米良1号猕猴桃贮藏过程中糖酸含量估测模型的构建OA北大核心

【目的】针对传统化学方法测定猕猴桃品质存在工序复杂、费时费力、需破坏性检测等问题,提出一种基于高光谱技术的高效无损检测方法。【方法】以110个米良1号猕猴桃(Actinidia chinensis var.deliciosa‘Miliang-1’)样本为研究对象,利用高光谱仪采集不同贮藏时间果实的高光谱反射光谱。利用光谱-理化值共生距离法(sample set partitioning based on joint X-Y distance sampling,SPXY)将猕猴桃样本按照8∶3的数量比例划分为训练集和测试集,统一采用支持向量机(SVM)对比分析标准正态变换(SNV)、多元散射校正(MSC)、一阶导数(1st-D)、二阶导数(2nd-D)、平滑算法(SG)对原始光谱进行预处理。使用遗传算法(genetic algorithm,GA)和随机蛙跳(random frog,RF)对猕猴桃高光谱特征波长进行筛选,结合支持向量回归(SVR)、反向传播神经网络(BP)算法,组合构建猕猴桃品质的回归预测模型。【结果】在组合模型中,可溶性固形物含量的最优模型为1st-D+GA-BP,R^(2)为0.903,RMSE为1.731;可滴定酸含量的最优模型为1st-D+GA-BP,R^(2)为0.857,RMSE为0.225。【结论】应用高光谱技术对米良1号猕猴桃可溶性固形物含量、可滴定酸含量进行无损检测具有可行性。为进一步研究不同品种猕猴桃可溶性固形物含量、可滴定酸含量的无损检测模型奠定了基础。