部分最小平方回归可溶性固体含量预测模型的性能改进,基于根据果大小调整光源和光谱传感器之间的距离
Doo-Jin Song1, Seung-Woo Chun1, Min-Jee Kim2
1Department of Interdisciplinary Program in Smart Agriculture, Kangwon National University, Chuncheon-si 24341, Republic of Korea.
Sensors (Basel, Switzerland)
|January 23, 2024
概括
调整近红外 (NIR) 光谱距离可以改善不同大小的果中可溶性固体含量 (SSC) 的预测. 这种优化提高了水果质量评估的准确性,这对果行业至关重要.
科学领域:
- 农业科学 农业科学
- 频谱学是一种光谱学.
- 数据分析 数据分析
背景情况:
- 果是韩国的主要作物,因为甜味而受到重视.
- 溶性固体含量 (SSC) 衡量果的甜度,通常通过近红外 (NIR) 光谱学进行非破坏性评估.
- 现有的NIR方法面临测量错误,原因是固定的传感器光距离和不同的果大小.
研究的目的:
- 调查大小差异引起的果的光谱变化.
- 使用部分最小平方回归 (PLSR) 开发一个最佳的SSC预测模型.
- 确定最佳的NIR测量条件,以最大限度地减少与尺寸相关的光谱效应.
主要方法:
- 从六个果大小级 (I-VI) 收集了Vis/NIR光谱.
- 评估了三个特定的光源到果和传感器到果的距离 (125/75mm,123/75mm,135/80mm).
- 应用了PLSR与乘数散射校正 (MSC) 进行SSC预测.
主要成果:
- 确定了最佳的测量条件,以减少果大小对光谱的影响.
- 在距离3 (135/80mm) 下的PLSR模型显示了IV级果的最佳性能 (Rpre2 = 0.91,RMSEP = 0.508 °Brix).
- 光谱特征随着果的大小和测量距离而有显著的变化.
结论:
- 根据果大小调整NIR传感器光距离可以显著提高SSC预测的准确性.
- 这种方法提供了一种实际的方法,可以提高果实行业的非破坏性质量评估.
- 优化的NIR光谱具有精确,尺寸调整的水果质量评估的潜力.
