农业机械学报

作者：刘文政，周雪健，平凤娇，苏媛，鞠延仑，房玉林，杨继红

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学;新疆农业大学,

关键词：葡萄;可见-近红外光谱;成熟度;品质检测

基金：国家自然科学基金项目（32201678）和中央高校基础科研业务费专项资金项目（2452020201）

酚类物质是评价葡萄成熟品质的重要指标，本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究。通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400~1029nm范围内的漫反射光谱，采用SPXY算法将其划分为校正集和预测集，结合标准正态变换（Standard normal variate，SNV）、多元散射校正（Multiplicative scatter correction，MSC）、一阶导数（First derivative，1D）、二阶导数（Second derivative，2D）、Savitzky-Golay卷积平滑（Savitzky-Golay smoothing ，SG）和Savitzky-Golay卷积平滑+一阶导数（SG+1D）6种预处理方法以及偏最小二乘回归（Partial least squares regression，PLSR）、支持向量机回归（Support vector machine regression，SVR）和卷积神经网络（Convolutional neural network，CNN）3种建模算法，分别建立了基于全波段和特征波长的葡萄皮总酚、籽总酚、皮单宁和籽单宁定量预测模型并进行综合对比分析。结果表明，对于皮总酚、籽总酚和籽单宁，经特征波长筛选后建立的模型效果优于全波段，而对于皮单宁，全波段建立的模型较特征波长效果更佳；因此，在预测皮总酚、籽总酚、皮单宁和籽单宁含量时，最优模型分别为RAW-CARS-SVR、1D-CARS-SVR、RAW-CNN和RAW-CARS-PLSR，校正集相关系数（Correlation coefficient of calibration set，Rc）分别为0.96、0.99、0.96和0.91，预测集相关系数（Correlation coefficient of prediction set，Rp）分别为0.95、0.99、0.83和0.89，剩余预测偏差（Residual predictive deviation，RPD）分别为3.56、7.30、1.92和2.25。因此，结合可见-近红外光谱和合适的回归模型，可以实现对巨玫瑰葡萄的皮-籽总酚、皮-籽单宁含量的无损检测。

来源：2024年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第2期