下载文档原格式
高光谱成像技术在水果多品质无损检测中的应用刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【摘要】简介高光谱成像系统的原理及优势,综述国内外高光谱技术在水果内部和外部品质检测方面的应用,分析其在相关检测中存在的主要不足,展望其未来发展方向,为提高高光谱成像技术在水果多品质无损检测中的检测准确性提供参考.【期刊名称】《农业科技与装备》【年(卷),期】2016(000)005【总页数】4页(P50-52,56)【关键词】高光谱成像技术;水果品质;无损检测;外部品质;内部品质【作者】刘亚;木合塔尔·米吉提;曹鹏程;岳建魁【作者单位】新疆农业大学机械交通学院,乌鲁木齐 830052;阿克苏职业技术学院,新疆阿克苏 843000;新疆农业大学机械交通学院,乌鲁木齐 830052;新疆农业大学机械交通学院,乌鲁木齐 830052【正文语种】中文【中图分类】S123;TP391.4水果在采摘包装运输过程中，易受人为或水果自身因素影响而内部或外部品质受损。
随着人类健康观念的增强，对水果品质的要求越来越高，促使水果多品质分类越来越严格。
在水果商品化处理过程中，准确、快速、客观的质量检测系统是确保其安全高质量生产的保证，也是现代水果产业的发展趋势。
目前，我国水果分类分级主要依靠人工视觉，既费时费力又难以排除主观因素。
水果无损检测是在不损伤果体的情况下，应用一定的检测技术和分析手段，对水果内外部品质进行测定，并按照一定标准作出评价的过程。
随着光谱技术发展，国内外学者把目光聚焦在高光谱成像技术上。
高光谱成像技术是从遥感图像技术发展而来的，基于非常多窄波段图像数据技术，是传统二维图像技术和光谱技术有机结合的一项新兴技术，融合光学、电子学、图像处理、计算机科学等多学科知识。
高光谱成像技术可以同时获取农产品图像和光谱信息，其中图像信息能够直接反映农产品外部形状特征、颜色、纹理、缺陷和污斑情况，光谱数据则可分析农产品内部化学成分含量，如糖度、酸度、含水率、可溶性固形物含量等。
利用荧光高光谱图像技术无损检测猕猴桃糖度吴彦红;严霖元;吴瑞梅;杨勇【期刊名称】《江西农业大学学报》【年(卷),期】2010(032)006【摘要】将405nm激光照射到猕猴桃样品上,当激光透过样品内部时,部分单色光被样品内部成分吸收,释放出荧光,再用高光谱成像系统采集诱导出的荧光散射图像.在荧光散射图像上选取感兴趣荧光区域(ROIs),提取感兴趣区域在波长400～1000nm范围内的特征变量.当提取12个特征变量时,建立的猕猴桃糖度多元线性回归(MLR)模型的校正集相关系数Rc为0.932,预测均方根误差(RMSEC)为0.4764°Brix,预测集相关系数Rp为0.8227,预测均方根误差(RMSEP)为0.5645°Brix.研究结果表明,采用激光诱导荧光成像技术无损检测猕猴桃糖度是可行的.【总页数】5页(P1297-1300,1306)【作者】吴彦红;严霖元;吴瑞梅;杨勇【作者单位】江西农业大学工学院,江西南昌330045;江西农业大学工学院,江西南昌330045;江西农业大学工学院,江西南昌330045;深圳市方大装饰工程有限公司,广东深圳518057【正文语种】中文【中图分类】S123;O433.2【相关文献】1.基于荧光高光谱图像的柑桔糖度无损检测 [J], 喻晓强;刘木华;郭恩有;杨勇2.基于高光谱图像技术的长枣糖度无损检测 [J], 徐爽;何建国;易东;贺晓光3.基于高光谱特性的砂糖桔糖度的无损检测 [J], 赵珍珍4.基于高光谱图像信息融合的红提糖度无损检测 [J], 高升; 王巧华5.高光谱成像的猕猴桃糖度无损检测方法 [J], 许丽佳;陈铭;王玉超;陈晓燕;雷小龙因版权原因，仅展示原文概要，查看原文内容请购买。
