<menuitem id="ntxx3"></menuitem><menuitem id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></menuitem><var id="ntxx3"><dl id="ntxx3"></dl></var><menuitem id="ntxx3"></menuitem>
<var id="ntxx3"><ruby id="ntxx3"></ruby></var>
<var id="ntxx3"><dl id="ntxx3"><address id="ntxx3"></address></dl></var>
<thead id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></thead>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem>
<menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem><menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem>
<menuitem id="ntxx3"><i id="ntxx3"></i></menuitem><thead id="ntxx3"><del id="ntxx3"><span id="ntxx3"></span></del></thead><menuitem id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></menuitem>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"><dl id="ntxx3"></dl></menuitem>
<var id="ntxx3"></var>
<menuitem id="ntxx3"></menuitem><thead id="ntxx3"><i id="ntxx3"></i></thead>
  • 技術(shù)文章ARTICLE

    您當(dāng)前的位置:首頁(yè) > 技術(shù)文章 > 高光譜成像在咖啡豆、可可豆、小麥品質(zhì)檢測(cè)方面的應(yīng)用

    高光譜成像在咖啡豆、可可豆、小麥品質(zhì)檢測(cè)方面的應(yīng)用

    發(fā)布時(shí)間: 2019-01-28  點(diǎn)擊次數(shù): 3486次

        作物成分的分析和檢測(cè)通常采用化學(xué)方法,使用液相色譜(HPLC)或者分光光度法測(cè)量提取物。但是化學(xué)方法檢測(cè)需要研磨,具有破壞性,提取和分析所需的大量時(shí)間對(duì)于工業(yè)環(huán)境來(lái)說(shuō)是不切實(shí)際的。

        高光譜成像(HSI)是食品科學(xué)領(lǐng)域中新技術(shù)。它可以快速,非破壞性和非接觸方式分析單個(gè)谷物或豆類樣品,并提供以高通量掃描樣品的可能性,同時(shí)可視化空間分布。

        英國(guó)的諾丁漢大學(xué)Nicola Caporasoa等研究人員利用Specim高光譜分別對(duì)咖啡豆的蔗糖、caffeine、脂質(zhì)等;可可豆的多酚含量等;小麥籽粒蛋白質(zhì)含量進(jìn)行無(wú)損品質(zhì)檢測(cè),4篇文章分別發(fā)表在2018年的《Food Research International》(IF:3.520)、《Journal of Food Engineering》(IF:3.197)、《Food Chemistry》(IF:4.946)。

    1 高光譜成像對(duì)綠咖啡豆的蔗糖、caffeine和葫蘆巴堿無(wú)損檢測(cè)

        咖啡是世界上非常受歡迎的飲料之一,其綠咖啡豆化合物(包括蔗糖和生物堿)的水平直接影響咖啡的質(zhì)量??Х榷怪械乃岷蜕飰A會(huì)影響咖啡的風(fēng)味。樣本來(lái)自巴西,埃塞俄比亞,墨西哥13個(gè)國(guó)家。對(duì)27個(gè)批次進(jìn)行取樣,其中60%經(jīng)過(guò)濕處理,剩余的40%干燥處理。從每個(gè)批次中隨機(jī)取樣10個(gè)單豆用于實(shí)驗(yàn),利用Specim高光譜在980-2500 nm光譜范圍內(nèi)進(jìn)行成像。

     

        圖1:在Robusta和Arabica批次,在像素的綠咖啡豆中(a)蔗糖,(b)caffeine和(c)葫蘆巴堿,數(shù)字表示每種化合物的濃度,mg /g。粗體數(shù)字表示預(yù)測(cè)化合物濃度,然后是每種咖啡豆的參考測(cè)量值。

        參考文獻(xiàn):Nicola Caporaso, et al. Non-destructive analysis of sucrose, caffeine and trigonelline on single green coffee beans by hyperspectral imaging, Food Research International, 2018, 106: 193- 203.

    2 高光譜成像快速預(yù)測(cè)綠咖啡豆的水分和脂質(zhì)含量

        綠咖啡豆水分會(huì)影響咖啡豆的保質(zhì)期,脂質(zhì)會(huì)影響咖啡沖泡的健康和感官,來(lái)自哥倫比亞、印度、越南等,共27批綠咖啡豆用于實(shí)驗(yàn),從每批咖啡豆隨機(jī)選擇并單獨(dú)分析,利用Specim高光譜進(jìn)行成像檢測(cè)。

     

        圖2:咖啡豆的水分含量a)灰度圖像,顯示在一個(gè)光譜帶處從連續(xù)移動(dòng)臺(tái)獲得的反射率超立方體;b)重建圖像,顯示在單個(gè)像素級(jí)可視化的預(yù)測(cè)水分含量;c)預(yù)測(cè)咖啡豆另一面水分含量;d)批次細(xì)分為置于潮濕條件下的試樣(上部)在烘箱(下部)中部分干燥試樣。 數(shù)字表示平均預(yù)測(cè)水分,以%表示。

     

        圖3:在綠色咖啡豆中的總脂質(zhì)含量可視化的應(yīng)用:Arabica (上圖)和 Robusta(下圖)批次的示例。該圖的左半部分和右半部分顯示了放置在相對(duì)表面上的相同咖啡豆(圍繞y軸旋轉(zhuǎn)180°)。數(shù)字是預(yù)測(cè)平均脂質(zhì),根據(jù)每個(gè)bean的像素值計(jì)算含量,表示為%(dmb)。

        參考文獻(xiàn):Nicola Caporaso, et al. Rapid prediction of single green coffee bean moisture and lipid content by hyperspectral imaging. Journal of Food Engineering, 2018, 227: 18- 29.

