应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果校正集相关系数r=0.87,校正均方根误差RMSEC=3.88N,预测集r=0.84,预测均方根误差RMSEP=4.26N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差校正集r=0.85,RMSEC=4.15N,预测集r=0.82,RMSEP=4.67N。结果表明NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。