基于透射光谱的双参数百香果品质无损预测新方法及其在自动化分选中的应用

本研究开发了一种基于高光谱透射成像技术（380–1100 nm）的非破坏性方法，通过遗传算法（GA）优化感兴趣区域（ROI）提取和非均匀有理B样条（NURBS）曲线拟合，成功实现了百香果可溶性固形物含量（SSC）和可食率（ER）的高精度同步预测（SSC: R2 = 0.922；ER: R2 = 0.913），为厚皮水果品质评估提供了创新性解决方案。

　　

Material and methods

本研究方法涵盖四个核心部分：（1）样品制备与参考品质属性（SSC和ER）测量；（2）高光谱透射图像采集与预处理；（3）光谱感兴趣区域（ROI）优化与特征波长筛选；（4）预测模型开发与性能评估。每部分均针对百香果的形态和光学特性进行了专门设计。

Results and discussion

非均匀有理B样条（NURBS）与遗传算法（GA）的协同应用显著提升了ROI优化效果，结合波长选择策略，使SSC和ER的预测精度全面超越传统全光谱或固定ROI方法。结果显示，针对SSC和ER的特化ROI提取分别使预测准确率提升14.6%和8.7%。波长选择策略呈现差异化：SPA优先选择近红外（NIR）波段用于SSC预测，而SiPLS则侧重可见光波段用于ER建模。随机森林回归（RFR）模型表现最优（SSC: R² = 0.922, RMSE = 0.295°Brix；ER: R² = 0.913, RMSE = 1.166%）。

Conclusion

本研究成功构建了一种基于高光谱透射成像的非破坏性方法，可实现百香果SSC与ER的高精度同步预测。通过GA与NURBS曲线拟合的ROI优化策略，有效克服了果实球形形态导致的光传输空间异质性问题，为厚皮水果的自动化工业分选提供了可靠技术框架。

Funding

本研究由国家自然科学基金（32402209）、生物育种-国家科技重大专项（2023ZD0405605–01）及中央财政林业科技推广示范项目（Su [2023] TG06）资助。

CRediT authorship contribution statement

Bin Wu: 验证；Deyong Yang: 软件；Mengmeng Qiao: 可视化、验证、软件；Weijun Xie: 概念设计；Maocheng Zhao: 资金获取；Chao Ni: 方法论；Ying Liu: 资源协调与方法设计。

Declaration of Competing Interest

所有作者声明不存在利益冲突，且确认本文为原创性未发表研究成果。