基于高光谱成像技术生长发育后期苹果糖度的无损检测孟田源;王转卫;迟茜;赵凡;翁小凤【期刊名称】《西北农林科技大学学报（自然科学版）》【年(卷),期】2016(044)006【摘要】[目的]研究应用高光谱成像技术无损检测生长发育后期苹果糖度的可行性.[方法]以生长发育后期的“富士”苹果为对象,基于采集到的波长900～1 700 nm高光谱数据,建立预测苹果糖度的偏最小二乘(PLS)、支持向量机(SVM)和极限学习机(ELM)模型,并比较主成分分析(PCA)和连续投影算法(SPA)2种数据压缩或特征波提取方法对预测模型精度的影响.[结果]采用PCA方法可将全光谱压缩至9个主成分,采用SPA从全光谱的230个波长中提取出了13个特征波长,两者相比,SPA 能更有效地提高模型预测能力.预测生长发育后期苹果糖度的最佳模型为基于SPA 的PLS模型,其预测集相关系数为0.945,均方根误差为0.628°Brix.[结论]高光谱图像技术可以用于生长发育后期苹果糖度的无损检测,该技术的应用将有助于指导苹果的种植和适时采收.【总页数】7页(P228-234)【作者】孟田源;王转卫;迟茜;赵凡;翁小凤【作者单位】西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100;西北农林科技大学机械与电子工程学院,陕西杨凌712100【正文语种】中文【中图分类】S123;S661.1【相关文献】1.基于高光谱成像技术的新疆冰糖心红富士苹果分级和糖度预测研究 [J], 郭俊先;饶秀勤;程国首;胡光辉;李俊伟;石砦;亢银霞2.基于高光谱成像提取苹果糖度与硬度最佳波长 [J], 冯迪;纪建伟;张莉;刘思伽;田有文3.基于漫反射高光谱成像技术的哈密瓜糖度无损检测研究 [J], 马本学;肖文东;祁想想;何青海;李锋霞4.梨枣糖度无损检测建模分析--基于高光谱成像技术 [J], 王斌;尹丽华;张淑娟5.基于高光谱成像技术的苹果表面缺陷\r无损检测 [J], 孟庆龙;张艳;尚静因版权原因，仅展示原文概要，查看原文内容请购买。
基于高光谱图像技术的水果品质检测的若干问题研究的开题报告一、研究背景水果作为人们日常生活中重要的食品之一，其品质的好坏直接关系到消费者的健康和满意度。
传统的水果品质检测主要依靠人工经验和观察。
但这种方法存在不可避免的主观性，而且检测效率低下，无法满足大规模生产的需求。
高光谱图像技术是一种新兴的无损检测方法，可以获取物体的大量光谱信息，对物体进行全面、准确的质量评估。
近年来，高光谱图像技术在农产品品质检测领域得到广泛应用，成为解决传统检测方法缺陷的有效手段。
二、研究目的本研究旨在探索基于高光谱图像技术的水果品质检测方法，研究如何利用高光谱图像技术提取水果的特征信息，建立水果品质检测模型，实现自动化检测，提高检测效率和准确性。
三、研究内容1. 研究高光谱图像技术在水果品质检测中的应用原理和方法；2. 建立基于高光谱图像技术的水果品质检测模型，采用经典算法和深度学习等方法进行特征提取和分类；3. 实验验证所建立的水果品质检测模型的准确性和可靠性；4. 分析不同因素对水果品质检测结果的影响，探讨如何进一步提高检测效率和灵敏度。
四、研究意义本研究探索基于高光谱图像技术的水果品质检测方法，具有以下意义：1. 提高了水果品质检测的准确性和效率，为水果质量监测提供了新的手段和思路；2. 推广了高光谱图像技术在农业领域的应用，为农业智能化发展做出了贡献；3. 为消费者提供更加安全、健康的水果产品，促进健康中国战略的实施。
五、研究方法本研究采用文献调研和实验验证相结合的方法进行，具体步骤如下：1. 对高光谱图像技术在农业领域的基础理论和应用现状进行全面调研和综述；2. 收集水果品质检测相关数据，采用高光谱图像技术进行数据处理和特征提取；3. 采用传统算法和深度学习方法建立水果品质检测模型，进行实验验证；4. 分析实验结果，总结经验教训，提出可行性方案和改进建议。
六、研究计划本研究计划于2022年开始，历时两年完成。
农产品无损质量检测技术为了有效满足各项改革制度的落实及政策实施，该文基于广州市白云区实际情况针对现阶段应用的无损检测技术进行探讨，介绍了基于高光谱图的计算机视觉技术、电磁特性检测技术、近红外光谱检测技术的应用原理，并阐述了这些技术在农产品质量检测中的具体应用，分析了无损检测技术的发展趋势，以期更好地保障农产品安全。
无损检测技术是农产品的重要检测技术，也是目前应用较广泛的技术。
此技术主要针对作物内部进行研究，明确组织构造存在的缺点，同时分析作物产生的磁、热反应，可快速检测出作物的内部基因缺陷，对农业的可持续发展有一定的促进作用。
