基于高光谱成像技术的脐橙表型无损检测：酸度、糖度与硬度的智能预测模型

针对脐橙表型分析中人工评估主观性强、传统检测方法破坏性强等问题，研究人员利用高光谱成像技术（HSI）结合BP神经网络，开发了酸度（MSC-VN-BP模型，RMSEP=0.1444，R=0.8419）、糖度（FS-BP模型，RMSEP=0.1098）和硬度（D1-BP模型，RMSEP=0.1401）的无损预测方法，为厚皮水果品质评估提供了高效技术方案。

　　

脐橙因其丰富的营养价值广受青睐，但其品质评估长期依赖人工主观判断或破坏性化学检测，效率低且难以规模化。传统方法如X射线和多光谱成像存在成本高、精度受限等问题，而近红外光谱（NIR）因波长范围窄，与表型特征相关性低。高光谱成像技术（HSI）凭借高分辨率、多波段覆盖等优势，为水果表型分析提供了新思路，但厚皮脐橙的特殊结构增加了技术难度。

为解决上述问题，成都市科技局资助的研究团队开发了一套基于HSI的脐橙表型无损检测系统。通过采集400-1000 nm波段的高光谱数据，结合BP神经网络和特征波长筛选算法（SPA、GA），构建了酸度、糖度和硬度的预测模型。研究发现，酸度最佳模型为MSC-VN-BP（RMSEP=0.1444，R=0.8419），糖度模型FS-BP（RMSEP=0.1098，R=0.8835），硬度模型D1-BP（RMSEP=0.1401，R=0.8505）。尽管GA简化后模型精度略有下降，但显著提升了计算效率。

关键技术方法
研究采用200个重庆奉节圆红脐橙样本，搭建专用表型采集平台获取高光谱图像，提取反射光谱后通过多元散射校正（MSC）、矢量归一化（VN）和一阶导数（D1）预处理数据，结合SPA和GA筛选特征波长，最终建立BP神经网络预测模型。

研究结果

1. 实验样本：样本来自重庆奉节，室温平衡后清洗检测，确保无表面缺陷。
2. 光谱分析与预处理：光谱反射率与内部成分（如O-H、C-H键）相关，MSC和VN有效消除散射干扰，D1增强特征峰差异。
3. 结论：HSI技术结合BP神经网络可实现脐橙酸度、糖度和硬度的快速无损评估，为厚皮水果表型分析提供技术参考。

意义与展望
该研究不仅填补了厚皮水果HSI检测的空白，还为农业智能化提供了可推广的解决方案。未来可进一步优化算法，适应不同品种和环境条件，推动水果品质检测技术的标准化和产业化。