東北林業(yè)大學(xue)研究人(ren)員在(zai)國內(nèi)期(qi)刊《光譜學與光(guang)譜分析》發(fā)表(biao)了題(ti)為"基于可見(jian)－近紅外光譜和(he)深度森(sen)林的藍(lan)莓成熟(shu)度判(pan)別"的研究論文(wen)。在該論文中(zhong)，研究(jiu)人員使用(yong)上海騰拔Universal TA國(guo)產(chǎn)質(zhì)(zhi)構(gòu)儀(yi)測定(ding)了藍莓(mei)的硬度。

摘　要(yao)　為快速準確(que)對藍(lan)莓果實成(cheng)熟程(cheng)度進行分(fen)類，采用(yong)近紅(hong)外光(guang)譜檢(jian)測技(ji)術和深度森(sen)林算法，建立(li)了藍莓(mei)成熟度的判別(bie)模型(xing)。采用ＬａｂＳｐｅｃ?。担埃埃肮?guang)譜儀采(cai)集了(le)三種不(bu)同成熟程度的(de)藍莓(mei)標準樣品，共獲(huo)取了１５０組光譜(pu)樣本。為確(que)定最佳(jia)輸入模型特(te)征數(shù)目，對原始(shi)光譜數(shù)據(jù)(ju)進行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平(ping)滑處(chu)理，采用主(zhu)成分分析將(jiang)平滑處(chu)理后的數(shù)據(jù)降(jiang)至４個主成分，并(bing)采用多項式特(te)征衍生方法(fa)對每個(ge)主成分進行２、３、４、５階(jie)的特(te)征衍生(sheng)，最終在深(shen)度森林(lin)中確定最佳(jia)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，將其(qi)與隨機(ji)森林、jiduan梯度(du)提升樹(shu)算法(fa)（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合(he)模型進(jin)行了對比，對各(ge)模型(xing)確定了(le)最佳超參數(shù)(shu)組合，深度(du)森林和ｓｔａｃｋｉｎｇ融(rong)合模型采(cai)用了手動調(diào)參(can)，隨機森林和ｘｇｂｏｏｓｔ采(cai)用了貝葉(ye)斯優(yōu)(you)化算法進行(xing)了超參數(shù)尋優(yōu)(you)。模型(xing)評估指標采用(yong)準確率、混淆矩(ju)陣、受試者(zhe)工作特(te)征曲線（ＲＯＣ）、ＡＵＣ度量(liang)及抗噪能力。研(yan)究結(jié)果表明，在(zai)測試集(ji)上，深度森林和(he)ｓｔａｃｋｉｎｇ融合模型的準(zhun)確率均為９５．５６％，隨(sui)機森林和(he)ｘｇｂｏｏｓｔ的準確率為９３．３３％；深(shen)度森(sen)林的ＡＵＣ值為１，隨機(ji)森林、ｓｔａｃｋｉｎｇ融合模型(xing)、ｘｇｂｏｏｓｔ的ＡＵＣ值分(fen)別為０．９９、０．９８、０．９６，深度(du)森林和ｓｔａｃｋｉｎｇ融合模(mo)型的抗噪能(neng)力優(yōu)于(yu)隨機森林和ｘｇｂｏｏｓｔ。該(gai)研究的深度森(sen)林模(mo)型整體上判(pan)別效果(guo)優(yōu)于其(qi)他三種模型(xing)，為藍莓(mei)成熟(shu)程度判別提供(gong)了技術(shu)支持。

1、硬度測定

將藍(lan)莓樣品放置(zhi)于質(zhì)構(gòu)儀(yi)測試平板上(shang)，使用圓柱(zhu)形探(tan)頭對單個漿(jiang)果進行全(quan)質(zhì)構(gòu)分(fen)析（ＴＰＡ）測試。測(ce)前、測試和測后(hou)上行速(su)度均為１ｍｍ/s，果(guo)肉變形(xing)３０％，兩次壓縮停頓(dun)時間均為(wei)５ｓ，以雙峰曲線(xian)中首峰的最大(da)值表(biao)示硬度(du)。

參考文(wen)獻：王(wang)宏恩等：基于可(ke)見－近(jin)紅外光譜(pu)和深度(du)森林(lin)的藍(lan)莓成(cheng)熟度判別. 光譜(pu)學與(yu)光譜(pu)分析, 2024年.