基于体积修正的苹果霉心病近红外快速识别

作者：肖男

来源：南方农机, 2023, 54(23): 51-97.

• 近红外光谱
• 体积修正
• 霉心病
• 苹果

【目的】霉心病是苹果主要的内部缺陷之一，极大影响苹果的品质，未能及时剔除将不利于苹果品牌建设，严重影响苹果产业发展。为实现霉心病精准快速识别，提高霉心病果识别正确率，笔者探索不同摆放姿态下经苹果体积修正后对苹果霉心病检测的影响，探索不同体积修正方法对苹果霉心病检测的影响。【方法】利用近红外光谱技术获取苹果在不同摆放姿态和90°模式下的光谱，利用β系数圆球体积法、纵径横径体积法对三种不同摆放姿态的苹果样品光谱进行体积修正，采用去趋势（Detrend）、基线校正（Baseline）、二阶导数（Second Derivative, SD）、标准正态变量变换（Standard Normal Variate, SNV）方法对原始光谱进行预处理，应用支持向量机（Support Vector Machine, SVM）方法建立苹果霉心病判别模型。【结果】在果梗向上姿态下，与未进行体积修正模型精度较好的光谱相比，经β系数体积法和纵径横径体积法进行体积修正的光谱其敏感性和特异性提升效果不佳，可能是在体积修正时部分光谱的重要信息丢失；在果梗向前姿态下，采用纵径横径体积法和SD预处理的模型有最佳的性能，其校正集敏感性为0.978 4、特异性为0.962 6、正确率为0.969 4，预测集敏感性为0.851 0、特异性为1、正确率为0.930 6，与未经体积修正和β系数体积修正相比，采用纵径横径体积法进行体积修正的效果最好，其模型的敏感性和正确率均有所提高；在果梗向右姿态下，经纵径横径体积法和基线校正预处理的模型有最优的性能，其校正集敏感性为0.913 9、特异性为0.925 2、正确率为0.908 2，预测集敏感性为0.829 7、特异性为1、正确率为0.920 7，采用纵径横径体积法进行体积修正的光谱所建立的SVM模型效果最好，其敏感性和正确率提升显著。【结论】在三种摆放姿态下，纵径横径体积法对霉心病检测的提升效果比β系数圆球体积法效果好。本研究提供了一种基于近红外光谱和不同光照模式信息融合的苹果霉心病快速无损识别的新思路，该方法也可为其他水果的内部品质无损检测提供参考。

• 单位
  浙江农林大学; 机电工程学院