高光谱成像结合宽度学习系统的青枣可溶性固形物含量检测

来源：中国食品学报杂志2025年第8期北京时间：

作者：李鹏，张萌，李传宗，韩立国，刘华明

单位：李鹏阜阳师范大学计算机与信息工程学院 安徽省智能计算与信创应用工程研究中心 安徽阜阳 236037,张萌安徽省农业科学院农业经济与信息研究所 合肥 230001,李传宗阜阳师范大学计算机与信息工程学院 安徽省智能计算与信创应用工程研究中心 安徽阜阳 236037,韩立国阜阳师范大学计算机与信息工程学院 安徽省智能计算与信创应用工程研究中心 安徽阜阳 236037,刘华明阜阳师范大学计算机与信息工程学院 安徽省智能计算与信创应用工程研究中心 安徽阜阳 236037,liuhuaming888@126.com

摘要：利用高光谱成像结合宽度学习系统(BLS)探究青枣可溶性固形物含量(SSC)检测方法。采用高光谱成像系统和数显折光仪分别获取青枣的光谱数据和SSC值，将BLS模型与6种光谱预处理方法和6种关键波长选择方法相结合，建立基于全波长和关键波长的预测模型，并将BLS模型的性能与5种经典光谱建模算法进行对比。在全波长条件下，标准正态变量变换(SNV)结合BLS模型得到最佳的预测结果，预测集的相关系数RP为0.871，均方根误差(RMSEP)为0.656。在关键波长条件下，综合考虑预测精度和关键波长数目，优选出的关键波长选择算法为区间变量迭代空间收缩算法结合连续投影算法(IVISSA-SPA)，该方法提取21个关键波长，结合BLS模型得到的RP为0.851，RMSEP为0.697。此外，BLS模型的表现优于传统的光谱建模算法。研究表明，利用高光谱成像结合BLS模型可以实现青枣的SSC检测，同时为高光谱成像检测水果的品质属性提供了新的建模方法。

关键词：水果; 光谱学; 机器学习; 可溶性固形物含量; 宽度学习系统

基金资助：安徽省智能计算与信创应用工程研究中心项目(ICII202305，ICII202406)