查看更多>>摘要:酚类物质是评价葡萄成熟品质的重要指标,本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究.通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400~1 029 nm范围内的漫反射光谱,采用SPXY算法将其划分为校正集和预测集,结合标准正态变换(Standard normal variate,SNV)、多元散射校正(Multiplicative scatter correction,MSC)、一阶导数(First derivative,1D)、二阶导数(Second derivative,2D)、Savitzky-Golay 卷积平滑(Savitzky-Golay smoothing,SG)和 Savitzky-Golay 卷积平滑+一阶导数(SG+1D)6种预处理方法以及偏最小二乘回归(Partial least squares regression,PLSR)、支持向量机回归(Support vector machine regression,SVR)和卷积神经网络(Convolutional neural network,CNN)3 种建模算法,分别建立了基于全波段和特征波长的葡萄皮总酚、籽总酚、皮单宁和籽单宁定量预测模型并进行综合对比分析.结果表明,对于皮总酚、籽总酚和籽单宁,经特征波长筛选后建立的模型效果优于全波段,而对于皮单宁,全波段建立的模型较特征波长效果更佳;因此,在预测皮总酚、籽总酚、皮单宁和籽单宁含量时,最优模型分别为RAW-CARS-SVR、1D-CARS-SVR、RAW-CNN 和 RAW-CARS-PLSR,校正集相关系数(Correlation coefficient of calibration set,Rc)分别为 0.96、0.99、0.96 和 0.91,预测集相关系数(Correlation coefficient of prediction set,Rp)分别为 0.95、0.99、0.83 和 0.89,剩余预测偏差(Residual predictive deviation,RPD)分别为 3.56、7.30、1.92 和 2.25.因此,结合可见-近红外光谱和合适的回归模型,可以实现对巨玫瑰葡萄的皮-籽总酚、皮-籽单宁含量的无损检测.