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.pdfVIP

第 ３６卷 ，第 ６期 光 谱 学 与 光 谱 分 析 Vo 畅 ３６ ，No畅 ６ ，pp１７００‐１７０５ ２ ０ １ ６ 年 ６ 月 Spectroscopy and Spectral Analysis June ，２０１６ 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 钱 曼１ ，２ ，３ ，４ ，黄文倩２ ，３ ，４ ，王庆艳２ ，３ ，４ ，樊书祥１ ，２ ，３ ，４ ，张保华２ ，３ ，４ ，陈立平１ ，２ ，３ ，４ 倡 １畅 西北农林科技大学机械与电子工程学院 ，陕西 杨凌 ７１２１００ ２畅 国家农业智能装备工程技术研究中心 ，北京 １０００９７ ３畅 农业部农业信息技术重点实验室 ，北京 １０００９７ ４畅 农业智能装备技术北京市重点实验室 ，北京 １０００９７ 摘 要 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畅８９２和 RM‐ SEP ＝ ０畅６８４ °Brix ，瓜脐 RP ＝ ０畅９０５和 RMSEP ＝ ０畅６２９ °Brix ，瓜梗 RP ＝ ０畅８９９和 RMSEP ＝ ０畅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 。 关键词 小型西瓜 ；检测部位 ；近红外光谱 ；可溶性固形物 中图分类号 ：O６５７畅３ 文献标识码 ：A DOI ：１０畅３９６４／j畅 issn畅１０００‐０５９３（２０１６）０６‐１７００‐０６ 收稿日期 ：２０１５‐０４‐１７ ，修订日期 ：２０１５‐０８‐２０ 基金项目 ：北京市自然科学基金青年基金项目（６１４４０２４）和北京市农林科学院青年基金项目（QNJJ２０１４２３）资助 作者简介 ：钱 曼 ，女 ，１９９１ 年生 ，西北农林科技大学硕士研究生 e‐ a l ：q an an１０１５０４＠ １６３畅 co 倡 通讯联系人 e‐ a l ：chenl ＠ nerc a畅 org畅 cn 引 言 西瓜是我国夏季最主要的水果之一 ，甘甜多汁 ，含有大 量的葡萄糖 、氨基酸 、维生素 C等多种营养成分 ，是一种纯 净安全的食品［１］ 。随着消费者对食品品质要求的不断提高 ， 在选购西瓜时越来越注重其内部品质 （如糖度 、口感及营养 成分等） 。可溶性固形物（soluble solids content ，SSC）是包括 糖 、酸 、纤维素 、矿物质等成分的综合参数 ，是评价水果内 部品质高低的一个重要指标［２］ 。西瓜 SSC含量的快速 、无损 检测对于提升西瓜的生产效益及我国西瓜的国际竞争力具有 十分重要的意义 。相比于传统破坏性检测方法 ，近红外光谱 分析技术具有非破坏 、无需制样 、分析效率高 、速度快 、重 现性好等优势 ，已广泛应用于水果及农产品无损检测领 域［３］ 。 相关研究显示 ，检测部位的差异可能会对近红外光谱预 测模型的精度产生影响 。介邓飞等［４］利用自主研发的检测装 置采集西瓜不同部位的光谱信息进行糖度预测 ，得出瓜脐为 较优的光谱采集部位 。韩东海等［５］研究得出在西瓜的中层信 息区域 ，无论是组织含水率还是 SSC含量 ，瓜顶部位所建模 型优于赤道部位 。田海清考察了光谱采集部位对建模的影 响 ，得出各部位均可取得较好预测结果 ，没有明显优劣之 分 。同时 ，文献［６‐７］采用特征波长筛选算法 ，在简化了近红外 光谱预测模型的基础上 ，其预测精度也得到了一定提高 。 西瓜体型较大 ，在其生长过程中 ，由于光照 、温度 、养 分等不均衡 ，不同部位的内部品质也存在一定差异 。之前