東北林業(yè)大(da)學(xué)研究人員(yuan)在國內(nèi)期刊《光(guang)譜學(xué)與光(guang)譜分析(xi)》發(fā)表了題為"基(ji)于可見(jian)－近紅(hong)外光譜(pu)和深度(du)森林的(de)藍莓成熟度(du)判別"的研究(jiu)論文。在該(gai)論文中(zhong)，研究(jiu)人員(yuan)使用上海騰(teng)拔Universal TA國產(chǎn)質(zhì)構(gòu)儀(yi)測定(ding)了藍莓的硬(ying)度。

摘　要　為快速準(zhǔn)確(que)對藍莓果實成(cheng)熟程(cheng)度進行(xing)分類，采用(yong)近紅外光譜檢(jian)測技術(shù)和深度(du)森林(lin)算法，建立了(le)藍莓成(cheng)熟度(du)的判別(bie)模型。采用(yong)ＬａｂＳｐｅｃ?。担埃埃肮庾V(pu)儀采集(ji)了三種(zhong)不同(tong)成熟(shu)程度的(de)藍莓標(biāo)準(zhǔn)(zhun)樣品，共(gong)獲取了１５０組光譜(pu)樣本。為確定(ding)最佳輸入模型(xing)特征數(shù)目，對原(yuan)始光譜數(shù)據(jù)(ju)進行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平(ping)滑處理，采用主(zhu)成分分析將(jiang)平滑處理后(hou)的數(shù)據(jù)降至(zhi)４個主成分，并(bing)采用(yong)多項(xiang)式特征衍生方(fang)法對每(mei)個主成分進行(xing)２、３、４、５階的特征衍生(sheng)，最終在(zai)深度森林中確(que)定最佳(jia)的特征衍(yan)生階數(shù)為(wei)４。為檢驗深度森(sen)林的成(cheng)熟度(du)判別效果，將(jiang)其與隨(sui)機森林、jiduan梯(ti)度提升(sheng)樹算法(fa)（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合模(mo)型進行(xing)了對(dui)比，對(dui)各模(mo)型確定了最佳(jia)超參(can)數(shù)組合，深度森(sen)林和ｓｔａｃｋｉｎｇ融合(he)模型采用了手(shou)動調(diào)參，隨機森(sen)林和ｘｇｂｏｏｓｔ采用(yong)了貝葉斯優(yōu)(you)化算法進行了(le)超參數(shù)尋(xun)優(yōu)。模(mo)型評估指標(biāo)采(cai)用準(zhǔn)(zhun)確率、混淆矩陣(zhen)、受試(shi)者工作特征曲(qu)線（ＲＯＣ）、ＡＵＣ度量及(ji)抗噪(zao)能力。研究(jiu)結(jié)果表明，在(zai)測試集上，深(shen)度森林和ｓｔａｃｋｉｎｇ融合(he)模型的準(zhǔn)確(que)率均為９５．５６％，隨機(ji)森林和ｘｇｂｏｏｓｔ的準(zhǔn)(zhun)確率為(wei)９３．３３％；深度(du)森林的ＡＵＣ值為(wei)１，隨機森林(lin)、ｓｔａｃｋｉｎｇ融合模(mo)型、ｘｇｂｏｏｓｔ的ＡＵＣ值分別(bie)為０．９９、０．９８、０．９６，深度森林(lin)和ｓｔａｃｋｉｎｇ融合模(mo)型的抗噪能力(li)優(yōu)于隨機(ji)森林和(he)ｘｇｂｏｏｓｔ。該研究的深度(du)森林(lin)模型整體(ti)上判別效果(guo)優(yōu)于其他三(san)種模型，為藍(lan)莓成熟(shu)程度(du)判別提供了技(ji)術(shù)支持(chi)。

1、硬度測定

將藍莓樣(yang)品放置(zhi)于質(zhì)構(gòu)儀測試(shi)平板上，使用圓(yuan)柱形探(tan)頭對單(dan)個漿(jiang)果進行全質(zhì)(zhi)構(gòu)分(fen)析（ＴＰＡ）測(ce)試。測前(qian)、測試(shi)和測后上(shang)行速(su)度均(jun)為１ｍｍ/s，果肉變形(xing)３０％，兩次壓縮停(ting)頓時(shi)間均為５ｓ，以(yi)雙峰曲(qu)線中首(shou)峰的(de)最大值表示硬(ying)度。

參考文(wen)獻：王宏恩(en)等：基于可見(jian)－近紅外光(guang)譜和(he)深度森林(lin)的藍莓成(cheng)熟度判別. 光譜學(xué)與光(guang)譜分析, 2024年.