高光谱成像技术：红提糖度与硬度的无损预测

本文主要探讨了利用高光谱成像技术对红提果品进行无损检测，评估其糖度和硬度的重要性。红提糖度和硬度是衡量红提品质的关键指标，因此研究者通过实验收集了213个红提果粒在400~1000纳米波长范围内的高光谱图像，针对三种不同的放置模式（横放、果柄侧朝下、果柄侧朝上），旨在确定最佳的光谱采集模式。 首先，对采集到的高光谱图像进行了预处理，包括应用遗传算法（GA）、连续投影算法（SPA）、竞争性自适应重加权（CARS）算法以及无信息变量消除法（UV.E）来提取原始光谱中的特征波长。这些方法有助于减少噪声，提高数据的可解释性和模型的准确性。 接下来，作者结合化学计量学方法，构建了基于全光谱和特征波长的预测模型。具体来说，使用了偏最小二乘回归（PLSR）、最小二乘支持向量机（LSSVM）和随机森林（RF）算法来预测红提的糖度和硬度。结果显示，随机森林模型在糖度和硬度预测上表现更优。 对于糖度的预测，遗传算法优化的随机森林（GA-RF）模型表现出最好的性能，校正集相关系数（Rc）和预测集相关系数（Rp）分别达到0.969和0.928，校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）分别为0.266和0.254。这意味着该模型能够准确地预测红提的糖度含量。 而对于硬度的预测，移动窗口平滑结合连续投影算法优化的随机森林（MA-SPA-RF）模型是最优模型，其Rc和Rp分别为0.961和0.932，RMSEC和RMSEP分别为2.119和1.634。尽管硬度预测的误差略高于糖度预测，但整体上也显示了高光谱成像技术在无损测量红提硬度方面的潜力。 总结，本研究证实了利用高光谱成像技术可以有效地无损检测红提的糖度和硬度，为红提品质控制和生产过程中的质量监控提供了科学依据。这不仅提高了检测效率，还减少了对果实的破坏，具有重要的实际应用价值。未来的研究可能进一步优化算法，提高预测精度，推动高光谱成像技术在农产品质量检测领域的广泛应用。