为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除(Multiplicative Effect Elimination,...为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除(Multiplicative Effect Elimination,MEE)的光谱校正方法,用于消除苹果物理属性差异导致的有效光程变化对光谱的影响。利用该系统获取苹果600~900 nm漫透射光谱数据,分别采用多元散射校正(Multiple Scattering Correction,MSC)、标准正态变量变换(Standard Normal Variate Transform,SNV)和MEE算法对苹果光谱预处理后,建立糖度偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型和霉心病偏最小二乘判别(Partial Least Squares-Discriminant Analysis,PLS-DA)模型。结果表明,MEE算法相比于MSC和SNV算法建模结果更好,糖度预测模型的校正集相关系数(Rc)、校正集均方根误差(Root Mean Square Error of Calibration,RMSEC)、预测集相关系数(Rp)和预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)分别为0.959、0.430%、0.929和0.592%;霉心病判别模型的校正集敏感性、校正集特异性、校正集准确率、预测集敏感性、预测集特异性和预测集准确率分别为98.33%、96.67%、97.50%、100.00%、90.00%和95.00%。将建立的最佳预测模型导入分级系统进行试验,结果表明该系统的分级准确率为90.00%,分级速度约3个/s。该系统具有成本低、结构简单、移动方便等优点,可以满足苹果内部品质果园产地检测分级需求。展开更多
文摘为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除(Multiplicative Effect Elimination,MEE)的光谱校正方法,用于消除苹果物理属性差异导致的有效光程变化对光谱的影响。利用该系统获取苹果600~900 nm漫透射光谱数据,分别采用多元散射校正(Multiple Scattering Correction,MSC)、标准正态变量变换(Standard Normal Variate Transform,SNV)和MEE算法对苹果光谱预处理后,建立糖度偏最小二乘回归(Partial Least Squares Regression,PLSR)预测模型和霉心病偏最小二乘判别(Partial Least Squares-Discriminant Analysis,PLS-DA)模型。结果表明,MEE算法相比于MSC和SNV算法建模结果更好,糖度预测模型的校正集相关系数(Rc)、校正集均方根误差(Root Mean Square Error of Calibration,RMSEC)、预测集相关系数(Rp)和预测集均方根误差(Root Mean Square Error of Prediction,RMSEP)分别为0.959、0.430%、0.929和0.592%;霉心病判别模型的校正集敏感性、校正集特异性、校正集准确率、预测集敏感性、预测集特异性和预测集准确率分别为98.33%、96.67%、97.50%、100.00%、90.00%和95.00%。将建立的最佳预测模型导入分级系统进行试验,结果表明该系统的分级准确率为90.00%,分级速度约3个/s。该系统具有成本低、结构简单、移动方便等优点,可以满足苹果内部品质果园产地检测分级需求。
