基于光纤光谱技术无损检测猕猴桃硬度

• 作者: 孟庆龙 尚静 张艳 黄人帅
• 来源期刊: 食品与发酵工业
• 关键词: 光纤光谱 猕猴桃 硬度 模型优化 无损检测
• 年，卷（期）: 2020,（22）
• 所属期刊栏目: 分析与检测
• 页码范围: 226-231
• 页数: 6页
• 语种: 中文
• DOI: 10.13995/j.cnki.11-1802/ts.025038

摘要

猕猴桃硬度是判别其成熟度的关键指标,为了建立预测不同成熟期猕猴桃硬度的最优模型,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;基于全光谱数据分别构建了预测猕猴桃硬度的主成分回归(principal component regression,PCR)和偏最小二乘回归(partial least square regression,PLSR)模型;利用连续投影算法(successive projection algorithm,SPA)和竞争性自适应重加权算法(competitive adaptive re-weighted sampling,CARS)提取特征波长,进而基于特征光谱构建了预测硬度的多元线性回归(multiple linear regres-sion,MLR)模型.结果表明,采用CARS从1024个全波段中提取了42个特征波长,不仅提升了预测模型的检测效率,而且建立的CARS-MLR模型具有最佳的校正性能和预测性能,其校正集决定系数R2C及其均方根误差(root mean square error of calibration,RMSEC)分别为0.91和1.27 kg/cm2,预测集决定系数R2P及其均方根误差(root mean square error of prediction,RMSEP)分别为0.85和1.57 kg/cm2,剩余预测偏差(residual predictive deviation,RPD)为2.64.结果表明,这说明基于光纤光谱技术预测猕猴桃硬度是可行的,CARS-MLR模型最佳.