探索了近紅外光譜技術對W·默科特果實內(nèi)在多項品質指標進行快速、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)、競爭性自適應重加權算法(CARS)和間隔偏最小二乘法結合連續(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光譜信息建立了果實可溶性固形物(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回歸(LS-SVR)預測模型和偏最小二乘回歸(PLSR)預測模型.結果顯示,采用CARS篩選的特征波長所對應光譜信息建立的LS-SVR預測模型精度最高,模型對TSS和TA和V_C含量的預測集相關系數(shù)分別達到0.91,0.85和0.91,且模型對應的預測集均方根誤差(RMSEP)分別為0.26,0.03和0.25.說明采用近紅外光譜技術結合CARS和LS-SVR可實現(xiàn)對W·默科特果實TSS和TA和V_C含量的同時檢測.

【文章頁數(shù)】：7 頁

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



本文編號：3786846