研究目的
研究水果移动速度对利用可见-近红外漫透射光谱在线预测苹果可溶性固形物含量(SSC)的影响。
研究成果
经过SGS处理后,采用CARS方法筛选有效波长的global-P13模型在苹果在线SSC预测中取得了最佳效果,且对果实移动速度变化不敏感。该方法在采后处理和质量监测的实际应用中具有良好前景。
研究不足
该研究仅限于"富士"苹果和特定移动速度范围(0.3米/秒至0.7米/秒)。温度和湿度等其他因素的影响虽已最小化但未充分探究。光谱范围限定在615-1045纳米之间,可能遗漏了该范围外的相关信息。
1:实验设计与方法选择
本研究采用可见/近红外(Vis/NIR)光谱技术分析不同移动速度(0.3米/秒、0.5米/秒和0.7米/秒)下'富士'苹果的可溶性固形物含量(SSC)。通过偏最小二乘法(PLS)回归建立SSC预测补偿模型,并比较了局部模型(针对单一速度)与全局模型(综合所有速度)。
2:样本选择与数据来源
从商业果园采集160个表面无缺陷的'富士'苹果,随机分为校正集(120个样本)和预测集(40个样本)。
3:实验设备与材料清单
商用在线光谱测量系统(日本NIRECO公司Imes 10)、卤素灯光源(150瓦,12伏)、光谱仪、数字折射仪(日本ATAGO公司PAL-1)。
4:实验流程与操作步骤
在三种不同移动速度下采集漫透射光谱。每个样本的光谱分为三部分(P1、P2、P3),并分析其组合(P12、P13、P23)。通过数字折射仪破坏性测定SSC值。
5:数据分析方法
采用PLS回归进行模型开发,运用竞争自适应重加权采样(CARS)和连续投影算法(SPA)进行变量筛选,通过相关系数(rc、rp)和均方根误差(RMSEC、RMSEP)评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容