改进苹果糖度预测模型的近红外光谱预处理技术

简介：
本研究致力于优化苹果糖度预测模型，通过探索多种近红外光谱预处理方法，旨在提高预测精度与可靠性，为农业智能化提供技术支持。 本段落利用正交信号校正法（OSC）和净分析物预处理法（NAP）对苹果近红外光谱数据（1300～2100 nm范围）进行预处理，并结合偏最小二乘法（PLS），建立了糖度预测模型。研究结果显示，随着所用的正交信号校正因子或净分析物预处理因子数量增加，偏最小二乘糖度模型（OSC/PLS和NAP/PLS模型）的最佳因子数会相应减少，并且有可能降至1个。具体而言，在使用了10个正交信号校正因子进行光谱数据预处理后，得到的OSC/PLS糖度预测模型性能最佳，该模型采用2个最佳因子；而在应用了11个净分析物预处理因子对苹果光谱进行预处理的情况下，NAP/PLS糖度模型表现最优，并且仅需使用1个最佳因子。总体评估表明，无论是OSC/PLS还是NAP/PLS糖度预测模型的性能均显著优于基于原始近红外光谱数据的最佳偏最小二乘法模型。这些结果证明了正交信号校正和净分析物预处理方法不仅能够提高苹果糖度预测精度，还能有效简化所建立的预测模型结构。