一、农产品质量检测中的常用无损检测技术1、基于高光谱图的计算机视觉技术计算机视觉技术在无损检测技术中应用率较高，主要基于图像识别等技术展开相关检测，主要检测产品的新鲜度和颜色，还可明确产品的成熟度。
快速检验时通常用于明确新鲜度和色度，如检测水果或牛肉时可快速了解产品的具体情况。
近几年计算机技术发展较快，视觉系统有了长足进步，可有效打破可见光区域的局限性，有效延伸到远红外线和X射线等领域。
视觉技术中，高光谱图是一种新兴技术，采用特定长度的光波，相比于传统光谱，高光谱在分辨率方面提升显著。
基于高光谱图技术的视觉检测技术已经逐渐成为机器视觉系统，应用率较高，未来应用前景广阔。
2、电磁特性检测技术电磁特性检测技术应用率也较高，物体的磁场、电场会表现出不同的磁、电特性参数，科学分析可明确产品特性。
电磁特性技术比近红外检测、视觉检测技术更加简单，处理相关数据时更加简单便捷。
尤其是检测蔬菜和水果质量时，该技术检测成熟度效果更佳。
3、近红外光谱检测技术检测辣椒品质时，传统检测通常仅能测定外形、颜色以及体积大小等，近红外光谱检测则可对各物质的具体含量进行判定，还不会导致产品被破坏，因为此技术可通过辐射光中的相关频率波段光进行选择性吸收完成产品检测。
光谱采集所需时间不多，需要检测的产品也不用进行预处理，具体可检测维生素C、辣度以及SSC等项目。
基于高光谱图像技术的农产品品质无损检测田有文;王晓娟【摘要】高光谱图像技术结合了计算机图像与光谱技术两者的优点,是农产品品质无损检测技术的发展趋势.为此,阐述了农产品品质检测中高光谱图像技术的基本原理;介绍了高光谱图像技术在农产品外部品质和内部品质检测中的应用现状及信息处理方法;并对高光谱图像技术应用于农产品品质检测技术的发展提出了建议.【期刊名称】《农机化研究》【年(卷),期】2009(031)010【总页数】4页(P220-222,226)【关键词】高光谱图像;农产品品质;无损检测【作者】田有文;王晓娟【作者单位】沈阳农业大学,信息与电气工程学院,沈阳110161;沈阳农业大学,信息与电气工程学院,沈阳110161【正文语种】中文【中图分类】TP274+.5;S1260 引言农产品品质关系到人民生命安全和国民经济发展，因此农产品的检测技术一直是农业工程领域的重要研究课题。
农产品的品质包括内部品质和外部品质。
目前，对农产品的外部品质检测主要采用可见光图像检测和红外图像检测等较成熟的技术，但是这些检测技术无法获取农产品内部品质有效信息。
近红外光谱技术可在线实时无损检测农产品的内部品质，而近红外光谱技术只提供对检验客体一个小区域的检测。
由于农产品的品质在空间上存在差异 ,所以该方法还存在一定的局限。
近年来, 高光谱图像技术在农产品品质无损检测中的应用是一个重要的发展趋势。
由于高光谱图像技术检测的农产品品质信息包含光谱和图像信息，光谱技术能检测水果的物理结构和化学成分等, 图像技术又能全面反映农产品的外在特征、表面缺陷及污染情况, 所以通过提取农产品高光谱图像中各检测参数所对应的特征波长,能对农产品的综合品质进行全面、快速的检测。
1 高光谱图像基本原理高光谱图像是一系列光波波长处的光学图像。
光谱范围可以在紫外(200～400nm )、可见光(400～760nm )、近红外(760～ 2 560nm ) 以及波长大于2 560nm 的区域。
葡萄内部品质的高光谱成像检测研究葡萄内部品质的高光谱成像检测研究摘要：近年来，随着农业科技的进步和人们对食品安全的关注度逐渐提高，葡萄品质检测成为了一个备受关注的研究领域。
本文通过引入高光谱成像技术，系统研究了对葡萄内部各种成分进行非破坏检测的方法和技术，为葡萄品质检测提供了新的思路和手段。
1. 引言葡萄是一种重要的经济作物，也是人们日常饮食中常见的水果之一。
其丰富的营养价值和独特的口感使其备受欢迎。
然而，葡萄的品质受到多种因素的影响，如种植环境、栽培管理、气候条件等。
因此，对葡萄的品质进行准确评估和检测具有重要意义。
2. 葡萄内部品质的成分及检测方法葡萄内部的品质主要包括糖分含量、酸度、多酚、维生素等成分。
传统的葡萄品质检测方法主要采用化学分析的方法，如高效液相色谱、气相色谱等。
然而，这些方法需要对葡萄进行破坏性采样，且操作复杂，限制了其在实际生产中的应用。
3. 高光谱成像技术高光谱成像技术是一种利用大量连续的谱线进行成像的技术。
