基于高光谱成像的酿酒葡萄成熟期果皮花色苷变化快速检测方法研究

Rapid and accurate detection of anthocyanin's content and element of wine grape's skin during ripening is important to determine the ripening degree and select the best picking time. To overcome the defection of current chemical detection method with long time, high cost and pollution, this project aims at rapid detection of anthocyanin content and composition based on near infrared hyperspectral imaging technology and multivariate statistics analysis. The research will use the method of multivariate statistical analysis and focus on three aspects, which are dimensionality reduction method of hyperspectral data, prediction model of skin anthocyanin content of bunch at different location and orientation and skin anthocyanin element during ripening of wine grape. The research achievement of this project will provide new detection method for anthocyanin changes and extract feature bands for rapid detection device of anthocyanin content, and it will helpful for getting stable material for wine production.

快速准确地检测酿酒葡萄成熟期花色苷含量和成分的动态变化，对于确定酿酒葡萄的成熟度，选择最佳采收期有着重要的指导意义。为了克服当前化学检测方法存在周期长、成本高和污染环境的缺陷，并针对现有光谱研究难以全面反映成熟期间花色苷变化的状况，本项目拟基于近红外高光谱成像技术检测成熟期果皮中的花色苷含量和成分变化，采用多元统计分析等模式识别方法，从三个方面开展研究：酿酒葡萄成熟期果皮高光谱数据降维；酿酒葡萄成熟期不同位置及朝向果穗的花色苷含量变化预测模型；酿酒葡萄成熟期花色苷组成变化检测模型。本项目的研究成果将为酿酒葡萄成熟期果实的花色苷含量及其成分变化的快速无损检测提供新的理论和方法支持，为开发酿酒葡萄花色苷快速检测仪器提供特征波段，有助于葡萄酒生产中提取稳定的化学和生物活性原材料。

检测酿酒葡萄成熟期花色苷等酚类含量和成分的动态变化，对于确定酿酒葡萄的成熟度，选择最佳采收期有重要的指导意义。本项目基于900~1700 nm近红外高光谱成像技术检测成熟期的花色苷等酚类物质含量变化，采用多元统计分析等模式识别方法，建立花色苷、单宁和总酚等酚类物质预测模型，为这些物质含量快速无损检测提供方法支持。.主要成果、关键数据及科学意义包括：.(1)基于高光谱成像技术的酿酒葡萄花色苷含量预测.采集成熟期6个品种共75组酿酒葡萄样本的高光谱图像，将化学方法测量结果作为参考值，采用支持向量回归建立花色苷含量预测模型。结果表明，SPA-SVR 模型的预测决定系数为 0.8691。因此，将近红外高光谱成像技术应用于酿酒葡萄果皮花色苷含量的快速无损检测具有可行性。.(2)基于高光谱成像技术的酿酒葡萄酚类物质预测.利用化学方法检测5种酿酒葡萄的葡萄皮中单宁、总酚、花色苷含量和葡萄籽中单宁、总酚含量，采集其高光谱图像并进行分析。研究表明，葡萄皮单宁、总酚、花色苷含量SVR模型决定系数分别为0.8960，0.9065和0.8789。葡萄籽中单宁含量PLSR模型决定系数为0.9118；总酚含量SVR模型决定系数为0.8790。因此，高光谱数据与酿酒葡萄酚类物质含量相关性强，可为选择最优葡萄采摘时期提供一定理论依据。.(3)基于高光谱成像技术的酿酒葡萄品种鉴别研究.采集6种白葡萄和6种红葡萄近红外高光谱，采用支持向量机、随机森林和AdaBoost三种方法进行品种分类。结果表明，多元散射校正+Lasso+SVM建立的模型对12个葡萄品种的分类效果验证集准确率达90%。因此，高光谱成像技术在葡萄酒品种的无损快速鉴别方面具有较好潜力。.(4)粘连酿酒葡萄高光谱图像籽粒的分割.利用高光谱成像技术对葡萄籽粒进行无损检测时，需要制作掩膜以获取葡萄籽粒目标区域的光谱数据。由于葡萄籽粒大小不一，颜色各异，粘连堆叠等原因，拍摄的图像存在目标相互粘连。基于图像处理技术分割连接籽粒，以提取单个葡萄籽粒的光谱数据，提高光谱分析的可靠性。