由于果实内部细胞结构、 组成成分和光学传输特性的不同, 品种差异会对近红外建模分析果实内部品质时产生较大的影响, 以致原有模型无法高精度地预测果实品质参数。 探讨开发不同品种近红外通用模型用于在线检测苹果内部品质的可行性。 采用水果动态在线分选设备, 设置运行参数为: 积分时间100 ms, 运动速度5 s-1, 采集包括冰糖心, 红富士及水晶富士三个品种苹果的近红外漫透射光谱。 分析了三个品种近红外漫透射光谱的响应特征, 其光谱曲线走势基本一致, 在650, 709和810 nm附近存在突出吸收峰, 而在670, 750与830 nm附近存在波谷, 其差异主要表现为光谱吸收强度的差异。 采用多元散射校正, Savitzky-Golay卷积平滑及归一化处理方法, 减少了不同品种引起的光谱信息差异。 混合三个品种各校正集样本, 采用偏最小二乘回归算法建立了不同品种糖度的通用模型, 并利用无信息变量消除法（UVE）对建模变量进行筛选, 最终得到的有效变量个数为155。 所建立的UVE-PLS模型对验证集的决定系数, 均方根误差以及残留预测偏差分别为0.80, 0.61%与2.21。 在UVE筛选变量的基础上, 采用连续投影算法再对建模变量进行选择, 最终选出的变量个数为22。 采用多元线性回归（MLR）方法建立了简化后的通用模型, 对验证集的决定系数与均方根误差分别为0.78与0.64%。 测试集用于评估最佳的不同品种糖度通用模型的实际性能, 模型对每个品种测试集的潜变量数, 决定系数与均方根误差分别为6~10, 0.77~0.79与0.45~0.75%。 结果表明水果动态在线分选设备对不同品种苹果内部品质检测的潜力。 通过建立通用模型, 扩大了单一品种模型的预测范围, 提高了模型在不同品种间的预测稳健性。 并且采用合适的变量选择方法能够减少模型变量个数, 降低模型复杂程度, 并最终提高模型速率。 开发不同品种水果内部品质通用模型在波长有限的近红外光谱设备中具有良好的潜在应用。

采用可见/近红外光谱技术在线检测水果糖度, 每个水果品种要单独建模, 模型升级维护耗时费力。 探讨建立苹果、 梨等薄皮水果可溶性固形物(SSC)在线检测通用数学模型的可行性。 利用自行设计的可见/近红外漫透射光谱在线检测系统, 在积分时间80 ms、 单线速度5个/s的条件下, 采集新梨7号、 砀山酥梨、 玉露香梨和富士苹果四种水果的可见/近红外漫透射光谱。 分析了四种水果的可见/近红外漫透射光谱响应特性, 采用变异系数法和连续投影算法, 筛选通用数学模型建模用光谱变量, 并建立了偏最小二乘和最小二乘支持向量机梨与苹果梨通用数学模型。 采用新样品评价模型的预测能力, 变异系数法筛选光谱波段建立的偏最小二乘通用数学模型预测精度最高, 通用模型预测梨和苹果梨模型预测均方根误差分别为049%和055%, 通用模型预测相关系数分别为088和093； 独立模型预测新梨7号、 玉露香梨、 砀山酥梨和富士苹果的预测相关系数分别为093, 091, 088和095, 预测均方根误差分别为040%, 042%, 041%和046%。 通用数学模型的预测精度略低于每个品种的独立数学模型, 但是通用模型的通用性高于单一模型。 实验结果说明采用变异系数法结合偏最小二乘法建立薄皮水果在线检测通用数学模型, 实现四种水果糖度在线检测是可行的。Mathematical Model