论文部分内容阅读
桃和油桃是我国生产主要的水果，生产量和消费量也居于世界前列。但与发达国家相比，市场竞争力较弱，参与国际贸易的比例却一直较低。主要原因就是我国桃和油桃的采后商品化处理比较落后，导致外观质量较差、质量参差不齐。因而，开展采后桃和油桃品质和品种的检测和识别对于提高二者的品质和其在国际市场上的竞争能力有重要的作用。本研究以不同品种的桃（“沙红”“红蜜”“北京八号”）和油桃（“99-1”“智利油王”）为研究对象，应用矢量网络分析仪（同轴探头技术）与傅里叶变换近红外漫反射光谱仪，测量了25℃下，桃和油桃在20MHz-4.5GHz下的介电参数值（相对介电常数’和介质损耗因数’’）和800-2500nm的吸光度，同时测量了所用样品的品质指标（可溶性固形物含量SSC、含水率、硬度和pH），采用主成分分析法（PCA）、连续投影算法（SPA）和无信息变量消除法（UVE）从介电频谱和近红外光谱的全谱中提取特征变量，分别建立了预测品质和品种的最小二乘支持向量机(LSSVM)、极限学习机（ELM）和误差反向传播网络（BP）模型；综合、系统地比较了介电频谱和近红外漫反射光谱在无损预测桃和油桃品质方面的优劣。得到的结论如下：（1）基于近红外光谱建立的桃的SSC预测模型的性能比基于介电频谱建立的模型要好，其中FS-BP模型预测效果最好，其校正相关系数（Rc）、预测相关系数（Rp）、校正均方根误差（RMSEC）和预测均方根误差（RMSEP）分别达到0.98、0.96、0.16和0.77。（2）基于介电频谱建立的桃的硬度预测模型效果优于基于近红外光谱建立的模型；其中SPA-BP模型预测桃的硬度效果较好，其Rc、Rp、RMSEC、RMSEP分别为0.83，、0.93、1.99、1.04。（3）在对油桃的品质进行预测时，近红外光谱预测性能均优于介电频谱；其中UVE-LSSVM模型预测油桃SSC效果最好，其Rc可达0.98，Rp可达0.97，RMSEC为0.57，RMSEP为0.78；FS-LSSVM模型预测油桃的硬度效果最好，其Rc可达0.90，Rp可达0.91，RMSEC为2.54，RMSEP为2.18。（4）介电频谱和近红外光谱均能准确的进行桃品种的快速鉴别；在基于介电频谱识别桃的品种的判别中，SPA方法为最优的信息提取方法，LSSVM为最优的判别模型；在基于近红外光谱识别桃的品种中，UVE方法为最优的信息提取方法，LSSVM为最优的判别模型。（5）介电频谱和近红外光谱均能准确的进行油桃品种的快速鉴别；在基于介电频谱判别油桃的品种中，全频谱建模效果最佳，而SPA方法为是三种信息提取方法中建模效果最好的方法，BP模型为最优的判别模型；在基于近红外光谱判别油桃的品种中，UVE与SPA方法均为最优信息提取方法，ELM和BP模型均为最优的判别模型。