论文部分内容阅读
本论文研究了小西瓜内部糖度的分布规律,提出了采用平均糖度、最高糖度和最低糖度表征小西瓜糖度的方法。同时,采用便携式近红外分析仪,测定了44个早春红玉(ZC)小西瓜和42个麒麟(QL)小西瓜的漫反射光谱,运用偏最小二乘法(PLS)和主成分分析法(PCR),分别建立了预测小西瓜平均糖度,最高糖度和最低糖度三种模型。该研究结果表明两种小西瓜的三种糖度指标与近红外漫反射光谱均具有良好相关性,验证了小西瓜糖度可以利用近红外漫反射光谱来检测。特别地,所有初始校正模型的预测偏差均小于0.8个糖度单位(Brix%),与同类研究结果相比该结果还是可以接受的。由于小西瓜糖度初始建模过程中,噪声影响比较大,导致初始模型的相关性和预测偏差不尽如人意,需要进一步得到优化,本文采用了正交信号校正法对样品谱图进行预处理,利用CARS法选择建模波段,重新建立了模型。模型结果表明,通过OSC和CARS处理之后,校正模型的相关性趋于均匀化,相关系数绝对值普遍变大,即相关性得到了明显改善;SEP绝对值减小,即模型的预测结果更加准确。此外,本论文还对混合后的小西瓜样品的三个糖度指标利用PLS分别建模,预处理方法跟单独建模的相同,结果发现混合建模的效果没有单独建模的好,但混合模型的校正集相关系数Rc仍然可以达到0.8左右,预测标准偏差SEP都在0.7-0.9之间。这说明两种小西瓜在糖度品性上具有一定共性。该结果对于扩大小西瓜糖度校正模型的适用范围具有一定意义。最后,本论文又利用主成分分析(PCA)和最小二乘支持向量机两种方法对两种小西瓜进行了分类鉴别,结果发现在PCA三维得分图中,两种小西瓜原始谱图的空间点阵分类效果比较好。此外,经过PCA预处理后的LS-SVM模型对两种样品的分类鉴别正确率很高。这些结果说明ZC和QL两种西瓜在光谱上具有差异,可以采用近红外光谱方法对西瓜种类进行分类鉴别。这对于小西瓜现场检测,预防市场以次充好的现象,并剔除假冒产品具有一定的现实意义。