为建立预测能力高、 稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型, 对比各种预处理方法、 变量优选方法、 快速独立主成分分析(FICA)以及最小二乘支持向量机(LS-SVM)对黄花梨SSC模型的影响, 得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。 采用Quality Spec型光谱仪采集550~950 nm波段范围内的黄花梨漫透射光谱并采用遗传算法、 连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量, 再结合FICA提取光谱主成分, 最后采用LS-SVM建立黄花梨的SSC预测模型。 结果显示, 采用CARS筛选的21个变量, 经FICA挑选出12个主成分数, 联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳, 建模集和预测集的决定系数及均方根误差分别为0.974, 0.116%和0.918, 0.158%, 同直接采用PLS方法建模相比, 变量数从401个下降到21, 主成分数由14下降到12, 建模集和预测集决定系数分别上升了0.023, 0.019, 而建模和预测均方根误差分别下降了0.042%和0.010%。 CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。

利用可见-近红外光谱技术联合变量选择新方法对南丰蜜桔的可溶性固形物(SSC)进行快速无损检测研究, 以简化南丰蜜桔SSC预测模型和提高预测模型性能。 试验共采用300个南丰蜜桔样本, 校正集、 验证集及预测集样本分别为150, 75和75个。 采用QualitySpec型光谱仪在350~1 000 nm波段范围内采集样本光谱, 利用无信息变量消除(UVE)剔除无用信息波长变量, 再采用独立成分分析(ICA)提取光谱的独立成分, 最后应用最小二乘支持向量机(LS-SVM)建立南丰蜜桔的SSC预测模型, 并利用未参与建模的预测集样本对模型进行评价。 研究结果表明, 可见-近红外光谱技术联合UVE-ICA- LS-SVM对南丰蜜桔的SSC检测精度高。 UVE-ICA可以有效剔除无用信息波长变量, 提取特征光谱信息, 简化预测模型及提高预测模型性能。 UVE-ICA- LS-SVM所建立的南丰蜜桔SSC预测模型性能优于PLS, PCA-LS-SVM及ICA-LS-SVM预测模型, 其校正集、 验证集及预测集的决定系数和均方根误差分别为0.978, 0.230%, 0.965, 0.301%及0.967, 0.292%。

研究了可见/近红外漫反射与漫透射两种检测方式对赣南脐橙的可溶性固形物含量检测结果的影响.采用波长范围为350~1 800 nm的QualitySpec型光谱仪采集196个脐橙样品的可见/近红外漫反射和漫透射光谱，取其中148个样品作为建模集用来建模，剩余48个样品作为预测集用于预测模型.用多种预处理结合偏最小二乘回归法分别建立两种检测方式下单次光谱及三次光谱并求平均，得到光谱相对应的脐橙可溶性固形物预测模型，对比该模型可知漫透射方式明显优于漫反射方式；最优结果为漫透射三次光谱求平均所得光谱结合多元散射校正预处理建立的赣南脐橙的可溶性固形物含量预测模型，其校正模型及预测模型的相关系数分别为0.980和0.949，均方根误差分别为0.230°Brix和0.374°Brix.由此得出近红外漫透射光谱更适合用于检测脐橙的可溶性固形物含量.

可溶性固形物(SSC)是脐橙重要内部品质之一。 采用QualitySpec型光谱仪在350～1000 nm波段范围采集脐橙的可见/近红外漫透射光谱, 采用CARS(competitive adaptive reweighted sampling)变量选择方法筛选出与脐橙SSC相关的重要变量, 并与无信息变量消除(UVE)及连续投影算法(SPA)比较。 最后, 对选择的38个重要波长变量应用偏最小二乘(PLS)回归建立脐橙SSC预测模型, 并对未参与建模的75个样品进行预测。 研究结果表明, CARS方法优于UVE及SPA变量选择方法, 能有效地筛选出重要波长变量。 CARS-PLS建立的SSC预测模型优于全光谱的PLS模型, 其校正集及预测集的相关系数分别为0.948和0.917, 均方根误差分别为0.347%和0.394%。 因此, 可见/近红外漫透射光谱结合CARS方法可以预测脐橙可溶性固形物, CARS变量选择方法能有效简化预测模型和提高模型的预测精度。

研究了不同放置方位对近红外光谱检测脐橙可溶性固形物（soluble solids content, SSC）结果的影响。 按照脐橙果梗、 窝底与入射光线所成角度的不同, 分成垂直（90°）、 平行（0°）和任意（不包含0°和90°）三种放置方位, 并采用USB4000微型光纤光谱仪在465～1 150 nm范围内以半透射方式分别采集三种放置方位的脐橙光谱。 脐橙样品数为336个, 其中228个样本作为校正集, 其余108个样本作为预测集。 应用偏最小二乘回归并结合不同的预处理方法建立不同方位下的脐橙SSC预测模型, 结果表明果梗、 窝底与光源所成角度为垂直时脐橙SSC预测模型性能较优, 其最好的模型相关系数rc=0.93, RMSEC=0.37%, rp=0.88, RMSEP=0.49%。