東北(bei)林業(yè)大學研究(jiu)人員在(zai)國內(nei)期刊《光譜(pu)學與光(guang)譜分(fen)析》發(fā)表(biao)了題為"基(ji)于可見－近(jin)紅外光(guang)譜和深度森(sen)林的藍(lan)莓成熟度(du)判別"的(de)研究(jiu)論文。在該(gai)論文中，研(yan)究人員(yuan)使用上海騰拔(ba)Universal TA國產質構儀(yi)測定了藍莓(mei)的硬度。

摘　要　為快速準確對(dui)藍莓果實成(cheng)熟程度進行(xing)分類(lei)，采用近(jin)紅外光譜檢(jian)測技術和(he)深度森林算法(fa)，建立了藍(lan)莓成熟度的判(pan)別模(mo)型。采用ＬａｂＳｐｅｃ?。担埃埃肮?guang)譜儀(yi)采集了三(san)種不(bu)同成(cheng)熟程度(du)的藍莓標準(zhun)樣品，共獲取了(le)１５０組光譜樣本。為(wei)確定最佳輸(shu)入模型特(te)征數(shù)目，對(dui)原始(shi)光譜數(shù)據(jù)(ju)進行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平滑(hua)處理，采用主(zhu)成分分析將(jiang)平滑(hua)處理(li)后的數(shù)(shu)據(jù)降至(zhi)４個主成(cheng)分，并采用多(duo)項式特征衍(yan)生方法(fa)對每個主成(cheng)分進行２、３、４、５階的特(te)征衍生(sheng)，最終在深度森(sen)林中確定最(zui)佳的特征衍生(sheng)階數(shù)為４。為檢(jian)驗深度森林(lin)的成熟度判(pan)別效(xiao)果，將其(qi)與隨(sui)機森林、jiduan梯(ti)度提升樹算法(fa)（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合模型(xing)進行了對比(bi)，對各模(mo)型確定了最(zui)佳超參(can)數(shù)組合(he)，深度森(sen)林和ｓｔａｃｋｉｎｇ融合(he)模型采(cai)用了手動(dong)調參，隨機森林(lin)和ｘｇｂｏｏｓｔ采用了(le)貝葉(ye)斯優(yōu)(you)化算法進行(xing)了超參數(shù)尋(xun)優(yōu)。模型評估指(zhi)標采用準(zhun)確率、混淆矩陣(zhen)、受試者工作特(te)征曲線（ＲＯＣ）、ＡＵＣ度量(liang)及抗噪(zao)能力。研(yan)究結(jie)果表明，在測(ce)試集上，深度(du)森林和ｓｔａｃｋｉｎｇ融合(he)模型(xing)的準確率均(jun)為９５．５６％，隨機森林(lin)和ｘｇｂｏｏｓｔ的準確率(lv)為９３．３３％；深(shen)度森林的ＡＵＣ值為(wei)１，隨機森林、ｓｔａｃｋｉｎｇ融(rong)合模型、ｘｇｂｏｏｓｔ的(de)ＡＵＣ值分別為(wei)０．９９、０．９８、０．９６，深度森林和ｓｔａｃｋｉｎｇ融(rong)合模型的抗(kang)噪能力(li)優(yōu)于隨機森(sen)林和(he)ｘｇｂｏｏｓｔ。該研究的(de)深度森(sen)林模型整體(ti)上判別效(xiao)果優(yōu)于其(qi)他三種模型，為(wei)藍莓(mei)成熟程(cheng)度判別提(ti)供了技術(shu)支持。

1、硬度測(ce)定

將藍莓(mei)樣品(pin)放置于質(zhi)構儀(yi)測試平板上(shang)，使用圓柱形探(tan)頭對單個漿(jiang)果進(jin)行全質構分析(xi)（ＴＰＡ）測試(shi)。測前、測試和測(ce)后上行速度均(jun)為１ｍｍ/s，果肉變(bian)形３０％，兩次壓縮停(ting)頓時間均(jun)為５ｓ，以雙峰曲線(xian)中首峰的(de)最大值表示硬(ying)度。

參考文(wen)獻：王宏恩等：基(ji)于可見－近(jin)紅外光譜和深(shen)度森林的藍(lan)莓成熟(shu)度判別(bie). 光譜學(xue)與光譜分析(xi), 2024年.