尚 静，孟庆龙，黄人帅，张 艳

（1. 贵阳学院食品与制药工程学院，贵州贵阳550005；2. 贵阳学院农产品无损检测工程研究中心，贵州贵阳550005）

1 引 言

“贵长”猕猴桃拥有果肉细嫩，肉质多浆，果汁丰富，清甜爽口，酸甜适中的独特品质，作为后熟型水果之一，实际采收时为了延长其贮藏期，经常采摘还未成熟的果实，但是如果过早采摘，果实就会特别生硬，这将会使口感受到影响，果实也易受冷害；若过晚采摘，果实十分柔软就会因为易腐烂而难以贮藏［1］。猕猴桃的可溶性固形物含量（Soluble Solids Content，SSC）和硬度是衡量其品质和成熟度的关键指标，因此，开展猕猴桃SSC、硬度和成熟度的无损检测对于指导其采收时间、采后储藏和加工具有重要的意义。

水果SSC 和硬度的传统检测方法是采用生化检测手段，然而这种方法最大的缺点是破损样本［2］。基于光谱技术的无损检测方法具有诸多优势，比如分析速度快、无污染、无损伤等，所以，近年来，这种方法已被广泛地用于水果品质的快速检测，引起国内外研究学者的颇多关注［3-12］。在预测SSC 方面，董金磊等人［13］基于特征光谱构建的连续投影算法-误差反向传播（Successive Projection Algorithm-error Back Propagation，SPABP）网络模型对猕猴桃SSC 的预测性能相对最优，其预测集相关系数（RP）和预测集均方根误差（Root Mean Squares Errors for Prediction，RMSEP）分别为0.92 和0.77。詹白勺等人［14］基于竞争性自适应重加权算法（Competitive Adaptive Reweighted Sampling，CARS）提取的特征光谱构建的非线性最小二乘支持向量机（LS-SVM）模型对库尔勒香梨SSC 的预测效果相对最优，其预测集决定系数（），RMSEP 和剩余预测偏差（Residual Predictive Deviation，RPD）分别为0.85，0.29，2.59。在预测硬度方面，郭文川等［15］通过高光谱成像技术结合人工神经网络构建的全光谱BP 网络模型拥有相对最优的预测效果，其RP和RMSEP 分别为0.86 和0.93。……