秦善知+陳斌+陸道禮+顏輝

摘要：探索采用便攜式近紅外光譜儀，利用不同光譜預(yù)處理算法及波長優(yōu)選法建立檢測(cè)模型檢測(cè)梨可溶性固形物含量（SSC）的可行性。比較了一階導(dǎo)數(shù)（1st）、二階導(dǎo)數(shù)（2nd）、多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）等9種預(yù)處理方法進(jìn)行PLS建模的效果，確定最佳預(yù)處理方法。用相關(guān)系數(shù)法、無信息變量消除法（UVE）、向后區(qū)間偏最小二乘法（biPLS）和向后區(qū)間偏最小二乘法結(jié)合遺傳算法（biPLS+GA）優(yōu)選波長，用偏最小二乘法（PLS）建立梨SSC的定標(biāo)模型，根據(jù)各個(gè)模型的校正集和預(yù)測(cè)集的相關(guān)系數(shù)（r）和交互驗(yàn)證均方根誤差（RMSECV）、預(yù)測(cè)均方根誤差（RMSEP）評(píng)價(jià)定標(biāo)模型的精度和穩(wěn)定性。結(jié)果表明：經(jīng)過SNV預(yù)處理后的建模效果最好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)r分別為0.890 8和0.868 9，RMSECV和RMSEP分別為0.592 5和0.630 8；相較于其他3種波長優(yōu)選法，biPLS+GA 方法不僅優(yōu)選的波長數(shù)少，而且所建模型的預(yù)測(cè)效果更好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3。

關(guān)鍵詞：便攜式近紅外光譜儀；梨；可溶性固形物含量；向后區(qū)間偏最小二乘法；遺傳算法

中圖分類號(hào)：O657.33 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2014）08-0284-03

中國果樹栽培面積和產(chǎn)量均為世界第一位。2010年中國果園面積約l 154.39萬hm2，產(chǎn)量約1.29億t。蘋果、柑桔、梨是中國最主要的三大水果，產(chǎn)量占到58%^[1]；梨樹面積、產(chǎn)量次于蘋果、柑桔，居第3位，2011年梨產(chǎn)量接近1 600萬t。梨果脆甜多汁，其糖度與成熟度、品質(zhì)密切相關(guān)。成熟度高的果實(shí)糖度高、品質(zhì)高、口感好，成熟度低的糖度低、品質(zhì)差、口感差。糖度是評(píng)價(jià)其品質(zhì)的指標(biāo)之一，而糖度可以通過可溶性固形物含量（SSC）的測(cè)定獲得，因此試驗(yàn)和研究一般以SSC作為衡量糖度大小的指標(biāo)。

豐水梨是適合我國南方很多地區(qū)栽種的梨品種，個(gè)頭較大，果形圓，外形也比較美觀，果肉乳白色，細(xì)脆爽口，濃甜，汁多^[2]，盡管含糖量高，但肉眼很難看出來，需要使用儀器來檢測(cè)。本試驗(yàn)使用的是NIR256-2.2T2型便攜式近紅外光譜儀，并使用自制光纖來解決在樹檢測(cè)的問題。

現(xiàn)有的便攜式近紅外光譜儀采用的是連續(xù)光源，獲得的是整個(gè)譜段的近紅外光譜，可以通過優(yōu)選波長剔除不相關(guān)的波長^[3]，從而減少波長數(shù)的使用。本試驗(yàn)采用多種波長優(yōu)選法進(jìn)行建模比較，從而確定最佳波長優(yōu)選方法。

1 材料與方法

1.1 儀器設(shè)備

試驗(yàn)用到的主要儀器和設(shè)備有：NIR256-2. 2T2型近紅外光譜儀（美國Control Development公司生產(chǎn)），工作波長 1 089～2 219 nm，分辨率1 nm，檢測(cè)器通道數(shù)為256個(gè)；阿貝折射儀（上海精科）2WAJ；石英光纖（自制），如圖1所示，外面1圈6個(gè)為入射光纖，中間1個(gè)為出射光纖，芯徑為 0.6 mm；白板（海洋光學(xué)）WS-1-SL。

