该文采用近红外(near infrared,NIR)光谱技术对水蜜桃低温冷害褐变进行识别分析。分别建立了水蜜桃低温贮藏期间不同冷害阶段的两分类和多分类模型,讨论了不同光谱预处理方法对模型的影响,并比较偏最小二乘判别分析(partial least squar...该文采用近红外(near infrared,NIR)光谱技术对水蜜桃低温冷害褐变进行识别分析。分别建立了水蜜桃低温贮藏期间不同冷害阶段的两分类和多分类模型,讨论了不同光谱预处理方法对模型的影响,并比较偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、主成分判别分析(principal component discriminant analysis,PCA-DA)、K-最邻近(K-nearest neighbor,K-NN)、簇类独立软模式(soft independent modeling of class analogy,SIMCA)4种建模方法的分类效果。结果表明,采用PLS-DA模型效果最好,两分类和多分类模型的总准确率为分别为0.93和0.71。两分类模型可较准确地对冷害褐变进行快速识别分类,多分类模型可用于水蜜桃低温贮藏期间不同冷害阶段的初步筛查。展开更多
文摘该文采用近红外(near infrared,NIR)光谱技术对水蜜桃低温冷害褐变进行识别分析。分别建立了水蜜桃低温贮藏期间不同冷害阶段的两分类和多分类模型,讨论了不同光谱预处理方法对模型的影响,并比较偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)、主成分判别分析(principal component discriminant analysis,PCA-DA)、K-最邻近(K-nearest neighbor,K-NN)、簇类独立软模式(soft independent modeling of class analogy,SIMCA)4种建模方法的分类效果。结果表明,采用PLS-DA模型效果最好,两分类和多分类模型的总准确率为分别为0.93和0.71。两分类模型可较准确地对冷害褐变进行快速识别分类,多分类模型可用于水蜜桃低温贮藏期间不同冷害阶段的初步筛查。