可见-近红外光谱技术鉴别葡萄品种的新方法：98.28%识别精度

本文研究了基于可见-近红外反射光谱技术的葡萄品种鉴别方法，这是一种创新且快速无损的葡萄品种辨识手段。作者首先利用主成分分析（PCA）对黑提、马奶子和木拉格三种葡萄品种的光谱数据进行了聚类分析，结果显示黑提葡萄在光谱特征上具有显著的区分性。接着，他们将注意力转向马奶子和木拉格两种葡萄，采用人工神经网络技术进行品种鉴别。具体来说，他们构建了一个三层的BP（Back Propagation，反向传播）神经网络模型，输入为前10个主成分，输出为葡萄品种类型。实验结果显示，该模型的识别准确率高达98.28%，相较于簇类独立软模式（SIMCA）表现更优。 研究的关键发现是确定了四个对葡萄品种鉴别特别敏感的波段：452nm、493nm、542nm和668nm。这些波段的光谱特性对于品种识别起到了关键作用。基于这些敏感波段的光谱数据，BP神经网络的预测准确率达到了97.41%，进一步证实了可见-近红外光谱分析技术结合主成分分析和人工神经网络的有效性。 这项研究为葡萄品种的快速无损鉴别提供了一种新的科学方法，不仅提高了鉴别效率，而且通过精确的波段选择，减少了误判的可能性。这对于葡萄酒产业的质量控制、品种改良以及农业实践中的品种管理都具有重要的实际应用价值。未来可能的发展方向包括扩展到更多的葡萄品种识别，优化模型参数，以及与其他遥感技术的集成，以提升葡萄品种鉴别的精度和普及性。