论文部分内容阅读
我国是一个水果产销大国,但在水果品质控制方面较发达国家仍有差距,这也直接阻碍了我国水果推向世界市场的步伐。传统检测技术难以及时、准确、全面且客观地了解果实在生长期间、采摘后储藏、流通过程中以及后续加工等环节中品质特性的变化。因此,开展基于新兴检测技术的果品品质快速无损检测方法具有重要的实际意义。本文以苹果为研究对象,基于介电谱技术建立了富士苹果可溶固形物含量、酸度和含水率的定量检测模型,及“富士”、“罗马红”、“粉红女士”三种苹果的品种识别模型。基于经X-Y共生距离法(Set partitioning based on joint X-Y distances,SPXY)和Kennard-Stone(KS)法划分样品集,应用主成分分析法(Principal component analysis,PCA)、无信息变量消除法(Uninformative variables elimination,UVE)和连续投影算法(Successive projection algorithm,SPA)对原始介电频谱进行优选,利用广义神经网络(Generalized regression neural network,GRNN)、学习向量量化网络(Learning vector quantization,LVQ)、支持向量机网络(Support vector machine,SVM)和极限学习机网络(Extreme learning machine,ELM)建立人工神经网络模型,并综合比较了建模分析过程中各关键方法选取对模型精度的影响,最终确定最佳的预测模型,获得以下结论:(1)SPXY法划分样品集,SPA算法选择特征变量,经ELM算法建立的苹果可溶固形物含量的预测模型效果最好,其校正相关系数Rc、校正均方根误差RMSEC、预测相关系数Rp和预测均方根误差RMSEP分别为0.904、0.681、0.829、0.605。(2)SPXY法划分样品集,SPA算法选择特征变量,经ELM算法建立的苹果酸度的预测模型效果最好,其校正相关系数Rc、校正均方根误差RMSEC、预测相关系数Rp和预测均方根误差RMSEP分别为0.741、0.087、0.720、0.078。从结果上来看,全体模型的预测误差较大,因此认为基于介电特性预测苹果pH有些困难。(3)SPXY法划分样品集,SPA算法选择特征变量,经ELM算法建立的苹果含水率的预测模型效果最好,其校正相关系数Rc、校正均方根误差RMSEC、预测相关系数Rp和预测均方根误差RMSEP分别为0.926、0.606、0.910、0.609。(4)Kennard-Stone算法划分样品集,基于样品介电全频谱,利用SPA方法选取特征变量,建立的“富士”、“粉红女士”与“罗马红”苹果ELM判别分析模型对预测集3种苹果样品的判别正确率高达99.6%,已基本满足生产使用要求。