基于可见/近红外光谱技术的红提成熟度判别模

成熟度是水果评价的重要标准，直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难，果肉营养价值参差不齐、产品竞争力低等问题，建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段（分别为：未成熟、半成熟、成熟、过熟）的样本并进行光谱信息采集。选择550 nm~1 000 nm的光谱波段建模，分别将经过预处理的光谱用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling，CARS）、无信息变量消除算法（Uniformative Variable Elimination，UVE）和连续投影算法（Successive Projection Algorithm，SPA）进行特征波长提取，建立支持向量机（Support Vector Machines，SVM）、极限学习机（Extreme Learning Machine，ELM）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis，PLS-DA）的判别模型，最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明，在Savitzky-Golay（SG）卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳，SVM模型次之，PLS-DA模型最差。因此，红提成熟度的最佳判别分类模型为SG-SPA-ELM，该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的，该研究为红提成熟度的判别找到了一种新的无损检测方法。

Discriminant Model of Maturity of Red Globe Grapes Based on Visible/Near-infrared Spectroscopy