其利用物体不同成分对光谱的吸收、反射和散射特性进行成像，能够提取出物体的大量信息。
高光谱成像技术在农业领域的应用已逐渐得到重视，对于作物的生长状态、病虫害检测等方面有着重要作用。
4. 葡萄内部品质的高光谱成像检测研究为了研究葡萄内部品质的高光谱成像检测方法，我们选择了一批葡萄样本进行实验。
首先，我们利用高光谱成像设备对葡萄进行成像，获取了葡萄不同位置的高光谱图像。
然后，我们利用光谱分析和数据处理技术提取出葡萄中不同成分的光谱特征，并构建了相应的检测模型。
最后，我们通过对比实验结果和化学分析结果，验证了高光谱成像检测方法的有效性和准确性。
5. 结果与讨论实验结果表明，利用高光谱成像技术可以准确、非破坏性地检测葡萄内部的各种成分。
通过对比分析不同位置的高光谱图像，我们可以发现不同位置的葡萄中成分含量存在差异。
而且，通过对光谱特征进行分析，我们还可以了解到不同成分之间的相互关系。
农产品无损检测中高光谱成像技术的应用研究下载温馨提示:该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
文档下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by theeditor.I hope that after you download them,they can help yousolve practical problems. The document can be customized andmodified after downloading,please adjust and use it according toactual needs, thank you!In addition, our shop provides you with various types ofpractical materials,such as educational essays, diaryappreciation,sentence excerpts,ancient poems,classic articles,topic composition,work summary,word parsing,copy excerpts,other materials and so on,want to know different data formats andwriting methods,please pay attention!农产品无损检测中的高光谱成像技术应用研究一、引言随着科技的飞速发展，农产品质量检测技术也在不断进步。
基于高光谱技术的葡萄糖度无损检测方法研究发表时间：2018-11-13T20:07:56.373Z 来源：《电力设备》2018年第20期作者：吕茁源[导读] 摘要：葡萄作为世界十大水果之一，其种植面积和年生产量始终处于世界水果生产前列。
（北京四中）摘要：葡萄作为世界十大水果之一，其种植面积和年生产量始终处于世界水果生产前列。
在2015年，中国以1260万吨的葡萄产量（含鲜食葡萄），成为世界第一大葡萄生产国（占全球总量的 17%），逐渐从原来传统的农业与工业混合型朝着现代农业转型。
但与世界发达国家相比，中国葡萄的优质化、标准化生产以及市场运作还处于初级阶段，葡萄浆果的产后处理，品质鉴别检测一直是农产品加工研究的重要课题。
目前我国葡萄含糖量测试方法是从每穗摘取1至3粒葡萄，获得葡萄汁再进行糖度的测量，这样的方法耗时耗力，还会对葡萄造成损伤，并且不能满足现代农业生产的需求。
本课题采用可见——近红外光谱技术，实现葡萄的无损糖度测量。
关键词：特征光谱，光谱鉴别，糖度分析一、引言国外非常重视水果产后的商品化处理，所有果品上市前必须经过分选包装线，根据超市要求，对果品进行严格分选和包装，常年满足超市的供货需求。
在澳大利亚太平洋世纪集团的一个农场里所出的水果，无论是葡萄、柑橘、柠檬，还是荔枝等等，百分之百都经过水果加工的生产线进行预冷、清洗、挑选、杀虫、杀菌、打蜡、分选、包装冷藏后再推向市场，因而他们的葡萄在市场上可以卖到300至600元/箱，而新疆的“红地球葡萄”在市面上也只能卖至70至150元/箱，其价格相差5至6倍[1]。