試驗(yàn)中梨近紅外光漫反射示意圖如圖2所示：光源發(fā)出的光經(jīng)入射光纖傳送并投射到樣品后，經(jīng)樣品表皮及內(nèi)部組織漫反射后再經(jīng)出射光纖傳送至近紅外光譜儀，用計(jì)算機(jī)采集數(shù)據(jù)后再進(jìn)行數(shù)據(jù)處理和分析。

3 結(jié)論

研究結(jié)果表明，采用便攜式近紅外光譜儀建立檢測(cè)梨可溶性固形物含量（SSC）的模型是可行的。SNV預(yù)處理方法能明顯提高模型的預(yù)測(cè)效果。與其他3種波長優(yōu)選法相比，biPLS+GA方法不僅優(yōu)選的波長數(shù)最少，而且模型預(yù)測(cè)效果最好，得到的校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3，說明經(jīng)biPLS+GA處理后，能明顯提高模型預(yù)測(cè)梨SSC的效果。

參考文獻(xiàn)：

[1]中國水果產(chǎn)業(yè)基本情況[J].世界農(nóng)業(yè)熱帶信息，2011（12）：11-12.

[2]代 芬，蔡博昆，洪添勝，等. 漫透射法無損檢測(cè)荔枝可溶性固形物[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（15）：287-292.

[3]江國興.豐水梨優(yōu)質(zhì)豐產(chǎn)技術(shù)要點(diǎn)[J]. 西南園藝，2000，28（2）：15-16.

[4]陳 斌，王 豪，林 松，等. 基于相關(guān)系數(shù)法與遺傳算法的啤酒酒精度近紅外光譜分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21（7）：99-102.

[5]吳 迪，吳洪喜，蔡景波，等. 基于無信息變量消除法和連續(xù)投影算法的可見-近紅外光譜技術(shù)白蝦種分類方法研究[J]. 紅外與毫米波學(xué)報(bào)，2009，28（6）：423-427.

[6]Entner V，Massart D L，De N，et al. Elimination of uninformative variables for multivariate calibration[J]. Analytical Chemistry，1996，68（21）：3851-3858.

[7]顏 輝. 植物油的亞油酸、亞麻酸近紅外光譜融合和模型優(yōu)化研究[D]. 鎮(zhèn)江：江蘇大學(xué)，2010：59-60.

[8]Balabin R M，Smirnov S V. Variable selection in near-infrared spectroscopy：benchmarking of feature selection methods on biodiesel data[J]. Analytica Chimica Acta，2011，692（1/2）：63-72.

[9]馬世榜，湯修映，徐 楊，等. 可見/近紅外光譜結(jié)合遺傳算法無損檢測(cè)牛肉 pH 值[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（18）：263-268.endprint

摘要：探索采用便攜式近紅外光譜儀，利用不同光譜預(yù)處理算法及波長優(yōu)選法建立檢測(cè)模型檢測(cè)梨可溶性固形物含量（SSC）的可行性。比較了一階導(dǎo)數(shù)（1st）、二階導(dǎo)數(shù)（2nd）、多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）等9種預(yù)處理方法進(jìn)行PLS建模的效果，確定最佳預(yù)處理方法。用相關(guān)系數(shù)法、無信息變量消除法（UVE）、向后區(qū)間偏最小二乘法（biPLS）和向后區(qū)間偏最小二乘法結(jié)合遺傳算法（biPLS+GA）優(yōu)選波長，用偏最小二乘法（PLS）建立梨SSC的定標(biāo)模型，根據(jù)各個(gè)模型的校正集和預(yù)測(cè)集的相關(guān)系數(shù)（r）和交互驗(yàn)證均方根誤差（RMSECV）、預(yù)測(cè)均方根誤差（RMSEP）評(píng)價(jià)定標(biāo)模型的精度和穩(wěn)定性。結(jié)果表明：經(jīng)過SNV預(yù)處理后的建模效果最好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)r分別為0.890 8和0.868 9，RMSECV和RMSEP分別為0.592 5和0.630 8；相較于其他3種波長優(yōu)選法，biPLS+GA 方法不僅優(yōu)選的波長數(shù)少，而且所建模型的預(yù)測(cè)效果更好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3。

