文献类型：期刊文章

作　　者：尚静[1,2] 孟庆龙[1,2] 黄人帅[1,2] 张艳[2]

SHANG Jing;MENG Qing-long;HUANG Ren-shuai;ZHANG Yan(Food and Pharmaceutical Engineering Institute,Guiyang University,Guiyang 550005,China;Research Center of Nondestructive Testing for Agricultural Products,Guiyang University,Guiyang 550005,China)

机构地区：[1]贵阳学院食品与制药工程学院,贵州贵阳550005 [2]贵阳学院农产品无损检测工程研究中心,贵州贵阳550005

出　　处：《光学精密工程》

基　　金：国家自然科学基金资助项目(No.61505036);贵州省基础研究计划资助项目(No.黔科合基础[2020]1Y270);贵阳市财政支持贵阳学院学科建设与研究生教育项目资助项目(No.SY-2020);大学生创新创业项目资助(No.PX-62058)。

年　　份：2021

卷　　号：29

期　　号：5

起止页码：1190-1198

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：猕猴桃可溶性固形物含量(SSC)和硬度是评价其品质的关键参数,同时也是判别其成熟度的重要指标。为探究基于光纤光谱技术预测猕猴桃SSC、硬度和成熟度的可行性并寻求最佳预测模型。首先,采用光纤光谱(200~1000 nm)采集系统获取不同成熟期“贵长”猕猴桃的反射光谱,并测定SSC和硬度的参考值。接着,基于全光谱和参考值构建偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型。然后,应用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)选取特征波长,构建简化的多元线性回归(MLR)和误差反向传播(BP)网络预测模型。最后,通过偏最小二乘判别分析(PLS-DA)和简化的K近邻(SKNN)算法,构建预测猕猴桃成熟度检测模型。结果表明:CARS-BP模型对SSC的预测性能最优,其预测集决定系数R_(P)^(2)=0.90,预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.64和3.22;CARS-MLR对硬度的预测性能相对最优,其R_(P)^(2)=0.83,RMSEP和RPD分别为1.67和2.47;PLS-DA模型对猕猴桃成熟度的检测性能最优,其正确识别率高达100%。该研究为水果品质和成熟度的无损检测提供重要指导。

关 键 词：光纤光谱 猕猴桃 可溶性固形物含量 硬度  成熟度 无损检测

分 类 号：O433.4] TP391.4]