葡萄浆果的含糖量是葡萄品质评定的重要指标,尤其在作为酿酒原料时，由于要适应葡萄酒的种类及其酿造工艺，对葡萄浆果的含糖量要严格控制。
传统的葡萄浆果含糖量的检测方法是从每穗摘取1至3粒葡萄，取一定数量的浆果以获得250mL左右的葡萄汁再进行含糖量的测定，这样的测量方式耗时费力，对葡萄进行损伤，易造成样本变质，人为误差较大。
利用近红外光谱分析技术具有快速、非破坏性、无需前期处理以及多组分类同时定量分析、测试等优势。
可充分利用全谱或多谱长下的光谱数据进行定性和定量分析[2-3]。
另外，快速无损的糖度检测方法给工业化、无人化农业生产提供了可能。
果农可通过数据实时监测水果的成熟情况，从而科学地种植、采摘甚至运输，大幅度地降低生产、运输损耗，提高生产效率，降低生产成本。
二、近红外光谱分析技术发展现状无损检测技术是在不损坏被检测对象的性质和使用效果的前提下，以光学、化学、声学、电学、物理、图像视觉等方法为手段，借助先进的技术和设备[3]，对物体表面与内部的结构、性质、状态进行检查或测试的一种检测手段，经过国内外研究人员不断地深入研究，无损检测技术正逐步与高精度化、低辐射化、智能化、信息化接轨[1]。
近年来，现代光纤通讯技术飞速发展，带动小型化的半导体激光器LD，发光二极管LED等新型光源器件不断涌现，为开发小型化的专用水果糖度检测仪器提供了技术支持[2]。
通过可见光近红外光谱技术对水果的检测也在不断地发展和拓展，在越来越多种的水果种植中提供生产信息[4]。
三、可见光——近红外光谱技术对葡萄的检测方法（一）选定实验器材。
实验中选用钨灯作为光源，将波长量程在390-1100nm左右的光谱仪和折光糖度仪作为实验仪器使用。
（二）选定实验材料。
考虑到季节因素，所测试时间为冬季，选用市场上的的四种提子，表皮颜色不同，分别为青提、黑提、红提和小红提。
将新鲜的样品储存在冰箱中，实验前两小时取出，洗净，分离果粒，并选择分别从四种提子中选取各1至3粒颗粒饱满的果粒待测。
（三）预实验。
首先需要控制测试温度、测试湿度、测试光线等变量，找到适合本实验的测试方法以提高实验数据的准确性，然后通过测试剔除异常样本。
因为正常葡萄表面都会有“白霜”，属于葡萄在生长过程中合成的天然物质。
为保证实验结果的准确性，试验时选取葡萄样本上最接近原本表皮颜色的区域上一点作为测试点。
（四）实验。
第一步，打开光谱仪与光源并进行预热三十分钟，保持设备的稳定性。
第二步，打开光谱仪软件，将待测葡萄置于白板上，分别测量并保存三种葡萄的光谱数据。
第三步，将葡萄样本分别转入带有标记的纸杯中，准备下一步糖度测量。
第四步，室温下，用滴管吸取少量蒸馏水，滴加在折光仪上，待显示折光仪示数为0可以开始实验。
第五步，挤压果粒，将汁液覆盖折射仪镜面并直接读取数值，重复取样测量 3 次，计算平均值作为该串葡萄样本的最终 SSC 值。
每次平行测定之间只需纸巾擦去汁液，两个样品之间需用蒸馏水冲洗镜面擦干后再进行测定，并做好相关记录。
四、实验数据处理与模型建立（一）葡萄籽粒提取可溶性固形物样本的选取。
在建立葡萄可溶固形物定量模型时，我们进行了异常样本的剔除，选用了39个葡萄样本。
建模样本与检测样本的合理选择直接影响葡萄可溶固形物数学模型的建立和预测效果的好坏。
通常建模样本的性质需要具有广泛代表性及一定数量，所建立的数学模型才具有通用性，也才能对未知的葡萄样本做出比较好的预测结果。
因此，对于每个品种均从中随机选取67%作为校正集，其余33%作为验证集。
表1为提子可溶固形物模型建立的建模样本和检测样本的选取情况。
表1 建模样本与检测样本的选取（二）葡萄籽粒可溶性固形物含量PLS模型的建立与检验。
按照 GB-12295《水果、蔬菜制品可溶性固形物含量的测定》中规定的方法来测定葡萄可溶性固形物的含量，用数字式糖度折射仪，仪器的精度为0.1°Brix，测量范围为 0~45°Brix。
以穗为单位，去除代表该穗葡萄的 12 颗葡萄样本非可食部分，将可食部分压榨后用滤纸过滤获得葡萄汁混匀。
测试前，需用蒸馏水进行零点校正，将汁液覆盖折射仪镜面并直接读取数值，重复取样测量 3 次，计算平均值作为该串葡萄样本的最终 SSC 值。
每次平行测定之间只需纸巾擦去汁液，两个样品之间需用蒸馏水冲洗镜面擦干后再进行测定，并做好相关记录。
（三）光谱数据预处理。