關(guān)鍵詞：便攜式近紅外光譜儀；梨；可溶性固形物含量；向后區(qū)間偏最小二乘法；遺傳算法

中圖分類號(hào)：O657.33 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2014）08-0284-03

中國果樹栽培面積和產(chǎn)量均為世界第一位。2010年中國果園面積約l 154.39萬hm2，產(chǎn)量約1.29億t。蘋果、柑桔、梨是中國最主要的三大水果，產(chǎn)量占到58%^[1]；梨樹面積、產(chǎn)量次于蘋果、柑桔，居第3位，2011年梨產(chǎn)量接近1 600萬t。梨果脆甜多汁，其糖度與成熟度、品質(zhì)密切相關(guān)。成熟度高的果實(shí)糖度高、品質(zhì)高、口感好，成熟度低的糖度低、品質(zhì)差、口感差。糖度是評(píng)價(jià)其品質(zhì)的指標(biāo)之一，而糖度可以通過可溶性固形物含量（SSC）的測(cè)定獲得，因此試驗(yàn)和研究一般以SSC作為衡量糖度大小的指標(biāo)。

豐水梨是適合我國南方很多地區(qū)栽種的梨品種，個(gè)頭較大，果形圓，外形也比較美觀，果肉乳白色，細(xì)脆爽口，濃甜，汁多^[2]，盡管含糖量高，但肉眼很難看出來，需要使用儀器來檢測(cè)。本試驗(yàn)使用的是NIR256-2.2T2型便攜式近紅外光譜儀，并使用自制光纖來解決在樹檢測(cè)的問題。

現(xiàn)有的便攜式近紅外光譜儀采用的是連續(xù)光源，獲得的是整個(gè)譜段的近紅外光譜，可以通過優(yōu)選波長剔除不相關(guān)的波長^[3]，從而減少波長數(shù)的使用。本試驗(yàn)采用多種波長優(yōu)選法進(jìn)行建模比較，從而確定最佳波長優(yōu)選方法。

1 材料與方法

1.1 儀器設(shè)備

試驗(yàn)用到的主要儀器和設(shè)備有：NIR256-2. 2T2型近紅外光譜儀（美國Control Development公司生產(chǎn)），工作波長 1 089～2 219 nm，分辨率1 nm，檢測(cè)器通道數(shù)為256個(gè)；阿貝折射儀（上海精科）2WAJ；石英光纖（自制），如圖1所示，外面1圈6個(gè)為入射光纖，中間1個(gè)為出射光纖，芯徑為 0.6 mm；白板（海洋光學(xué)）WS-1-SL。

試驗(yàn)中梨近紅外光漫反射示意圖如圖2所示：光源發(fā)出的光經(jīng)入射光纖傳送并投射到樣品后，經(jīng)樣品表皮及內(nèi)部組織漫反射后再經(jīng)出射光纖傳送至近紅外光譜儀，用計(jì)算機(jī)采集數(shù)據(jù)后再進(jìn)行數(shù)據(jù)處理和分析。

3 結(jié)論

研究結(jié)果表明，采用便攜式近紅外光譜儀建立檢測(cè)梨可溶性固形物含量（SSC）的模型是可行的。SNV預(yù)處理方法能明顯提高模型的預(yù)測(cè)效果。與其他3種波長優(yōu)選法相比，biPLS+GA方法不僅優(yōu)選的波長數(shù)最少，而且模型預(yù)測(cè)效果最好，得到的校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3，說明經(jīng)biPLS+GA處理后，能明顯提高模型預(yù)測(cè)梨SSC的效果。

參考文獻(xiàn)：

[1]中國水果產(chǎn)業(yè)基本情況[J].世界農(nóng)業(yè)熱帶信息，2011（12）：11-12.

[2]代 芬，蔡博昆，洪添勝，等. 漫透射法無損檢測(cè)荔枝可溶性固形物[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（15）：287-292.

[3]江國興.豐水梨優(yōu)質(zhì)豐產(chǎn)技術(shù)要點(diǎn)[J]. 西南園藝，2000，28（2）：15-16.

