第36卷，第6期 2016年6月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol, 36 ,No. 6 pp1700-1705
June,2016
钱曼1.2.3.4，黄文倩”.3.4，王庆艳2.3.4，樊书祥1.2.3.4，张保华”.3.4，陈立平1.2.3.4*
1.西北农林科技大学机械与电子工程学院，陕西杨凌71210
2.国家农业智能装备工程技术研究中心，北京100097 3.农业部农业信息技术重点实验室，北京100097
4.农业智能装备技术北京市重点实验室，北京100097
摘要西瓜可溶性固形物含量的无损检测对提升其内部品质十分重要。为实现近红外光谱对小型西瓜表面各部位可溶性固形物含量的准确预测，减小检测部位差异对预测模型的影响，以“京秀”西瓜为研究对象，分别采集赤道、瓜脐和瓜梗三部位的漫透射光谱信息，利用偏最小二乘算法(PLS)建立并比较单一检测部位和混合所有检测部位的西瓜可溶性固形物近红外光谱预测模型，并分别采用连续投影算法（SPA)和竞争性自适应重加权算法（CARS对西瓜可溶性固形物近红外光谱变量进行特征波长筛选。结果显示，相比于单一检测部位的模型，混合所有检测部位的校正集样本建立的模型取得了较优的预测结果。同时，利用CARS算法筛选的42个特征波长变量建模，对三种检测部位预测集样本的预测结果分别为赤道R三0.892和RM-SEP= 0.684Brix, 脐 Rp=0.905 和 RMSEP= 0. 629Brix, 梗 Rp =0.899 和 RMSEP= 0. 721 Brix 模型得到了很大的简化，且预测精度较高。比较发现，利用SPA算法筛选的19个特征波长变量所建模型的预测精度较低。利用三种检测部位的西瓜样本建立的PLS混合预测模型，结合CARS算法进行有效特征波长变量筛选，可提高西瓜可溶性固形物预测模型的精度，实现西瓜表面各部位可溶性固形物含量的准确预测，减小检测部位差异对近红外光谱预测模型的影响。结果为今后开发便携式设备检测西瓜表面各部位可溶性固形含量提供参考依据。
关键调小型西瓜；检测部位；近红外光谱；可溶性固形物
中图分类号：0657.3
引言
文献标识码：A
D0I : 10, 3964/j. issn, 1000-0593(2016 )06-1700-06
域
相关研究显示，检测部位的差异可能会对近红外光谱预测模型的精度产生影响。介邓飞等"利用自主研发的检测装
西瓜是我国夏季最主要的水果之一，甘甜多汁，含有大量的葡萄糖、氨基酸、维生素C等多种营养成分，是一种纯净要全的食品。随着消费者对食品品质要求的不断提高，在选购西瓜时越来越注重其内部品质（如糖度、口感及营养成分等），可溶性固形物（solublesolidscontent，SSC)是包括糖、酸、纤维素、矿物质等成分的综合参数，是评价水果内部品质高低的一个重要指标，西瓜SSC含量的快速、无损检测对于提升西瓜的生产效益及我国西瓜的国际竞争力具有十分重要的意义。相比于传统破坏性检测方法，近红外光谱分析技术具有非破坏、无需制样、分析效率高、速度快、重现性好等优势，已产泛应用于水果及农产品无损检测领
收稿日期：2015-04-17，修订日期：2015-08-20
置采集西瓜不同部位的光谱信息进行糖度预测，得出瓜脐为较优的光谱采集部位。韩东海等研究得出在西瓜的中层信息区域，无论是组织含水率还是SSC含量，瓜顶部位所建模型优于赤道部位。田海清考繁察了光谱采集部位对建模的影响，得出各部位均可取得较好预测结果，没有明显优劣之分。同时，文献门采用特征波长筛选算法，在简化了近红外光谱预测模型的基础上，其预测精度也得到了一定提高，
西瓜体型较大，在其生长过程中，由于光照、温度、养分等不均衡，不同部位的内部品质也存在一定差异。之前的研究表明，西瓜检测部位差异可能会对SSC近红外光谱预测模型产生影响，且分析指出了西瓜预测模型精度较高的检测
基金项目：北京市自然科学基金青年基金项目(6144024)和北京市农林科学院青年基金项目（QNJJ201423)资助
作者简介：钱曼，女，1991年生，西北农林科技大学硕士研究生
*通讯联系人
e-mail : chenlp@ nercita. org- en
e-mail : qianman101504@ 163, com