?

【背景】：高光譜成像技術可以快速且無損的測量食物品質。該研究調查了高光譜成像在400-1000 nm波段范圍預測柑橘果實內部品質屬性例如總可溶性固形物（TSS），pH，可滴定酸度（TA）和成熟度指數（TSS/TA）；以及外部品質屬性，例如顏色成分（L*，a*，?b*）和顏色指數（CI）的可行性。

【方法】：從亞馬遜州（秘魯）收集柑橘樣品（甜橙，瓦倫西亞品種），共80個無不良特征（如物理破壞，病害以及污染成分）的樣品。樣品隨機分為兩組，75%為“校正集”，其余為“預測集”，用于模型的外部驗證。利用Resonon?Pika?XC高光譜成像系統（400-1000 nm）掃描柑橘并采集圖像。利用偏最小二乘法建立預測品質屬性的完整模型。利用回歸系數確定最優波段，通過多元線性回歸建立簡化模型。預測的確定系數（R²p）以及預測的標準誤差（SEP）用來衡量模型的性能。

【結果】：內部品質屬性的完整模型性能較低（R²p < 0.3，SEP >50%）。外部品質屬性的完整模型性能較高（L*：R²p = 0.898，SEP = 19%；a*：R²p = 0.952，SEP = 13%；b*：R²p = 0.922，SEP = 20%；CI：R²p = 0.972，SEP = 12%）。簡化模型與外部品質屬性性能相似。

柑橘圖像和光譜處理的主要步驟：（a）確認感興趣區域；（b）原始平均反射光譜；（c）校正反射率

柑橘的二階導數光譜：（a）完整樣品；（b）半樣品

預測模型的平均預測標準誤差（MSEP）：（a）柑橘內部品質屬性；（b）柑橘外部品質屬性

用于預測的完整模型的回歸系數：（a）柑橘內部品質屬性；（b）柑橘外部品質屬性

外部品質屬性觀測值和預測值（簡化模型）關系圖：（a）L*參數；（b）a*參數；（c）b*參數；（d）顏色指數

【結論】：高光譜成像具有以客觀且無接觸方式預測柑橘顏色的潛力。在未來的研究中，可以通過不同的光譜區域（＞1000 nm）進一步改進完整柑橘內部品質屬性的預測。

利用高光譜成像預測柑橘品質屬性.pdf