探索了近紅外光譜技術(shù)對W·默科特果實(shí)內(nèi)在多項(xiàng)品質(zhì)指標(biāo)進(jìn)行快速、無損檢測的可行性.采集1 000～2 500 nm波段的W·默科特果實(shí)的近紅外光譜,分別采用間隔偏最小二乘法(iPLS)、競爭性自適應(yīng)重加權(quán)算法(CARS)和間隔偏最小二乘法結(jié)合連續(xù)投影算法(iPLS-SPA)3種特征波長篩選方法對全波段進(jìn)行特征波長篩選,利用全波段及3種特征波長篩選方法得到的特征波段對應(yīng)光譜信息建立了果實(shí)可溶性固形物(TSS)、可滴定酸(TA)和維生素C(V_C)含量的最小二乘支持向量機(jī)回歸(LS-SVR)預(yù)測模型和偏最小二乘回歸(PLSR)預(yù)測模型.結(jié)果顯示,采用CARS篩選的特征波長所對應(yīng)光譜信息建立的LS-SVR預(yù)測模型精度最高,模型對TSS和TA和V_C含量的預(yù)測集相關(guān)系數(shù)分別達(dá)到0.91,0.85和0.91,且模型對應(yīng)的預(yù)測集均方根誤差(RMSEP)分別為0.26,0.03和0.25.說明采用近紅外光譜技術(shù)結(jié)合CARS和LS-SVR可實(shí)現(xiàn)對W·默科特果實(shí)TSS和TA和V_C含量的同時(shí)檢測.

【文章頁數(shù)】：7 頁

【文章目錄】：
1 材料與方法
    1.1 實(shí)驗(yàn)材料
    1.2 光譜數(shù)據(jù)采集
    1.3 內(nèi)在品質(zhì)檢測
    1.4 數(shù)據(jù)處理
2 結(jié)果與分析
    2.1 果實(shí)TSS,TA和VC含量
    2.2 果實(shí)光譜反射值曲線
    2.3 特征波長提取
    2.4 模型的建立
3 討 論
4 結(jié) 論



本文編號：3786846