基于能量谱和吸光度谱的马铃薯黑心病判别模型优化

马铃薯储藏过程中，在高温、缺氧等环境下，极易产生黑心病等内部缺陷，严重影响马铃薯加工品的品质和原料加工利用率。黑心病薯无法从外观分辨，传统检测方法需要将马铃薯切开后判断，仅适用于抽样检测。基于自主研发的马铃薯内部品质光谱检测装置进行光谱数据采集，分别采集234条健康马铃薯和236条黑心病马铃薯能量谱和吸光度谱数据用于判别模型建立，采用随机法按3∶1将样本集划分为校正集和验证集，以灵敏度、特异性指数、分类正确率作为模型评价指标。基于吸光度谱，经标准化（Auto）预处理后，在波段500~950nm范围内建立马铃薯黑心病偏最小二乘线性判别模型（PLS-LDA），并通过竞争性自适应重加权法与连续投影法（CARS-SPA）进行联合变量筛选，最终采用9个变量，对黑心病判别的灵敏度、特异性指数、总分类正确率分别达98.87%、98.30%和98.44%。基于能量谱，采用双波长相关系数法，分别计算任意波长对组合的能量差值和比值，与黑心病进行相关分析，最终采用2个变量能量比值T699/T435建立线性判别模型（LDA），对黑心病判别的灵敏度、特异性指数、总分类正确率分别达97.71%、96.15%和97.67%。因此，基于吸光度谱的CARS-SPA-PLS-LDA模型和基于能量谱的(T699/T435)-LDA模型均可有效识别马铃薯黑心病，与吸光度谱模型相比，能量谱模型仅采用2个变量，模型更简单稳定，并且解决了白背景与暗电流2个参比限制的难题，适用性更广泛。

Discriminant Analysis on Potato Blackheart Defect Based on Energy Spectrum and Absorbance Spectrum