论文部分内容阅读
梨是一种人们生活中常见的水果,含有丰富的维生素和纤维素,其品种和内部品质一直是消费者关心的重要问题。在梨的各项内部品质指标中,糖度是衡量梨内部品质的最重要指标。因此,梨品种和糖度的无损检测对满足消费者需求、提高我国水果经济价值和市场竞争力具有重要意义。可见/近红外光谱技术具有准确、可靠、快速、无损等优点,已被广泛应用于水果品种鉴别和内部品质检测。因此,本文以‘雪花梨’、‘河北香梨’和‘库尔勒香梨’为研究对象,开展了基于可见/近红外光谱技术的梨品种和糖度无损检测研究。主要研究内容如下:（1）基于便携式光谱仪搭建了可见/近红外光谱采集平台,分别采集了‘雪花梨’、‘河北香梨’和‘库尔勒香梨’的可见/近红外光谱,经过光谱数据预处理、样本划分、特征波段选择,最终建立梨的品种识别模型。基于主成分分析（PCA）和连续投影算法（SPA）建立的支持向量机（SVM）模型对测试集梨品种样本的识别准确率达到100%,与其他文献研究结果相当,说明使用可见/近红外光谱技术能够准确识别梨的品种。（2）基于可见/近红外光谱技术建立了单一品种梨的糖度预测模型。采集了‘雪花梨’、‘河北香梨’和‘库尔勒香梨’在480.04～949.43 nm的光谱,分别建立了3种梨的糖度预测模型。结果表明,3种梨糖度预测的最佳建模组合分别为竞争性自适应重加权算法-极端梯度提升树模型（CARS-XGBoost）和全波段光谱-偏最小二乘法（FS-PLS）。3种梨糖度模型的评价指标校正集的相关系数（Rc）、校正集的均方根误差（RMSEC）、测试集的相关系数（Rp）、测试集的均方根误差（RMSEP）和相对分析误差（RPD）依次分别为‘雪花梨’0.9873、0.1995、0.8931、0.4116和2.0919,‘河北香梨’0.9997、0.0156、0.9221、0.1941和2.3068,‘库尔勒香梨’1.0000、0.0103、0.9571、0.2969和3.3176,均能准确预测梨的糖度值。（3）基于可见/近红外光谱技术建立了多品种梨的糖度预测模型,并提出了一种基于品种鉴别策略的梨糖度预测方法。采集了‘雪花梨’、‘河北香梨’和‘库尔勒香梨’在480.04～949.43 nm的光谱,分别建立了混合品种和基于品种鉴别策略的多品种梨糖度预测模型。混合品种的梨糖度模型对多种梨糖度预测的最优建模组合为SPA-XGBoost,模型的评价指标Rc、RMSEC、Rp、RMSEP和RPD分别为0.9709、0.3254、0.9167、0.4529和2.4710;基于品种鉴别策略的多品种梨糖度预测模型总体性能优于多品种梨混合糖度模型,主要优势体现在对每一种梨都具有较高的预测精度。利用可见/近红外光谱技术能很好的对梨品种和单一品种梨糖度进行预测,结合品种鉴别策略能有效的检测出不同品种的梨的糖度值,实现对多品种梨糖度值的预测,该方法有很好的应用前景,为其他果品不同品种内部品质检测提供了理论依据。