将随机森林算法用于青皮无花果的内部品质预测，通过实验并且取得较好的效果，通过本文的大量实验数据证明，随机森林算法具有比偏最小二乘法更强的拟合能力，且不易过拟合。

A method to detect the quality of figs based on near infrared spectroscopy

【技术实现步骤摘要】
一种基于近红外光谱检测无花果品质的方法
本专利技术涉及农产品检测
，具体地涉及一种基于近红外光谱检测无花果品质的方法。
技术介绍
青皮无花果作为人类最早改良栽培的果树树种之一，植株总体利用价值高。无花果果实色泽圆润，鲜艳多汁，口感不错，且营养价值较高，我国近20年人工栽培规模持续扩大。随着消费者生活水平的日益提高，对于水果的品质要求也同步增长，水果的质构越来越受到广大消费者的关注，如硬度，弹性，咀嚼性，粘附性，弹性，凝聚力，粘性等。大多数传统的质构仪器测量内部质构属性需要破坏样本，测量效率低，操作复杂。由于青皮无花果果实不易保存，易腐烂，并且储藏和运输困难，所以很多时候得不到鲜果进行实验测量。一种高效、操作简单且无损检测的方法是市场对质量要求日益增长的需求，近红外光谱技术是近几年来应用在很多领域的快速无损检测方法，同时食品工业领域也已经扩展到，广泛用于各种食品的内部属性测定，在水果蔬菜，如苹果、梨中糖的分析，以及啤酒生产中在线监测发酵过程中的酒精及糖分。该技术弥补了传统质构仪的缺点，具有检测速度快，无损伤，操作简单等优点，在测量无本文档来自技高网...

【技术保护点】
1.一种基于近红外光谱检测无花果品质的方法，其特征在于，包括：/n(1)样品选择：选取无腐烂或瘀伤的无花果，洗净备用；/n(2)光谱采集：通过近红外光谱仪扫描样品获得其近红外谱图，仪器的工作参数为：测量系统采用漫反射模式，光谱范围为800-1700nm，每个光谱共有512个数据点，对每个无花果样品扫描1000次取平均光谱，对每个样品无花果选取五个不同位置扫描，获得5个平均光谱；/n(3)对收集的近红外光谱进行光谱预处理；/n(4)质构测量：分别测定无花果样品的品质指标，包括硬度、弹性、咀嚼性、粘附性、弹性、凝聚力、粘性；/n(5)模型建立：将步骤(3)预处理后的近红外光谱与步骤(4)中对应的品...

【技术特征摘要】
1.一种基于近红外光谱检测无花果品质的方法，其特征在于，包括：
(1)样品选择：选取无腐烂或瘀伤的无花果，洗净备用；
(2)光谱采集：通过近红外光谱仪扫描样品获得其近红外谱图，仪器的工作参数为：测量系统采用漫反射模式，光谱范围为800-1700nm，每个光谱共有512个数据点，对每个无花果样品扫描1000次取平均光谱，对每个样品无花果选取五个不同位置扫描，获得5个平均光谱；
(3)对收集的近红外光谱进行光谱预处理；
(4)质构测量：分别测定无花果样品的品质指标，包括硬度、弹性、咀嚼性、粘附性、弹性、凝聚力、粘性；
(5)模型建立：将步骤(3)预处理后的近红外光谱与步骤(4)中对应的品质指标进行关联；采用随机森林算法，建立对无花果的品质参数测定的预测模型；
(6)输出预测结果：将近红外光谱代入步骤(5)的预测模型，输出待检测无花果的预测结果。


2.根据权利要求1所述的基于近红外光谱检测无花果品质的方法，其特征在于：所述步骤(1)采用SPXY训练集样本的选取方法选择无花果样本。


3.根据权利要求1所述的基于近红外光谱检测无花果品质的方法，其特征在于：所述步骤(3)光谱预处理包括采用二阶微分处理，扣除原始光谱的基线漂移，提高分析精度，采用标准正态变量变换消除样品不均匀带来的差异、采用诺里斯平滑波平滑去噪；采用多元散射校正消除颗粒散射引起的光谱误差。


4.根据权利要求1所述的基于近红外光谱检测无花果品质的方法，其特征在于：所述步骤(4)无花果样品的品质指标采用质构仪测定；选用无花果果进行测试，每个果实测试5次；采用p100探头，前测速...

【专利技术属性】
技术研发人员：韩燕苓，孙锐，余多，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东;37