杨雨图，熊杰，司万，方会敏，黄玉萍

(1.南京林业大学机械电子工程学院，南京市，210037；2.江苏大学农业工程学院，江苏镇江，212013)

0 引言

板栗营养价值与药用价值高，它富含蛋白质、碳水化合物、维生素以及矿物质元素，是一种较为理想的食品、药品加工原料[1-3]，一直深受广大消费者的喜爱。我国盛产板栗，且种植分布广泛[4-5]，在复杂的气候和地理条件下，不同产地板栗之间的大小、品质、口感有明显差异，价格也显著不同，因此，急需研究板栗产地识别技术对其进行快速分级，从而适应市场需求。

目前，常见的板栗品种检测方法主要有人工鉴别法和分析化学检测法。人工鉴别法通过直接观察板栗的外表性状特征，如坚果形状、果面光泽、果面绒毛等判别板栗的产地。然而，采用人工鉴别的方式不仅效率低下，耗用大量人力资源，而且经常会受到人的主观意识的影响，降低了判别的准确性。分析化学检测法则是测定板栗的化学成分从而对板栗的产地进行识别。分析化学检测方式虽然检测准确率高，但速度较慢，且需要破坏板栗果实的完整性和可食用性，只能进行小批量抽样检测，不适合规模化、工业化的食品加工产业。

近红外光谱技术具有快速、无损、无需样品制备等优点，被广泛用于食品定性和定量检测中。何勇等[6]采用近红外光谱技术结合主成分分析法，建立人工神经网络模型实现对杨梅品种的快速识别，识别率达到95%。李晓丽等[7]采用350～1 075 nm的可见/近红外光谱鉴别水稻的5个品种，应用小波变换进行光谱预处理，主成分分析降维结合反向传播人工神经算法，识别率达到96%。……