近红外光谱变量筛选提高西瓜糖度预测模型精度

摘要：

水果的内部品质是水果分级、保鲜及存储的一项重要指标，利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响，该文以麒麟瓜为研究对象，利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测，采用偏最小二乘回归（PLSR），多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型，并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5，115个变量）经归一化预处理，结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优，建模时间短，提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。

关键词：近红外光谱、模型、无损检测、西瓜、可溶性固形物、变量筛选、漫透射

分类号：S233.5;0657.33(农业机械化)

资助基金：农业部公益性项目201003008-5

在线出版日期：2013-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：264-270