论文部分内容阅读
随着全球经济的快速发展和人民生活水平的普遍提高,番茄的内部品质、耐贮运品质以及优良的风味品质越发为消费者所重视。传统的水果品质检测方法耗费时间比较长且具有破坏性,从而难以应用于果品的批量化检测。光谱技术作为一种无损检测方法被广泛应用于果品检测,高光谱成像技术可同时探测目标的二维空间集合与一维光谱信息,结合图像和光谱特点,能够获取番茄整体的空间光谱信息,在番茄内部品质无损检测上具有明显的优势,而可见/近红外光谱技术具有快速、方便且检测成本低的优点。本文以番茄和樱桃番茄为研究对象,利用高光谱成像技术和可见/近红外光谱分析技术,采用连续投影算法（SPA）、区间随机蛙跳算法（i RF）、改进型区间随机蛙跳算法（mi RF）、无信息变量消除法（UVE）、主成分分析法（PCA）和连续投影算法结合主成分分析法（SPA-PCA）提取特征波长,基于所提取的特征波长建立偏最小二乘回归（PLSR）模型和极限学习机（ELM）模型,检测番茄的可溶性固形物含量（SSC）、硬度、综合品质等指标,并比较不同特征波长选择方法对模型检测精度的影响。本文主要研究内容与结论如下:（1）基于高光谱成像技术的番茄可溶性固形物含量和硬度无损检测研究中,研究特征波段选取方法对检测精度的影响,建立了PLSR检测模型,对比分析SPA-PLSR、mi RF-PLSR、i RF-PLSR、UVE-PLSR四种模型的检测结果,其中mi RF算法在原始i RF算法的基础上对初始变量子集进行了有效构造。研究表明,mi RF算法相对于原始i RF算法,有效降低了模型复杂度,提高了番茄品质检测模型的时效性和检测精度,四种模型中基于mi RF算法建立的PLSR模型对番茄SSC和硬度的检测效果均为最优,其测试集相关系数（Rp）分别为0.8725和0.9036,测试集均方根误差（RMSEP）分别为0.2973°Brix和0.006 kg·mm-2。（2）基于高光谱成像技术的樱桃番茄可溶性固形物含量无损检测研究中,研究基于不同特征波段选取方法建立的PLSR模型性能。对比分析PCA-PLSR、SPA-PCA-PLSR和mi RF-PLSR三种模型的检测结果,其中SPA-PCA算法是将SPA和PCA串联使用,以提高特征波段的有效性。研究表明,将SPA算法与PCA串联使用提取的主成分所建模型的预测精度得到了明显的优化,三种模型中SPA-PCA-PLSR模型的检测效果最好,其Rp为0.9039,RMSEP为0.5582°Brix。（3）研究融合感官评价的樱桃番茄综合品质无损检测,利用可见/近红外光谱技术,融合理化成分和感官评价指标建立樱桃番茄的综合品质判别指标,分别基于PLSR和ELM建立樱桃番茄综合品质的检测模型,对比分析不同建模方法对检测结果的影响。研究表明,SPA-PCA-PLSR模型的检测结果最优,其测试集的Rp为0.7715,RMSEP为0.0683,这表明融合感官评价对樱桃番茄综合品质进行无损检测是可行的,且在本研究中PLSR模型的性能优于ELM模型。