基于可见/近红外光谱预测枇杷糖度及模型优化

为实现枇杷糖度的快速无损检测，并探究开阳枇杷糖度最优预测模型。首先利用光纤光谱仪获取开阳枇杷的反射光谱，分析比较标准正态变换和多元散射校正方法对原始光谱数据的预处理效果；然后基于原始全光谱和预处理后的全光谱数据分别构建预测开阳枇杷糖度的偏最小二乘回归和主成分回归模型；最后，采用连续投影算法和竞争性自适应重加权算法（competitive adaptive reweighted sampling, CARS）筛选特征光谱，并基于特征光谱构建预测开阳枇杷糖度的多元线性回归（multi linear regression, MLR）模型。结果表明，采用CARS算法从785个全光谱中筛选了23个特征波长，不仅提升了预测模型的运算效率，而且建立的CARS-MLR模型具有最佳的校正性能（R_C=0.89,RMSEC=0.62）和预测性能（R_P=0.89,RMSEP=0.65,RPD=2.29）。这表明利用可见/近红外光谱技术结合化学计量学预测开阳枇杷糖度是可行的，且CARS-MLR模型相对最优，为枇杷品质的无损快检和分选提供了理论依据与技术基础。