文章摘要:针对近红外漫反射光谱对苹果霉心病判别准确率较低的问题，提出了一种融合密度特征与漫反射光谱的苹果霉心病多因子无损检测方法。基于光谱采集平台获取195个富士苹果的漫反射光谱（200～1 100 nm）信息，利用WLD-600密度仪获取苹果密度信息，采用标准正态变量变换（standard normal variable transformation，SNV）对光谱数据进行预处理，竞争性自适应重加权采样法（competitive adaptive reweighted sampling，CARS）和连续投影算法（successive projection algorithm，SPA）结合用于提取与霉心病相关的特征光谱，分别以密度、特征光谱、密度+特征光谱作为模型因子，建立偏最小二乘判别（partial least squares discriminant analysis，PLS-DA）、Fisher判别、支持向量机（support vector machine，SVM）和最小二乘支持向量机（least squares support vector machine，LS-SVM）4种不同的苹果霉心病判别模型。结果表明，在不同的霉心病判别模型中基于密度与特征光谱融合的模型总体判别率均高于分别基于密度、特征光谱的模型总体判别率，其中，基于密度与特征光谱融合的SVM模型总体判别率最高，为95.56%，而基于密度、特征光谱建立的SVM模型总体判别率分别为82.22%、91.11%，因此融合密度特征可进一步提高漫反射光谱对苹果霉心病的判别准确率，同时为开发基于漫反射检测原理的便携式苹果内部病害与品质一体化无损检测设备提供了可能。

文章关键词:

论文DOI:10.13995/j.cnki.11-1802/ts.029024

论文分类号:TS255.7;S436.611.1