基于冠豪猪优化随机森林与可见/近红外光谱的库尔勒香梨表皮蜡质微结构演变及含量无损预测研究

本研究创新性地融合可见/近红外光谱(VIS/NIR)技术与冠豪猪优化算法-随机森林(CPO-RF)模型，实现了库尔勒香梨表皮蜡质含量的无损精准定量（预测集决定系数Rp2=0.9468，均方根误差RMSEp=0.0301 g/Kg）。通过微结构观测揭示蜡质层成熟度关联性演化规律，为果实采后品质智能监测提供新方案。

　　

Section snippets

Sample collection

库尔勒香梨样本于2024年8月29日、9月10日、9月22日和10月2日采集自新疆生产建设兵团阿拉尔市果园。这些采样日期对应四个生理成熟阶段：早期成熟(S1)、近成熟(S2)、成熟(S3)和过成熟(S4)。根据当地物候记录，这些日期对应的盛花后天数(DAF)分别约为143天、155天、167天和177天。

Statistics of wax content

表2汇总了三个波长范围内校准集、验证集和预测集的蜡含量统计数据。样本划分被证明具有良好的结构性且能代表群体变异性。值得注意的是，所有波长范围内的校准集最小值均低于相应预测集的最小值。类似地，校准集的最大值高于预测集的最大值。这种分布特征表明数据集划分合理，能够有效验证模型的泛化能力。

Discussion

本研究成功开发了CPO-RF模型用于预测库尔勒香梨表皮蜡质含量。WR_3范围内多波长信息的整合持续提升了模型性能，该发现与Kandpal等(2022)和Gutiérrez等(2023)先前报告一致，这些研究强调了可见光和近红外光谱区域的互补作用。MSC预处理在WR_1和WR_3中的卓越功效可能归因于其有效消除散射效应和增强与蜡质化学成分相关光谱特征的能力。

Conclusion

本研究证明了可见/近红外光谱技术结合机器学习方法在库尔勒香梨表皮蜡质含量无损定量中的成功应用。开发的CPO-RF模型使用全光谱和特征波长数据，展现出卓越的预测精度和鲁棒性。微观结构检查揭示了蜡层在整个成熟过程中持续致密化，这与定量光谱分析结果高度相关。