变量选择结合模型更新以改进苹果的糖度检测

来源：激光技术杂志2023年第5期北京时间：

作者：姜小刚, 姚金良, 朱明旺, 李斌, 廖军, 刘燕德, 欧阳爱国

摘要：为了获得稳健的近红外光谱模型，采用变量选择结合模型更新的方法，以240个红富士苹果为对象，取得近红外漫透射光谱和糖度数据，建立偏最小二乘回归模型，对苹果糖度含量进行预测，并采用后向区间偏最小二乘法和竞争性自适应重加权算法，对建模变量进行了选择，通过将新批次中的一些样品加入到旧批次中重新校准来实现模型更新。结果表明, 变量选择可以提高模型性能，预测决定系数提高到0.7915，预测均方根误差降低到0.5810，预测偏差降至0.2627;结合模型更新策略，可以进一步降低预测均方根误差和预测偏差; 仅使用20个样品进行模型更新已经明显改善了模型性能，预测决定系数提高到0.8506，预测均方根误差降到0.4358，预测偏差降到0.1045。这一结果对于多种水果建立稳健的近红外光谱模型是有帮助的。

关键词：光谱学, 后向区间偏最小二乘, 竞争性自适应重加权, 苹果, 模型更新