[4]陳 斌，王 豪，林 松，等. 基于相關(guān)系數(shù)法與遺傳算法的啤酒酒精度近紅外光譜分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21（7）：99-102.

[5]吳 迪，吳洪喜，蔡景波，等. 基于無信息變量消除法和連續(xù)投影算法的可見-近紅外光譜技術(shù)白蝦種分類方法研究[J]. 紅外與毫米波學(xué)報(bào)，2009，28（6）：423-427.

[6]Entner V，Massart D L，De N，et al. Elimination of uninformative variables for multivariate calibration[J]. Analytical Chemistry，1996，68（21）：3851-3858.

[7]顏 輝. 植物油的亞油酸、亞麻酸近紅外光譜融合和模型優(yōu)化研究[D]. 鎮(zhèn)江：江蘇大學(xué)，2010：59-60.

[8]Balabin R M，Smirnov S V. Variable selection in near-infrared spectroscopy：benchmarking of feature selection methods on biodiesel data[J]. Analytica Chimica Acta，2011，692（1/2）：63-72.

[9]馬世榜，湯修映，徐 楊，等. 可見/近紅外光譜結(jié)合遺傳算法無損檢測(cè)牛肉 pH 值[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（18）：263-268.endprint

摘要：探索采用便攜式近紅外光譜儀，利用不同光譜預(yù)處理算法及波長優(yōu)選法建立檢測(cè)模型檢測(cè)梨可溶性固形物含量（SSC）的可行性。比較了一階導(dǎo)數(shù)（1st）、二階導(dǎo)數(shù)（2nd）、多元散射校正（MSC）、標(biāo)準(zhǔn)正態(tài)變量變換（SNV）等9種預(yù)處理方法進(jìn)行PLS建模的效果，確定最佳預(yù)處理方法。用相關(guān)系數(shù)法、無信息變量消除法（UVE）、向后區(qū)間偏最小二乘法（biPLS）和向后區(qū)間偏最小二乘法結(jié)合遺傳算法（biPLS+GA）優(yōu)選波長，用偏最小二乘法（PLS）建立梨SSC的定標(biāo)模型，根據(jù)各個(gè)模型的校正集和預(yù)測(cè)集的相關(guān)系數(shù)（r）和交互驗(yàn)證均方根誤差（RMSECV）、預(yù)測(cè)均方根誤差（RMSEP）評(píng)價(jià)定標(biāo)模型的精度和穩(wěn)定性。結(jié)果表明：經(jīng)過SNV預(yù)處理后的建模效果最好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)r分別為0.890 8和0.868 9，RMSECV和RMSEP分別為0.592 5和0.630 8；相較于其他3種波長優(yōu)選法，biPLS+GA 方法不僅優(yōu)選的波長數(shù)少，而且所建模型的預(yù)測(cè)效果更好，校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3。

關(guān)鍵詞：便攜式近紅外光譜儀；梨；可溶性固形物含量；向后區(qū)間偏最小二乘法；遺傳算法

中圖分類號(hào)：O657.33 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2014）08-0284-03

中國果樹栽培面積和產(chǎn)量均為世界第一位。2010年中國果園面積約l 154.39萬hm2，產(chǎn)量約1.29億t。蘋果、柑桔、梨是中國最主要的三大水果，產(chǎn)量占到58%^[1]；梨樹面積、產(chǎn)量次于蘋果、柑桔，居第3位，2011年梨產(chǎn)量接近1 600萬t。梨果脆甜多汁，其糖度與成熟度、品質(zhì)密切相關(guān)。成熟度高的果實(shí)糖度高、品質(zhì)高、口感好，成熟度低的糖度低、品質(zhì)差、口感差。糖度是評(píng)價(jià)其品質(zhì)的指標(biāo)之一，而糖度可以通過可溶性固形物含量（SSC）的測(cè)定獲得，因此試驗(yàn)和研究一般以SSC作為衡量糖度大小的指標(biāo)。

