段建立了带皮马铃薯和不带皮马铃薯关于含水量的预测模型,实验证明在不同波段建立的模型具有更低的方差和更高的可靠性。Shyam等[15]采用便携式近红外测试系统对西红柿汁的酸糖率(acid-brixratio:ABR)进行检测。对比不同波段及不同光谱预处理方法对西红柿汁的酸糖率预测模型的影响。结果表明,随着波段的增加,预测结果得到提高;不同光谱预处理对预测模型结果没有任何提升;在波段105915~112418nm范围时,预测结果最好,其SEC和SEP均为0.009,r均为0.92。Andre等[16]采用近红外光谱技术结合PLS1方法对西红柿中的总固形物、可溶性固形物、番茄红素和β-胡萝卜素含量进行无损测定。结果表明,采用MSC预处理并将光谱分成三段得到最优模型,其预测标准偏差(RMSEP)分别为:总固形物0.4157%,可溶性固形物0.6333oBrix,番茄红素21.5779mg·kg-1,β-胡萝卜素0.7296mg·kg-1;其预测相关系数(rp)均接近1。Pedro等[17][18]采用近红外光谱分析技术对番茄中的总固形物、可溶性固形物、总酸、总糖、葡萄糖和果糖进行无损检测。建立了PLS1和PLS2模型并通过RMSEP检验了模型的预测能力。Clément等[19]采用可见光/近红外光谱的多元的方法,对北美市场上的番茄的成熟度和味觉属性进行快速评估测量。因子分析方法来分析结果。采用有四个因素,占81%的变异量。番茄成熟阶段(TMS)是有关颜色、番茄红素含量、硬度、可滴定酸度(TA)的、pH值、可溶性固形物(SS)。无损的可见近红外光谱快速评估可以预测TMS的相关(r2=0.93)。Pathompong等[20]采用近红外光谱技术对柿子椒的硬度和可溶性固形物含量进行非破坏性测量。两个品种(‘Solution’和‘Ferrari’)和两个收获时间(2005年和2006年),
全文预览
