应用傅里叶变换近红外光谱技术实现了鲜辣椒中可溶性固形物(SSC)和维生素C(Vc)含量的快速无损检测。分别采用7种预处理方法对原始光谱进行处理后, 建立了SSC和Vc预测的偏最小二乘法(PLS)模型。将利用最小二乘法(PLS)提取的主成分(PC)和蒙特卡罗无信息变量消除法 (MC-UVE)提取的有效波长作为最小二乘支持向量机 (LS-SVM)的输入变量, 分别建立了PC-LS-SVM 和MC-UVE-LS-SVM模型, 并与MC-UVE-PLS模型进行了比较。采用优化后的模型对27个预测集未知样品进行了预测。结果表明, 对鲜辣椒中SSC含量预测最优的为MC-UVE-PLS模型, 其预测集相关系数(rp)为0.971, 预测集均方根误差(RMSEP)为0.382 °Brix;对鲜辣椒中Vc含量预测最优的为MC-UVE-LS-SVM模型, 其rp为0.899, RMSEP为21.022 mg/100 g。研究结果表明: 鲜辣椒中SSC和Vc的含量与近红外光谱具有显著的相关性。

对利用傅里叶变换近红外漫反射光谱快速检测鸡蛋品质和鸡蛋存储时间的可行性进行了探讨。运用偏最小二乘法(PLS)构建了用于鸡蛋哈夫单位、蛋白pH值、蛋形指标等鸡蛋品质和存储时间的光谱模型, 采用交互验证决定系数R2cv, 交互验证均方根误差(RMSECV)对模型精度进行了评价。结果表明, 模型经优化后哈夫单位、蛋白pH值、蛋形指标和存储时间的光谱模型的R2cv分别为0.86、0.84、0.26和0.92, RMSECV分别为7.52、0.17、0.05和1.37。这些结果表明除蛋形指标外, 模型具有较好的准确性和预测能力, 能够满足鸡蛋品质新鲜度快速无损检测的要求。随着储存时间的变化, 除了蛋形指标无变化外, 其它各项指标与储存时间都存在较高的相关性, 符合新鲜鸡蛋变化趋势。

为了提高苹果可溶性固形物含量近红外光谱校正模型的预测能力和稳健性, 分别采用反向区间偏最小二乘法、 遗传算法和连续投影算法, 筛选苹果可溶性固形物的近红外光谱变量, 并建立了偏最小二乘回归模型。 利用遗传算法筛选的141个变量建立的校正模型, 预测效果最好, 与全谱建立的校正模型比较, 预测相关系数, 从0.93提高到0.96, 预测均方根误差, 从0.30°Brix降低到0.23°Brix。 实验结果表明遗传算法结合偏最小二乘回归方法, 有效地提高了苹果可溶性固形物近红外光谱检测模型的预测精度。