基于高光谱的套袋和不套袋苹果糖度无损预测模型研究

现市场上普遍存在套袋和不套袋两种种植模式的苹果,为了更精确地检测苹果糖度,针对这两种模式,分别探究了其糖度无损检测模型。以烟台栖霞生产基地的红富士苹果为研究对象,以苹果糖度为测试指标,对套袋和不套袋苹果分别建立了全光谱反向传播神经网络模型(FS-BP)、全光谱偏最小二乘模型(FSPLS)、主成分分析反向传播神经网络模型(PCA-BP)、主成分分析偏最小二乘模型(PCA-PLS)、蚁群算法反向传播神经网络模型(ACO-BP)、蚁群算法偏最小二乘模型(ACO-PLS),通过对比这6种模型的糖度预测精度找出分别适用于套袋和不套袋苹果的最优模型。结果表明,ACO-PLS无论在套袋还是不套袋苹果糖度的预测上都取得了最高的预测精度,不套袋苹果样本训练集均方根误差为0. 3489,相关系数为0. 9258,测试集均方根误差为0. 3247,相关系数为0. 9279;套袋苹果样本训练集均方根误差为0. 3833,相关系数为0. 9449,测试集均方根误差为0. 3146,相关系数为0. 9602。本研究结果为建立苹果品质分级系统提供了重要的参考价值。