文献类型： 中文期刊

作者： 刘燕德 ¹ ; 黎丽莎 ¹ ; 李斌 ¹ ; 宋烨 ² ; 朱向荣 ³ ; 姜延泉 ⁴ ;

作者机构： 1.华东交通大学机电与车辆工程学院

2.中华全国供销合作总社济南果品研究院

3.湖南省农产品加工研究所

4.齐鲁泉源供应链有限公司

关键词： 苹果;近红外光谱;无损检测;通用模型;模型更新;波段筛选;自适应重加权;连续投影算法;无信息变量消除

期刊名称： 华中农业大学学报

ISSN： 1000-2421

年卷期： 2022 年 41 卷 002 期

页码： 237-244

收录情况： 北大核心 ; CSCD

摘要： 苹果可溶性固形物含量(soluble solid content,SSC)是影响果实质量的重要因素,利用近红外光谱(NIR)技术则可以实现对苹果SSC的无损检测.为获得稳健的多品种苹果无损检测通用模型,本研究将模型更新方法与变量筛选方法相结合,对红富士(Red Fuji)、青苹果(Green apple)、黄元帅(Golden Delicious)、红玫瑰(Rose)和乐淇(Lokit)等5个品种苹果的SSC进行无损检测.结果表明,更新后的新模型可以实现对5个品种苹果的SSC的高精度预测,此时模型预测均方根误差(RMSEP)为0.698%,预测相关系数(Rp)为0.904,预测偏差为0.074%,范围误差比(RPD)可达2.340.为识别和提取光谱的重要信息波段,还采用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和无信息变量消除算法(UVE)3种波段筛选方法优化模型.结果表明,CARS更能有效地选取出有效变量,建立的模型对新品种苹果的预测性能有明显改善,RMSEP为0.587%,Rp为0.928,预测偏差减少到?0.052%,RPD=2.684.