基于低场磁共振成像近红外光谱协同的果蔬品质劣变检测方法（征求意见稿）.docx

3

T/XXXXXXXXX—XXXX

基于低场磁共振成像/近红外光谱协同的果蔬品质劣变检测方法

1范围

本文件规定了基于低场磁共振成像/近红外光谱协同的果蔬品质劣变检测方法的术语和定义、原理、样品制备、仪器设备、测定步骤。

本文件适用于新鲜果蔬由于萎蔫导致的品质劣变的检测。

2规范性引用文件

下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中,注日期的引用文件,仅该日期附应的版本适用于本文件；不注日期的引用文件,其必威体育精装版版本(包括所有的修改单)适用于本文件。

GB/T8322分子吸收光谱法术语GB/T30763农产品质量分级导则

GB/T37969近红外光谱定性分析通则

GB/T43688磁共振成像/波谱仪质量控制方法NY/T2103蔬菜抽样技术规范

NY/T5344.4无公害食品产品抽样规范第4部分：水果

3术语和定义

GB/T8322，GB/T37969和GB/T43688界定的以及下列术语和定义适用于本文件。3.1

低场磁共振成像仪low-fieldmagneticresonanceimaging;LFMRI

外加磁场的磁场强度在0.2-1特斯拉（T）范围内的一种磁共振成像仪。3.2

近红外光谱near-infraredspectroscopy

利用近红外光对有机分子中含氢基团振动的合频和各级倍频的吸收，用探测器检测并经过处理转换后显示出的近红外吸收光谱。

3.3

萎蔫shriveling

采后的果蔬由于自身水分蒸发、蒸腾作用和呼吸作用导致的水分、营养组分的流失或消耗，导致果蔬重量减轻，以及果蔬表面或内部发生结构变化的一种品质劣变现象。

4原理

以低场磁共振成像产生的氢质子密度图像和近红外吸收的光谱为数据，并使用有监督的模式识别方法建立定性分析模型，实现对果蔬品质劣变的检测。

4

T/XXXXXXXXX—XXXX

5样品制备

5.1取样

按照NY/T5344.4对水果进行取样，按照NY/T2103对蔬菜进行取样。

5.2样品处理

如样品体积过大，应进行裁切，使其处于低场磁共振成像设备规定的样品尺寸范围内，并用滤纸吸取样品表面水分。

6仪器设备

6.1MesoMR23-030V-I型核磁共振成像分析仪，配有30mm直径线圈。

6.2IAS-PATSE型近红外在线分析仪，光谱范围是900-1700nm。

6.3光纤：采用漫反射光纤探头，靠近磁体的光纤包层和护套应由无磁性的材料制作。

6.4光纤探头穿过低场磁共振成像线圈铜带的间隙，应直接对样品进行近红外吸收光谱的采集。

6.5低场磁共振成像和近红外光谱联用系统（见图1），具备：

图1低场磁共振成像和近红外光谱联用硬件系统框图

7测定步骤

7.1低场磁共振成像图像测定

将预处理好的果蔬样品放入样品腔中，采用低场磁共振成像仪测定样品的T1/T2/质子密度加权图像。测定参数设置：

选择自旋回波（SE）序列，重复时间TR=500ms，回波时间TE=20ms，重复采集次数Averages=2，前置放大增益PRG=HIGH，切片层数Slices=6，切片厚度SliceWidth=3.0mm，进行轴位Axial成像。

7.2近红外光谱测定

5

T/XXXXXXXXX—XXXX

在进行低场磁共振成像图像测定的过程中，采用近红外光谱仪测定样品的近红外光谱。测定参数设置：

积分时间=5ms,平均次数=30，子样数=1。

7.3果蔬品质劣变等级分级

参考GB/T30763原则，按照公式（1）计算果蔬失重率，失重率在0-5%（含）之间标记为新鲜等级，失重率在5-10%（含）之间标记为次新鲜等级，失重率在10%以上的标记为萎蔫等级。

×100……（1）

式中：

X——果蔬失重率，%；

m1——新鲜果蔬取样后，立即称量果蔬的质量，单位为克（g）;m2——放置一定时间后，称量果蔬的质量，单位为克（g）;

7.4建立模型

以低场磁共振成像图像和对应果蔬品质劣变等级为数据集，分为训练集和验证集，输入残差网络ResNet等深度学习模型中进行训练，建立图像分类模型。

以近红外光谱和对应的果蔬品质劣变等级为数据集，分为训练集和验证集，输入线性判别分析LDA等机器学习模型中进行训练，建立光谱定性分类模型。

采用贝叶斯推理、投票系统、多模型融合等方法对图像分类模型和光谱定性分类模型进行高层融合，建立多模型决策级融合系统，实现对果蔬品质劣变等级的最终预测。

7.5测定结果

将预处理好的待测样品放入低场磁共振成像