1 华中农业大学理学院, 湖北 武汉 430070
2 华中农业大学工学院, 湖北 武汉 430070
苹果在采摘、 分拣、 储存和运输过程中容易受到挤压、 振动和碰撞而损伤, 轻微损伤早期肉眼很难识别, 轻微损伤部位易被病原微生物入侵而导致自身和周围水果腐烂, 因此, 苹果轻微损伤的早期快速准确地判别能有效地降低经济损失, 对苹果的采后处理和储存具有重要意义。 本研究应用拉曼光谱结合化学计量学方法对苹果早期轻微损伤进行快速识别。 采用Savitzky-Golay(SG)卷积对原始拉曼光谱进行平滑去噪, 用自适应迭代重加权惩罚最小二乘(airPLS)算法进行基线校正, 用非线性的支持向量机(SVM)回归算法建立分类判别模型, 采用KS法划分训练集和验证集后, 基于线性和多项式核函数建立SVM分类模型的分类准确率可达到978%。 结果表明, 拉曼光谱技术结合化学计量学方法可快速识别苹果的早期轻微损伤, 展示了拉曼光谱技术用于判别苹果早期轻微损伤的应用前景。
苹果 早期轻微损伤 拉曼光谱 支持向量机 Apple Early tiny bruise Raman spectroscopy SVM