    3 高光譜成像預(yù)測(cè)可可豆的發(fā)酵指數(shù),多酚含量和抗氧化活性

        可可是巧克力生產(chǎn)的關(guān)鍵成分。可可豆酚類化合物,抗氧化活性和發(fā)酵指數(shù)是可可品質(zhì)的重要參數(shù)。17個(gè)可可豆批次中隨機(jī)選擇,使用Specim高光譜成像系統(tǒng)在1000-2500nm的光譜范圍內(nèi)(HSI)定量預(yù)測(cè)個(gè)體的發(fā)酵指數(shù)(FI),總多酚(TP)和抗氧化活性(AA)。

     

        圖4:發(fā)酵指數(shù),總多酚含量和抗氧化活性。單個(gè)像素級(jí)別(左側(cè)的圖片),或平均預(yù)測(cè)值以獲得單豆值(右側(cè)的bean)。白色數(shù)字表示每個(gè)可可豆的預(yù)測(cè)平均值,黑色表示參考測(cè)量值。發(fā)酵指數(shù)值是無(wú)量綱的,總多酚表示為mg ferulic acid equivalent/ g cocoa,而抗氧化活性表示為mmol Trolox equivalent/ kg cocoa。

        參考文獻(xiàn):Nicola Caporaso, et al. Hyperspectral imaging for non-destructive prediction of fermentation index, polyphenol content and antioxidant activity in single cocoa beans. Food Chemistry, 2018, 258: 343- 351.

    4 高光譜成像預(yù)測(cè)小麥籽粒蛋白質(zhì)含量

        小麥品質(zhì)中,蛋白質(zhì)含量是非常重要的參數(shù)。它會(huì)影響烘焙產(chǎn)品的質(zhì)量,尤其是麩質(zhì)面包的生產(chǎn)。蛋白質(zhì)含量對(duì)終價(jià)格產(chǎn)生重大影響,許多國(guó)家都以蛋白質(zhì)含量作為定義小麥價(jià)格的關(guān)鍵標(biāo)準(zhǔn)。

        樣品主要來(lái)自英國(guó)各供應(yīng)商,還包括加拿大,法國(guó),意大利,德國(guó)和東歐小麥。不同品種,不同環(huán)境和不同農(nóng)藝條件的小麥,總共約190個(gè)小麥樣品用于本實(shí)驗(yàn),使用Specim高光譜進(jìn)行成像檢測(cè)。

     

        圖5:a)單像素級(jí)應(yīng)用,顯示背側(cè)(左:平均值:12.7%)和腹側(cè)(右:平均值:13.5%)相同籽粒的兩面。批次的參考蛋白質(zhì)測(cè)量:13.1%b)通過(guò)平均每個(gè)籽粒的光譜,左:低蛋白質(zhì)樣本,參考蛋白質(zhì)含量= 10.2%; 預(yù)測(cè)值= 9.7%。右:高蛋白質(zhì)樣本,參考蛋白含量= 15.1%,預(yù)測(cè)值= 14.6%。黑色文字:預(yù)測(cè)值;白色文本:參考值(%)。

        參考文獻(xiàn):Nicola Caporaso, et al. Protein content prediction in single wheat kernels using hyperspectral imaging. Food Chemistry, 2018, 240: 32- 42.

    北京易科泰生態(tài)技術(shù)公司為您提供光譜成像技術(shù)全面解決方案:

    IQ手持式智能高光譜成像儀

    EcoDrone無(wú)人機(jī)遙感技術(shù)方案

    Specim推掃式高光譜成像技術(shù)方案

    紅外熱成像(MWIR/LWIR)技術(shù)方案

    EcoLab光譜成像實(shí)驗(yàn)室提供檢測(cè)分析與合作研究服務(wù)

<menuitem id="ntxx3"></menuitem><menuitem id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></menuitem><var id="ntxx3"><dl id="ntxx3"></dl></var><menuitem id="ntxx3"></menuitem>
<var id="ntxx3"><ruby id="ntxx3"></ruby></var>
<var id="ntxx3"><dl id="ntxx3"><address id="ntxx3"></address></dl></var>
<thead id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></thead>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem>
<menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem><menuitem id="ntxx3"><ruby id="ntxx3"></ruby></menuitem>
<menuitem id="ntxx3"><i id="ntxx3"></i></menuitem><thead id="ntxx3"><del id="ntxx3"><span id="ntxx3"></span></del></thead><menuitem id="ntxx3"><ruby id="ntxx3"><th id="ntxx3"></th></ruby></menuitem>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"></menuitem>
<menuitem id="ntxx3"><dl id="ntxx3"></dl></menuitem>
<var id="ntxx3"></var>
<menuitem id="ntxx3"></menuitem><thead id="ntxx3"><i id="ntxx3"></i></thead>
湖北省| 沁阳市| 宿迁市| 钟山县| 共和县| 图们市| 凤冈县| 大安市| 建瓯市| 时尚| 长垣县| 卓资县| 宜丰县| 锡林郭勒盟| 余干县| 广汉市| 吉林市| 莆田市| 绍兴县| 泽州县| 大姚县| 平舆县| 钟山县| 西青区| 九龙坡区| 朝阳县| 信丰县| 阿巴嘎旗| 长丰县| 兴安盟| 阿尔山市| 揭阳市| 九龙县| 海盐县| 凯里市| 奉贤区| 双城市| 瓦房店市| 黄浦区| 郑州市| 赣榆县| http://444 http://444 http://444 http://444 http://444 http://444