基于可见/近红外光谱的菠萝水心病无损检测

水心病近年严重危害菠萝产业,探究一种菠萝水心病的无损检测方法对保证上市果品、指导采后处理、促进产业提升具有重要意义.该研究采用自行搭建的菠萝可见/近红外光谱无损智能检测平台,考虑实际应用成本与效果,搭载覆盖不同波段(400～1100、900～1700和400～1700 nm)的检测器对菠萝样本进行采样,随后人工标定水心病发生程度.研究结果表明,3种不同光谱波段对菠萝水心程度检测的较优方法均为:采用全波段进行多项式平滑(Savitzky Golay,SG)处理,再进行标准正态变量校正(Standard Normal Variate,SNV),最后结合概率神经网络(Probabilistic Neural Network,PNN)建模识别.其中,400～1100 nm所建模型对菠萝水心病训练集的回判正确率为98.51％,对验证集的检测正确率为91.18％;900～1700 nm所建模型对菠萝水心病训练集的回判正确率为100％,对验证集的检测正确率为62％;400～1700 nm所建模型对菠萝水心病训练集的回判正确率为100％,对验证集的检测正确率为91.18％.主成分分析(Principal Component Analysis,PCA)和偏最小二乘回归(Partial Least Squares Regression,PLSR)分析结果均显示,采用400～1700 nm能轻微提升400～1100 nm的检测效果.综合考虑实际应用成本与效果,实际应用建议采用400～1100 nm光谱结合SG+SNV+PNN对菠萝水心病进行识别.研究结果证明可见/近红外光谱技术可为菠萝水心病无损、快速、智能检测提供有效的解决方案,为相关领域提供参考.