東北林(lin)業(yè)大學(xué)(xue)研究人員(yuan)在國內(nèi)期(qi)刊《光譜(pu)學(xué)與(yu)光譜分(fen)析》發(fā)表了題(ti)為"基于可(ke)見－近(jin)紅外光(guang)譜和深度(du)森林的藍莓(mei)成熟度判(pan)別"的研究論文(wen)。在該論(lun)文中，研(yan)究人員使用(yong)上海騰拔Universal TA國(guo)產(chǎn)質(zhì)構(gòu)儀(yi)測定了藍(lan)莓的(de)硬度。

摘　要　為快(kuai)速準(zhǔn)(zhun)確對藍莓果實(shi)成熟程度進(jin)行分(fen)類，采用近紅外(wai)光譜檢測(ce)技術(shù)(shu)和深度(du)森林算法，建(jian)立了藍(lan)莓成熟度的判(pan)別模型。采用ＬａｂＳｐｅｃ　５０００光(guang)譜儀(yi)采集(ji)了三種不同(tong)成熟程度的藍(lan)莓標(biāo)準(zhǔn)樣品，共(gong)獲取了(le)１５０組光(guang)譜樣本(ben)。為確(que)定最佳輸(shu)入模型特征數(shù)(shu)目，對原(yuan)始光譜(pu)數(shù)據(jù)進行(xing)ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平(ping)滑處理(li)，采用主成(cheng)分分析將(jiang)平滑處理后的(de)數(shù)據(jù)降至(zhi)４個主成分，并采(cai)用多項式特征(zheng)衍生方法對每(mei)個主成(cheng)分進行２、３、４、５階(jie)的特征衍生(sheng)，最終在深(shen)度森林中確定(ding)最佳(jia)的特征衍生階(jie)數(shù)為４。為檢驗(yan)深度森林的成(cheng)熟度判別效果(guo)，將其與隨(sui)機森林、jiduan梯度提(ti)升樹算法（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融(rong)合模(mo)型進(jin)行了(le)對比(bi)，對各模型確(que)定了最(zui)佳超參(can)數(shù)組(zu)合，深度森林和(he)ｓｔａｃｋｉｎｇ融合模(mo)型采用了(le)手動調(diào)參(can)，隨機(ji)森林(lin)和ｘｇｂｏｏｓｔ采用了貝(bei)葉斯優(yōu)化(hua)算法進(jin)行了超參數(shù)尋(xun)優(yōu)。模(mo)型評估指(zhi)標(biāo)采用準(zhǔn)確(que)率、混淆矩陣(zhen)、受試者工作(zuo)特征曲線(xian)（ＲＯＣ）、ＡＵＣ度量及(ji)抗噪能力。研究(jiu)結(jié)果(guo)表明(ming)，在測試集上(shang)，深度森林(lin)和ｓｔａｃｋｉｎｇ融合模型的(de)準(zhǔn)確率均為９５．５６％，隨(sui)機森林和ｘｇｂｏｏｓｔ的(de)準(zhǔn)確率(lv)為９３．３３％；深度(du)森林的ＡＵＣ值為１，隨(sui)機森林、ｓｔａｃｋｉｎｇ融合模(mo)型、ｘｇｂｏｏｓｔ的ＡＵＣ值分別為(wei)０．９９、０．９８、０．９６，深度森(sen)林和ｓｔａｃｋｉｎｇ融合模型(xing)的抗噪(zao)能力優(yōu)于隨(sui)機森林和ｘｇｂｏｏｓｔ。該(gai)研究的(de)深度森林(lin)模型整體(ti)上判別效(xiao)果優(yōu)于(yu)其他三種(zhong)模型，為藍莓成(cheng)熟程度判別提(ti)供了(le)技術(shù)支持(chi)。

1、硬度測定(ding)

將藍莓樣品(pin)放置于(yu)質(zhì)構(gòu)儀測(ce)試平(ping)板上(shang)，使用圓柱(zhu)形探頭(tou)對單(dan)個漿果進(jin)行全質(zhì)構(gòu)(gou)分析(xi)（ＴＰＡ）測試。測前、測試(shi)和測后上行(xing)速度均為１ｍｍ/s，果(guo)肉變形(xing)３０％，兩次壓縮(suo)停頓時間均為(wei)５ｓ，以雙峰曲線(xian)中首(shou)峰的最大值(zhi)表示硬度。

參考文獻：王宏(hong)恩等：基(ji)于可見－近紅外(wai)光譜和深度(du)森林(lin)的藍莓成熟度(du)判別(bie). 光譜(pu)學(xué)與光譜分析(xi), 2024年.