東北林業(yè)大(da)學(xué)研究人(ren)員在(zai)國內(nèi)(nei)期刊《光譜(pu)學(xué)與光譜分(fen)析》發(fā)表了題為(wei)"基于可見(jian)－近紅外光(guang)譜和深度森林(lin)的藍莓(mei)成熟(shu)度判別"的(de)研究論文。在該論文中(zhong)，研究(jiu)人員使用上(shang)海騰拔Universal TA國產(chǎn)(chan)質(zhì)構(gòu)(gou)儀測定了藍(lan)莓的(de)硬度。

摘　要　為快速準(zhun)確對(dui)藍莓果(guo)實成熟程(cheng)度進行分類(lei)，采用近紅外(wai)光譜檢測技(ji)術(shù)和深度(du)森林(lin)算法，建立了藍(lan)莓成(cheng)熟度的判(pan)別模型。采用(yong)ＬａｂＳｐｅｃ?。担埃埃肮庾V(pu)儀采集(ji)了三種不(bu)同成熟程度(du)的藍莓標準樣(yang)品，共獲取(qu)了１５０組光譜樣(yang)本。為確定(ding)最佳輸(shu)入模(mo)型特征(zheng)數(shù)目，對原始光(guang)譜數(shù)據(jù)進(jin)行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積(ji)平滑處理，采(cai)用主成(cheng)分分(fen)析將平(ping)滑處理后的(de)數(shù)據(jù)降至４個主(zhu)成分，并采用多(duo)項式特(te)征衍生(sheng)方法對(dui)每個主成分(fen)進行２、３、４、５階的特征(zheng)衍生(sheng)，最終(zhong)在深(shen)度森林(lin)中確定(ding)最佳的特征(zheng)衍生階數(shù)為４。為(wei)檢驗深度森林(lin)的成(cheng)熟度判別效果(guo)，將其與隨機(ji)森林、jiduan梯度提升(sheng)樹算法（ｘｇｂｏｏｓｔ）及(ji)ｓｔａｃｋｉｎｇ融合模型(xing)進行了對比(bi)，對各模(mo)型確定(ding)了最佳超參數(shù)(shu)組合，深度森林(lin)和ｓｔａｃｋｉｎｇ融合模(mo)型采用了手(shou)動調(diào)參，隨機森(sen)林和ｘｇｂｏｏｓｔ采(cai)用了(le)貝葉斯優(yōu)化(hua)算法進行了(le)超參數(shù)(shu)尋優(yōu)(you)。模型評估指(zhi)標采(cai)用準確率(lv)、混淆(xiao)矩陣、受試(shi)者工作特征(zheng)曲線（ＲＯＣ）、ＡＵＣ度量及抗(kang)噪能(neng)力。研究結(jié)果表(biao)明，在測試集上(shang)，深度(du)森林和ｓｔａｃｋｉｎｇ融(rong)合模型(xing)的準確率均(jun)為９５．５６％，隨(sui)機森林和ｘｇｂｏｏｓｔ的(de)準確率(lv)為９３．３３％；深度森林(lin)的ＡＵＣ值為１，隨機森(sen)林、ｓｔａｃｋｉｎｇ融合(he)模型、ｘｇｂｏｏｓｔ的(de)ＡＵＣ值分別為(wei)０．９９、０．９８、０．９６，深度森林(lin)和ｓｔａｃｋｉｎｇ融合模型(xing)的抗噪能力優(yōu)(you)于隨機森林和(he)ｘｇｂｏｏｓｔ。該研究的(de)深度森林(lin)模型整體(ti)上判別(bie)效果優(yōu)(you)于其他(ta)三種(zhong)模型，為藍莓(mei)成熟程度判(pan)別提供了技(ji)術(shù)支持。

1、硬度測定

將藍(lan)莓樣品放置于(yu)質(zhì)構(gòu)儀測(ce)試平板上，使(shi)用圓柱形探(tan)頭對(dui)單個漿果(guo)進行全質(zhì)構(gòu)(gou)分析(xi)（ＴＰＡ）測試。測前(qian)、測試和(he)測后上行(xing)速度(du)均為１ｍｍ/s，果肉變(bian)形３０％，兩(liang)次壓縮(suo)停頓時間均(jun)為５ｓ，以雙峰曲線(xian)中首峰的最(zui)大值表示(shi)硬度。

參考文獻(xian)：王宏恩等(deng)：基于可見－近(jin)紅外光(guang)譜和深度森(sen)林的藍莓成熟(shu)度判別(bie). 光譜學(xué)與(yu)光譜分(fen)析, 2024年.