基于多成熟度光谱信息融合的阿森泰克苹果品质预测模型研究

不同成熟度的阿森泰克苹果品质变化大,会显著影响采后贮藏与销售效益。本研究以江苏宿迁四个成熟阶段的阿森泰克苹果为研究对象,首先利用主成分分析(principal component analysis,PCA)和线性判别分析(linear discriminant analysis,LDA)分析其色泽(L^(*)、a^(*)、b^(*)值)、硬度(firmness,FI)、可溶性固形物(soluble solid content,SSC)、可滴定酸(titratable acidity,TA)、水分含量(moisture content,MC)、干物质(dry matter content,DMC)的变化规律;同时,基于可见-近红外(visible and near-infrared,Vis-NIR)与近红外(nearinfrared,NIR)光谱技术结合连续投影(successiveprojectionsalgorithm,SPA)、竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)、无信息变量消除(uninformative variable elimination,UVE)算法进行相关特征变量筛选,基于偏最小二乘(partial least squares,PLS)与支持向量机(support vector machine,SVM)建立阿森泰克苹果品质预测模型。结果表明,SSC、a^(*)、L^(*)、b^(*)对不同成熟度阿森泰克苹果的聚类贡献率较高,510~680、1170~1270、2300 nm为高相关度特征波段。SPA-PLS、SPA-SVM模型能很好地预测不同成熟度阿森泰克的L^(*)、b^(*)、a^(*)值,相对预测偏差(relative percent deviation,RPD)均高于3.00,CARS-PLS模型可以很好地预测SSC,RPD为3.19,但FI、TA、MC、DMC的SPA-PLS模型预测精度相对较低,RPD分别为2.27、2.21、2.32、2.42。研究结果证明Vis-NIR和NIR光谱方法能够预测不同成熟度阿森泰克苹果品质,为阿森泰克苹果采收管理与质量安全控制提供技术参考。