论文部分内容阅读
大米在运输、销售等过程中,随着时间延长或者环境因素的改变,其质量会发生劣变,导致营养品质下降、食用质量降低甚至产生会毒素。目前,应用于大米陈化度的检测方法操作费时且繁琐,检测结果的准确度和稳定性也不高。因此,有必要建立一套快速、准确的大米储藏质量评定方法以及相应的检测设备。本研究根据不同储藏期大米挥发性气体的变化情况,构建了敏感度高、专一性强的色敏传感器。利用高光谱技术提取出传感器信息后,分别基于光谱信息、图像信息以及两者的融合信息对不同陈化度的大米进行分类建模,根据分类结果选择适合的信息表达方式,并在此基础上开发一套大米陈化度检测装置。本文主要研究内容为:1.大米储藏过程中特征气体的筛选分析及色敏传感器反应条件的优化。使用顶空固相微萃取与气相色谱和质谱联用(SPME-GC-MS)技术对不同储藏时间的大米挥发性气体进行检测,共检测出83种挥发性有机物质。比较分析不同储藏时间下的大米挥发性气体变化规律,发现正己醛的含量与储藏时间呈现良好的相关性。因此,本研究将正己醛作为表征大米陈化度的特征气体,在此基础上挑选了3种氟硼吡咯类色敏材料,制作了以特征气体为主要检测对象并可交互检测其它大米挥发气体的色敏传感器阵列。此外,对色敏传感器的两种反应方式进行了比较优化,最终确定使用自由发挥的反应方式在温度为55℃的条件下反应8min为最佳反应条件。2.基于色敏传感-高光谱分析技术对不同储藏时间大米的检测与分析。色敏传感器与不同储藏时间大米的挥发气体反应后,使用高光谱技术从图像信息和光谱信息上分别对色敏传感器的信息变化进行表征。实验所用大米储藏时间为0、1、2、4、6和10个月,分别用高光谱采集其图像和光谱特征。首先,使用区间联合算法(Si-PLS)筛选反应后光谱数据最佳区间,随后分别应用遗传算法(GA)、蚁群算法(ACO)和正自适应加权算法(CARS)选择最佳波长,利用K邻近算法(KNN)和线性判别(LDA)对筛选后的光谱变量进行模式识别,确定GA-Si-PLS筛选的光谱数据分类效果最佳,并以此选出5个特征图像用于提取图像数据。最后,比较光谱数据、图像数据以及两者的融合数据集构建的模型性能,发现使用GA-Si-PLS提取光谱数据变量后,当主成分数为10时,建立的LDA预测模型对大米储藏期的正确识别率最高,可达92.73%。因此,使用光谱信息用于色敏传感器颜色信息表达时分类效果最佳。3.基于色敏传感-近红外光谱分析的大米储藏时间检测系统研发。基于上一章研究结果,研制了色敏传感-近红外光谱分析的检测系统,以快速、无损检测大米储藏时间。检测系统的硬件设计按照功能分为光谱采集与处理模块、反应流程控制模块、反应进度显示模块、电源模块以及单片机最小电路。检测系统的软件设计包括单片机嵌入式开发、人机交互界面(HMI)界面编写和Windows桌面应用程序设计。检测系统制作完成后,对不同的储藏时间大米(0、1、2、4和6个月)进行检测,分别提取反应后色敏传感器的光谱数据后,进行分类建模。实验结果表明使用无信息变量消除法结合区间联合算法(UVE-Si-PLS)所提取的光谱变量经LDA算法建模后预测模型的识别率最高。当主成分数为9时,训练集的正确识别率为98.00%,预测集的正确识别率为96.00%。结果表明,所提出的色敏传感器结合光谱技术适用于大米贮藏时间的鉴定。