摘要：啤酒新鲜度是市场消费者非常关注的品质指标,也是各大啤酒公司的核心竞争力。传统啤酒新鲜度检测方法一般需要十分昂贵的分析仪器和化学试剂,消耗大量时间,检测成本较高。随着啤酒的老化,啤酒中的成分物质亦将发生变化,其对应的光谱特征也将发生改变。利用光谱分析技术,挖掘表征啤酒老化的光谱特征,构建啤酒新鲜度指数(BFI),可实现啤酒新鲜度的快速、无损检测。将新鲜啤酒分三等份装入相同容器,其中2份为避光保存, 1份为光照下保存,用PSR-3500光谱仪对啤酒样品进行光谱采集,每隔24 h采集一次,共采集6次,获得不同新鲜程度啤酒的光谱数据。对采集的光谱数据进行特征波段选择、包络线去除等预处理,增强后的光谱显示842.0 nm处的波谷深度随放置时间的增长而变小,因此基于842.0 nm的波谷深度构建反应啤酒新鲜度的光谱特征指数(BFI)。实验结果表明, BFI值随放置时间的增长而逐渐下降,且避光保存的两组样品BFI值下降速率基本一致,而由于光照加速了啤酒中的老化反应,使得光照保存的样品BFI值下降速率较快,结果显示BFI能够较好指示啤酒的新鲜程度。此外,通过模拟不同光谱分辨率与信噪比水平,评价BFI对光谱检测设备性能的敏感性。具体地,利用高斯函数分布函数和平均分布函数分别生成光谱分辨率为5~40 nm的数据和信噪比为10~60 dB的数据,对其进行特征波段选择、包络线去除等预处理,计算BFI值并进行分析。实验显示,当光谱分辨率低于15 nm、信噪比低于10 dB时,样品842.0 nm的光谱吸收特征逐渐被掩盖, BFI将难以指示啤酒的新鲜程度。然而,只要在798~872 nm及附近波段光谱分辨率优于10 nm、信噪比不低于35 dB, BFI即可准确指示啤酒新鲜度, BFI对光谱仪的性能要求并不严苛。综上所述, BFI能够准确指示啤酒新鲜度,服务于便携式啤酒新鲜度光谱检测设备的设计与研发,促进光谱分析技术在啤酒品质无损检测及相关领域的应用推广。

摘要：传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播(back propagation,BP)神经网络模型,结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路。