豐水梨是適合我國南方很多地區(qū)栽種的梨品種，個(gè)頭較大，果形圓，外形也比較美觀，果肉乳白色，細(xì)脆爽口，濃甜，汁多^[2]，盡管含糖量高，但肉眼很難看出來，需要使用儀器來檢測(cè)。本試驗(yàn)使用的是NIR256-2.2T2型便攜式近紅外光譜儀，并使用自制光纖來解決在樹檢測(cè)的問題。

現(xiàn)有的便攜式近紅外光譜儀采用的是連續(xù)光源，獲得的是整個(gè)譜段的近紅外光譜，可以通過優(yōu)選波長剔除不相關(guān)的波長^[3]，從而減少波長數(shù)的使用。本試驗(yàn)采用多種波長優(yōu)選法進(jìn)行建模比較，從而確定最佳波長優(yōu)選方法。

1 材料與方法

1.1 儀器設(shè)備

試驗(yàn)用到的主要儀器和設(shè)備有：NIR256-2. 2T2型近紅外光譜儀（美國Control Development公司生產(chǎn)），工作波長 1 089～2 219 nm，分辨率1 nm，檢測(cè)器通道數(shù)為256個(gè)；阿貝折射儀（上海精科）2WAJ；石英光纖（自制），如圖1所示，外面1圈6個(gè)為入射光纖，中間1個(gè)為出射光纖，芯徑為 0.6 mm；白板（海洋光學(xué)）WS-1-SL。

試驗(yàn)中梨近紅外光漫反射示意圖如圖2所示：光源發(fā)出的光經(jīng)入射光纖傳送并投射到樣品后，經(jīng)樣品表皮及內(nèi)部組織漫反射后再經(jīng)出射光纖傳送至近紅外光譜儀，用計(jì)算機(jī)采集數(shù)據(jù)后再進(jìn)行數(shù)據(jù)處理和分析。

3 結(jié)論

研究結(jié)果表明，采用便攜式近紅外光譜儀建立檢測(cè)梨可溶性固形物含量（SSC）的模型是可行的。SNV預(yù)處理方法能明顯提高模型的預(yù)測(cè)效果。與其他3種波長優(yōu)選法相比，biPLS+GA方法不僅優(yōu)選的波長數(shù)最少，而且模型預(yù)測(cè)效果最好，得到的校正集和預(yù)測(cè)集的相關(guān)系數(shù)分別為0.887 9和0.891 0，RMSECV和RMSEP分別為0.599 9和0.571 3，說明經(jīng)biPLS+GA處理后，能明顯提高模型預(yù)測(cè)梨SSC的效果。

參考文獻(xiàn)：

[1]中國水果產(chǎn)業(yè)基本情況[J].世界農(nóng)業(yè)熱帶信息，2011（12）：11-12.

[2]代 芬，蔡博昆，洪添勝，等. 漫透射法無損檢測(cè)荔枝可溶性固形物[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（15）：287-292.

[3]江國興.豐水梨優(yōu)質(zhì)豐產(chǎn)技術(shù)要點(diǎn)[J]. 西南園藝，2000，28（2）：15-16.

[4]陳 斌，王 豪，林 松，等. 基于相關(guān)系數(shù)法與遺傳算法的啤酒酒精度近紅外光譜分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2005，21（7）：99-102.

[5]吳 迪，吳洪喜，蔡景波，等. 基于無信息變量消除法和連續(xù)投影算法的可見-近紅外光譜技術(shù)白蝦種分類方法研究[J]. 紅外與毫米波學(xué)報(bào)，2009，28（6）：423-427.

[6]Entner V，Massart D L，De N，et al. Elimination of uninformative variables for multivariate calibration[J]. Analytical Chemistry，1996，68（21）：3851-3858.

[7]顏 輝. 植物油的亞油酸、亞麻酸近紅外光譜融合和模型優(yōu)化研究[D]. 鎮(zhèn)江：江蘇大學(xué)，2010：59-60.

[8]Balabin R M，Smirnov S V. Variable selection in near-infrared spectroscopy：benchmarking of feature selection methods on biodiesel data[J]. Analytica Chimica Acta，2011，692（1/2）：63-72.

[9]馬世榜，湯修映，徐 楊，等. 可見/近紅外光譜結(jié)合遺傳算法無損檢測(cè)牛肉 pH 值[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（18）：263-268.endprint