记为波长处所对应的参照光谱强度，为波长处的暗谱线强度，为波长处样本的反射光谱强度。
那么样本光谱在波长处的标准反射值Sref为:将采集到的光谱曲线载入到Matlab中，利用Matlab中的平滑函数对曲线进行平滑处理。
（四）特征波长选取。
由于获得的原始光谱光谱数据量较大，其中包含有大量与被测组分不相关、无用的信息，并非所有波段数据都利于模型的建立，而那些冗余信息可能影响模型的预测精度和建模速度，因此，有必要对采集到的光谱波长变量进行优选，通过提取特征波长，压缩输入变量个数和减少数据信息重叠，降低模型复杂度，提高数据处理效率和模型预测性能。
采用特征波段（645，683，707，749，785）对所有样本进行分析。
图1 葡萄光谱曲线(五)数据建模方法。
采用Matlab软件中最小二乘法函数进行数据建模。
最小二乘法（又称最小平方法）是一种数学优化技术。
它通过最小化误差的平方和寻找数据的最佳函数匹配。
利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。
最小二乘法还可用于曲线拟合。
其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
（六）模型精度。
模型精度所建定量模型的优劣是通过相关系数（The Correlation Coefficient，R）和均方根误差（Root Mean Square Error，RMSE）来判定，本文选择的评价性能参数有校正均方根误差（Root Mean Square Errors of Correction，RMSEC）、预测均方根误差（Root Mean Square Error of Prediction ，RMSEP）、相关系数。
通常，模型的相关系数越大越接近于 1，RPD 越高，RMSEC 和 RMSEP 越小且越接近，说明模型预测性能越好，精度高。
计算公式如下：模型相关系数为Rc为0.9369，预测模型相关系数为Rp为0.9340，可见模型相关系数较高，模型预测集均方根误差也在允许误差范围内为0.4785和0.5346，预测相对误差最大为4.58%，小于10%。
因此最小二乘法模型对葡萄可溶性固形物含量的预测满足实际应用要求，模型建立比较成功。
五、结论为了得到无损测量葡萄糖度的有效方法，本研究使用了光谱分析法及数据建模法以39个葡萄样本的光谱和糖度数据建立了糖度分析模型。
首先，在实验中选用了三种不同表皮颜色的提子，并选取了各13粒作为实验样本，用近红外光谱仪获得光谱数据，再用数字式糖度折射仪（精度为 0.1°Brix）得到糖度数据；对平滑处理后的光谱曲线和糖度数据采用连续投影算法提取光谱的特征波长；再用Matlab软件中最小二乘法函数进行数据建模；最后检验模型精度，发现该模型对葡萄可溶性固形物含量的预测满足要求，模型建立成功。
参考文献[1]吴桂芳，黄凌霞，何勇.葡萄浆果糖度可见/近红外光谱检测的研究.光谱学与光谱分析.[2] 杨承时，中国葡萄栽培的起始和演化.中外葡萄与葡萄酒，2003 (4):4-7.[3]鲁伟奇，葡萄成熟度无损检测研究.中国计量学院[4]R Lu, R., Guyer, D.E., & Beaudry, R.M.(2000).determination of firmness and sugar content of apples using near – infrared diffuse reflectance. Journal of Texture Studies, 31(6):615 -630[5]Choi K.H., Lee K.H., Kim G., 2006，Nondestructive Quality Evaluation Technology for Fruits and Vegetables Using Near-Infrared Spectroscopy.International Seminar on Enhancing Export Competitiveness of Asian Fruits.Bangkok, Thailand, 18-19 May 2006 [6]徐慧荣，基于可见/近红外光谱的水果糖度检测模型优化及应用研究.浙江大学博士学位论.2010.。
