基于可见/近红外光谱技术的红提成熟度判别模型

成熟度是水果评价的重要标准,直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难,果肉营养价值参差不齐、产品竞争力低等问题,建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段(分别为:未成熟、半成熟、成熟、过熟)的样本并进行光谱信息采集。选择550 nm~1000 nm的光谱波段建模,分别将经过预处理的光谱用竞争性自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、无信息变量消除算法(Uniformative Variable Elimination,UVE)和连续投影算法(Successive Projection Algorithm,SPA)进行特征波长提取,建立支持向量机(Support Vector Machines,SVM)、极限学习机(Extreme Learning Machine,ELM)和偏最小二乘判别分析(Partial Least Squares Discriminant Analysis,PLS-DA)的判别模型,最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明,在Savitzky-Golay(SG)卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳,SVM模型次之,PLS-DA模型最差。因此,红提成熟度的最佳判别分类模型为SG-SPA-ELM,该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的,该研究为红提成熟度的判别找到了一种新的无损检测方法。