论文部分内容阅读
应用高光谱成像技术对水果品质的无损检测已经成为一个极为重要的发展趋势,本文利用高光谱成像分析技术,同时结合化学计量学方法,对灵武长枣的水分、糖度、成熟度及不同产地进行无损检测研究,评估鲜食枣果的综合品质,为灵武长枣销售过程中的高端果品市场定位提供理论支持和技术支撑。主要研究结果如下：(1)采用PLSR方法建立的灵武长枣糖度和水分含量预测模型效果较好,优于PCR模型。多元散射校正处理后的400～1000nm光谱和Savitzky-Golay平滑处理后的900～1700 nm光谱建立的PLSR糖度预测模型其RC和RP分别为0.938,0.823和0.916,0.864。Savitzky-Golay平滑处理后的400～1000 nm光谱和多元散射校正处理后的900～1700 nm光谱建立的PLSR水分含量预测模型其Rc和RP分别为0.913,0.874和0.913,0.904。(2)采用Savitzky-Golay平滑处理之后的光谱建立的灵武长枣成熟度线性判别分析和支持向量机判别分析模型效果较好。对于Savitzky-Golay平滑处理后的高光谱数据利用主成分分析选取了14个特征波长(415.75nm、478.17nm、521.38nm、535.79nm、641.42nm、670.23nm、675.03nm、 699.04nm、703.84nm、742.25nm、747.06nm、963.12nm、967.93nm、948.72nm)替代全波段数据进行线性判别和支持向量机建模分析,其鉴别模型的判别准确率分别为90%和92.14%。(3)采用原始光谱建立的灵武长枣不同产地线性判别分析模型和采用SNV处理后光谱建立的支持向量机判别分析模型效果较好。利用主成分分析选取特征波长替代全波段数据进行线性判别和支持向量机建模分析,其鉴别模型的判别准确率均为92.5%。