目的基于高光谱成像技术优化蓝莓糖度的无损检测模型。方法以产自丹东的L25品种蓝莓为实验对象,采用高光谱成像技术获取900~1700nm波长范围内的蓝莓高光谱图像,并计算感兴趣区域的平均光谱作为原始数据。通过多元散射矫正(multiple scatter correction,MSC)、标准正态变量变换(standard normal variable,SNV)和Savitzky-Golay(SG)3种预处理方法改善光谱数据质量。基于预处理后的全波长数据,分别建立偏最小二乘回归法(partial least squares,PLS)、反向传播神经网络(back propagation neural network,BPNN)、支持向量机回归法(support vector regression,SVR)等糖度预测模型。结果在MSC和SNV预处理下,PLSR模型在糖度预测过程中表现出较好的预测性能,均方根误差(root mean squared error of prediction,RMSEP)分别为0.3586、0.3599。结论本研究优化了基于高光谱成像技术的蓝莓糖度无损检测模型,为蓝莓糖度的快速、准确预测提供了有效的技术支持,具有较强的实际应用潜力。
