可见近红外光谱与变量选择法在线测定脐橙可溶性固形物含量

"Online quantitative analysis of soluble solids content in navel oranges using visible-near infrared spectroscopy and variable selection methods" 本文是一篇关于使用可见近红外光谱法（Vis-NIR）结合变量选择技术在线定量分析脐橙中可溶性固形物含量（SSC）的学术论文。研究者包括Yande Liu、Yanrui Zhou和Yuanyuan Pan，他们来自中国东华交通大学机械与电子工程学院的应用光学-力学-电子技术研究所。 在水果内部质量的Vis-NIR光谱分析中，变量选择是一个广泛应用的方法。本研究对比了不同光谱变量选择方法对脐橙SSC在线定量分析的效果。具体采用了移动窗口偏最小二乘法（MW-PLS）、蒙特卡洛无用变量消除法（MC-UVE）以及结合MC-UVE的波let变换（WT）来选取光谱变量，并建立脐橙SSC在线分析的校准模型。 作者们对这些方法在脐橙Vis-NIR数据集建模中的表现进行了比较。研究表明，这些技术在预测和解析脐橙内部的可溶性固形物含量时，具有不同的效果和优势。MW-PLS通过在不同窗口内选择相关性强的光谱段，可以捕捉到随时间和位置变化的SSC信息；MC-UVE则通过去除不相关或噪声变量，提高模型的解释能力和预测准确性；而WT结合MC-UVE，利用小波变换的降噪能力，进一步优化了变量选择，可能提供更稳定且准确的模型。 通过对脐橙样本的Vis-NIR数据进行建模和验证，研究人员评估了这些方法在实际应用中的可行性。结果表明，这些技术对于实现非破坏性的、实时的水果品质检测具有重要意义，有助于提升农业生产和供应链的效率。这些研究结果为果蔬品质控制提供了新的科学依据和技术支持，特别是在现代农业自动化和智能化发展的背景下，对于提升农产品的质量监控具有重要价值。 这篇论文探讨了如何通过先进的光谱技术和变量选择策略，实现脐橙内部品质的快速、准确检测，对于食品科学和农业工程领域有着重要的理论与实践意义。