Vis-NIR高光谱技术测番茄SSC:多参数补偿模型应用

0 下载量 43 浏览量 更新于2024-08-26 收藏 2.06MB PDF 举报
"这篇研究论文探讨了通过应用可见光到近红外(Vis-NIR)高光谱透射成像技术和多参数补偿模型来定量评估加工番茄(Lycopersicon esculentum Mill.)中的可溶性固形物含量(SSC)。" 文章详细介绍了在果蔬加工领域中,尤其是对番茄制品,SSC是一个极其关键的质量评价指标,它直接影响到加工番茄产品的品质和成本,比如番茄酱。传统的SSC测量方法通常依赖于实验室的化学分析,这些方法费时且可能破坏样品。因此,寻找快速、无损且准确的SSC测量技术至关重要。 该研究提出了一种新的分析方法,利用Vis-NIR高光谱透射成像技术,该技术可以获取物体内部的光谱信息,通过对光谱数据的处理和分析,可以揭示番茄中SSC的分布情况。高光谱成像技术结合了空间和光谱信息,使得对样品的非接触、无损检测成为可能。 此外,为了提高测量的准确性,研究还引入了多参数补偿模型。这种模型能够校正环境因素(如光照变化、温度影响等)和样本自身特性(如成熟度、颜色差异等)对SSC测量结果的影响。通过多参数补偿,可以更精确地估计出番茄的SSC含量,从而改善预测性能。 实验结果显示,结合Vis-NIR高光谱透射成像和多参数补偿模型的方法在SSC的定量评估中表现出良好的潜力,为加工番茄的在线质量控制提供了新的可能性。这种方法不仅适用于生产线上实时监控产品质量,还有助于优化加工过程,降低生产成本,提高产品一致性。 研究进一步指出,尽管取得了积极的结果,但还需要更多的实验数据来验证和优化模型的普适性。未来的研究可能包括不同品种、不同成熟阶段的番茄,以及在各种环境条件下测试模型的稳定性。 国家自然科学基金资助了这项研究,编号为61565016,表明了对这一领域的重视和支持。研究者期待这种新技术能被广泛应用于食品工业,推动番茄加工行业的技术创新和质量提升。