孙博康 刘贵珊

摘 要：本文基于可见—近红外高光谱（Visible Near Infrared Reflectio，Vis-NIR）成像技术对150个香水梨进行光谱数据采集。将样本划分后，采用卷积平滑（Savitzky-Golay，S-G）、归一化（Normalize）和标准正态变换（Standard Normal Variate，SNV）3种方法对原始光谱进行预处理，利用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling，CARs）、区间变量迭代空间收缩法（Interval Variable Iterative Space Shrinkage Approach，iVISSA）和变量组合集群分析（Variable Combination Population Analysis，VCPA）对特征波长提取进行波段缩减和特征提取，建立特征波段下香水梨硬度的偏最小二乘（Partial Least Squares Regression，PLSR）预测模型，优选最佳模型。结果表明，VCPA法建立的PLSR模型优于初始模型R2=0.933。

关键词：香水梨;高光谱;硬度;无损检测

香水梨又名软儿梨，属于秋子梨的一个品种，主要分布于甘肃、宁夏境内。在宁夏海原地区，香水梨是当地农民的主要收入来源，近年来种植面积不断扩大，然而目前仍存在很多技术上的问题需要解决[1]。硬度作为梨果的一个重要参数，与香水梨的成熟度，口感，食用性息息相关[2]，传统的检测方法具有明显的破坏性，不适用于大规模量产的地区，因此利用光谱学技术建立一种香水梨的硬度检测方法显得尤为重要。高光谱技术作为一种高效、快速、无损的检测技术[3]，目前已广泛应用于水果内部指标的检测[4-7]。因此，结合当地需求，本文通过对光谱数据进行4种预处理方法，3种特征波长的提取方法处理后，选择一种最优模型来预测香水梨硬度。

1 材料与方法

1.1 样品采集

实验样品全部来自于宁夏回族自治区海原县方堡村，样品自采摘后于24 h内运输至宁夏大学，在宁夏大学冷库内进行保存，贮藏温度0～2 ℃。……