東北林業(yè)大(da)學(xué)研(yan)究人(ren)員在國內(nèi)期刊(kan)《光譜學(xué)(xue)與光(guang)譜分析》發(fā)表(biao)了題為(wei)"基于可見－近(jin)紅外(wai)光譜和深度森(sen)林的藍(lán)莓成熟(shu)度判別"的(de)研究論文(wen)。在該(gai)論文中，研究(jiu)人員(yuan)使用上海(hai)騰拔Universal TA國產(chǎn)(chan)質(zhì)構(gòu)(gou)儀測定了藍(lán)莓(mei)的硬度(du)。

摘　要　為快速準(zhǔn)確對(dui)藍(lán)莓(mei)果實成(cheng)熟程度進(jìn)行分(fen)類，采(cai)用近紅外光(guang)譜檢測技術(shù)(shu)和深度森林算(suan)法，建立了藍(lán)(lan)莓成熟度的判(pan)別模型。采(cai)用ＬａｂＳｐｅｃ?。担埃埃肮庾V(pu)儀采集了三種(zhong)不同成熟程(cheng)度的藍(lán)(lan)莓標(biāo)準(zhǔn)(zhun)樣品(pin)，共獲取了１５０組(zu)光譜樣本。為(wei)確定最佳(jia)輸入模型(xing)特征數(shù)(shu)目，對(dui)原始光譜數(shù)據(jù)(ju)進(jìn)行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平滑(hua)處理，采用主(zhu)成分分析將平(ping)滑處理(li)后的數(shù)據(jù)降至(zhi)４個主成分，并(bing)采用多(duo)項式特征衍(yan)生方法對每個(ge)主成分進(jìn)(jin)行２、３、４、５階的(de)特征衍(yan)生，最終在深(shen)度森林(lin)中確定最佳的(de)特征衍(yan)生階數(shù)(shu)為４。為檢驗深度(du)森林(lin)的成熟度(du)判別效果，將(jiang)其與隨(sui)機(jī)森(sen)林、jiduan梯度提升(sheng)樹算(suan)法（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合模(mo)型進(jìn)行了(le)對比，對各(ge)模型確定了最(zui)佳超參數(shù)組合(he)，深度(du)森林和(he)ｓｔａｃｋｉｎｇ融合模型(xing)采用(yong)了手動調(diào)參(can)，隨機(jī)森林(lin)和ｘｇｂｏｏｓｔ采用了(le)貝葉斯優(yōu)化(hua)算法進(jìn)(jin)行了(le)超參(can)數(shù)尋優(yōu)。模型評(ping)估指標(biāo)采(cai)用準(zhǔn)確(que)率、混淆矩陣(zhen)、受試者工(gong)作特征曲線(xian)（ＲＯＣ）、ＡＵＣ度量及抗(kang)噪能力(li)。研究結(jié)(jie)果表明(ming)，在測(ce)試集上，深度(du)森林和ｓｔａｃｋｉｎｇ融合(he)模型的準(zhǔn)確(que)率均為(wei)９５．５６％，隨機(jī)森(sen)林和(he)ｘｇｂｏｏｓｔ的準(zhǔn)確率為９３．３３％；深(shen)度森林的ＡＵＣ值為(wei)１，隨機(jī)森(sen)林、ｓｔａｃｋｉｎｇ融合模型(xing)、ｘｇｂｏｏｓｔ的ＡＵＣ值(zhi)分別為０．９９、０．９８、０．９６，深度(du)森林和(he)ｓｔａｃｋｉｎｇ融合模型的(de)抗噪能(neng)力優(yōu)于隨(sui)機(jī)森林和ｘｇｂｏｏｓｔ。該研(yan)究的深度森(sen)林模型整體上(shang)判別效果(guo)優(yōu)于其他(ta)三種模(mo)型，為藍(lán)(lan)莓成熟程度(du)判別提供(gong)了技術(shù)支持。

1、硬度測定

將藍(lán)莓(mei)樣品放置于(yu)質(zhì)構(gòu)儀測試平(ping)板上(shang)，使用圓柱(zhu)形探頭(tou)對單個(ge)漿果進(jìn)(jin)行全質(zhì)構(gòu)分(fen)析（ＴＰＡ）測(ce)試。測前、測試和(he)測后上行速度(du)均為１ｍｍ/s，果肉變(bian)形３０％，兩次壓縮(suo)停頓時間均(jun)為５ｓ，以雙(shuang)峰曲線中(zhong)首峰的(de)最大值(zhi)表示硬度(du)。

參考文(wen)獻(xiàn)：王宏恩等(deng)：基于可見－近紅(hong)外光譜和(he)深度森林(lin)的藍(lán)(lan)莓成熟度判別(bie). 光譜學(xué)與(yu)光譜分析, 2024年(nian).