材料與方法

實(shí)驗(yàn)設(shè)計(jì)

選取120個(gè)外觀無(wú)瑕的“紅陽(yáng)”獼猴桃，于實(shí)驗(yàn)室環(huán)境下靜置24小時(shí)后，采集其高光譜圖像并測(cè)定糖度。實(shí)驗(yàn)在（26±1）℃環(huán)境中進(jìn)行。

設(shè)備與儀器

使用覆蓋400-1000nm波段的高光譜相機(jī)（杭州彩譜科技有限公司FS13），具備高分辨率和快速采集能力。

數(shù)據(jù)采集

在儀器預(yù)熱后，按照標(biāo)準(zhǔn)操作流程采集獼猴桃的高光譜圖像，并進(jìn)行必要的校正。

糖度測(cè)定

根據(jù)行業(yè)標(biāo)準(zhǔn)NT/T2637—2014，對(duì)每個(gè)獼猴桃赤道部位的糖度進(jìn)行測(cè)定。

數(shù)據(jù)處理

利用專業(yè)軟件對(duì)原始高光譜圖像進(jìn)行校正，并從赤道區(qū)域的圖像中提取平均光譜信息。通過(guò)多種預(yù)處理方法（如DOSC）和特征提取算法（如IRIV、CARS）優(yōu)化模型性能。

結(jié)果

樣本劃分

所有樣本經(jīng)過(guò)篩選，無(wú)異常值，按3:1比例劃分為校正集和預(yù)測(cè)集。

光譜分析

分析了不同預(yù)處理方法對(duì)模型預(yù)測(cè)精度的影響，發(fā)現(xiàn)DOSC方法能顯著提升預(yù)測(cè)效果。

特征提取

應(yīng)用IRIV和CARS算法進(jìn)行特征光譜變量提取，分別得到8個(gè)和49個(gè)特征變量，大幅減少了全光譜波段的數(shù)據(jù)量。

討論

研究表明，高光譜成像技術(shù)結(jié)合適當(dāng)?shù)墓庾V預(yù)處理和特征提取方法能有效無(wú)損檢測(cè)獼猴桃糖度。DOSC預(yù)處理提高了模型的預(yù)測(cè)能力，而特征提取方法則進(jìn)一步精簡(jiǎn)了數(shù)據(jù)，為快速檢測(cè)提供了可能。

結(jié)論

結(jié)合高光譜成像技術(shù)和特征提取算法可以實(shí)現(xiàn)獼猴桃糖度的快速、無(wú)損檢測(cè)，有助于果品品質(zhì)評(píng)估和后續(xù)處理。本研究為農(nóng)產(chǎn)品內(nèi)部品質(zhì)的高效檢測(cè)提供了新思路。