10.3964/j.issn.1000-0593(2016)06-1700-06
西瓜检测部位差异对近红外光谱可溶性固形物预测模型的影响
西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对预测模型的影响,以“京秀”西瓜为研究对象,分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息,利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型,并分别采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示,相比于单一检测部位的模型,混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时,利用 CARS 算法筛选的42个特征波长变量建模,对三种检测部位预测集样本的预测结果分别为赤道 RP =0.892和 RM‐SEP =0.684°Brix ,瓜脐 RP =0.905和 RMSEP =0.629°Brix ,瓜梗 RP =0.899和 RMSEP =0.721°Brix 。模型得到了很大的简化,且预测精度较高。比较发现,利用 SPA 算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的 PLS 混合预测模型,结合 CARS 算法进行有效特征波长变量筛选,可提高西瓜可溶性固形物预测模型的精度,实现西瓜表面各部位可溶性固形物含量的准确预测,减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。
小型西瓜、检测部位、近红外光谱、可溶性固形物
36
O657.3(分析化学)
北京市自然科学基金青年基金项目6144024;北京市农林科学院青年基金项目QNJJ201423
2016-08-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
1700-1705,1711