東北(bei)林業(yè)大學(xué)研(yan)究人員(yuan)在國內(nèi)期刊(kan)《光譜學(xué)(xue)與光譜分(fen)析》發(fā)表了題為(wei)"基于可見(jian)－近紅外光譜(pu)和深度森(sen)林的藍(lan)莓成熟度判(pan)別"的研(yan)究論文。在該論文中，研(yan)究人(ren)員使用上海騰(teng)拔Universal TA國產(chǎn)質(zhì)(zhi)構(gòu)儀測(ce)定了藍(lan)莓的(de)硬度。

摘　要　為快速準確對(dui)藍莓果實(shi)成熟程度進(jin)行分類，采用近(jin)紅外光譜檢(jian)測技術(shù)和(he)深度森(sen)林算法，建立(li)了藍莓(mei)成熟度的(de)判別(bie)模型。采用ＬａｂＳｐｅｃ?。担埃埃肮?guang)譜儀采集了(le)三種(zhong)不同成(cheng)熟程度的藍(lan)莓標(biao)準樣品，共獲(huo)取了１５０組光譜樣(yang)本。為確定最佳(jia)輸入模(mo)型特(te)征數(shù)目，對原(yuan)始光譜數(shù)據(jù)進(jin)行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積(ji)平滑處理，采(cai)用主成分分(fen)析將平滑處理(li)后的數(shù)據(jù)降(jiang)至４個主成分(fen)，并采用(yong)多項式特(te)征衍生方法(fa)對每個主(zhu)成分進行２、３、４、５階的(de)特征衍(yan)生，最終(zhong)在深度(du)森林中確定最(zui)佳的特征(zheng)衍生階數(shù)為(wei)４。為檢驗深度森(sen)林的成熟度(du)判別效果，將(jiang)其與隨(sui)機森林、jiduan梯度(du)提升樹算法(fa)（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融(rong)合模型進行(xing)了對比，對各(ge)模型(xing)確定了最佳(jia)超參數(shù)(shu)組合，深(shen)度森林(lin)和ｓｔａｃｋｉｎｇ融合模型(xing)采用了手動調(diào)(diao)參，隨機森(sen)林和ｘｇｂｏｏｓｔ采用了(le)貝葉斯(si)優(yōu)化算法(fa)進行了超(chao)參數(shù)尋優(yōu)(you)。模型(xing)評估(gu)指標采用準確(que)率、混淆矩(ju)陣、受試者(zhe)工作特征(zheng)曲線(xian)（ＲＯＣ）、ＡＵＣ度量及(ji)抗噪能(neng)力。研究結(jié)果表(biao)明，在(zai)測試集上(shang)，深度(du)森林和ｓｔａｃｋｉｎｇ融合模(mo)型的準(zhun)確率均為９５．５６％，隨機(ji)森林和ｘｇｂｏｏｓｔ的準(zhun)確率為９３．３３％；深(shen)度森林(lin)的ＡＵＣ值為(wei)１，隨機森(sen)林、ｓｔａｃｋｉｎｇ融(rong)合模(mo)型、ｘｇｂｏｏｓｔ的ＡＵＣ值分別(bie)為０．９９、０．９８、０．９６，深度(du)森林和ｓｔａｃｋｉｎｇ融(rong)合模型的抗噪(zao)能力優(yōu)(you)于隨機(ji)森林和(he)ｘｇｂｏｏｓｔ。該研究的深(shen)度森林模型(xing)整體上判別效(xiao)果優(yōu)于其(qi)他三(san)種模型(xing)，為藍莓成(cheng)熟程度判(pan)別提供了技術(shù)(shu)支持。

1、硬度測定(ding)

將藍莓樣(yang)品放置于質(zhì)構(gòu)(gou)儀測試平板上(shang)，使用圓柱(zhu)形探頭對單個(ge)漿果(guo)進行全質(zhì)(zhi)構(gòu)分(fen)析（ＴＰＡ）測(ce)試。測前(qian)、測試和(he)測后上行速度(du)均為(wei)１ｍｍ/s，果肉變形(xing)３０％，兩次(ci)壓縮停頓時間(jian)均為５ｓ，以雙峰(feng)曲線(xian)中首(shou)峰的最大值表(biao)示硬度。

參考文(wen)獻：王宏恩等：基(ji)于可見(jian)－近紅外光(guang)譜和深度(du)森林(lin)的藍(lan)莓成熟度判(pan)別. 光譜學(xué)(xue)與光譜分析(xi), 2024年.