使用可见/近红外高光谱成像和机器学习模型对'冰糖'橙糖含量的无损预测

《Agronomy》：Non-Destructive Prediction of Sugar Content in ‘Bingtang’ Oranges Using Visible/Near-Infrared Hyperspectral Imaging and Machine Learning Models

　　

云南'冰糖'橙因其独特口感和高糖含量而具有显著市场竞争力。然而，传统质量检测方法的有限效率严重阻碍了工业分级过程。糖含量（Brix）作为内部质量的核心指标，也是决定消费者回购率的关键因素。本研究聚焦于云南省龙陵楚橙示范基地的特色'冰糖'橙品种“云冠橙”。在从坐果到收获的三个关键阶段收集了高光谱成像数据（400–1000 nm）和相应的糖含量值，并基于感兴趣区域（ROI）提取，采用多元散射校正（MSC）结合Savitzky-Golay一阶导数（SG-1st Deriv）方法对原始光谱数据（RAW）进行预处理。本研究重点研究了竞争自适应加权采样（CARS）算法在六种预测模型中的性能，并以原始全光谱（RAW）和连续投影算法（SPA）作为消融实验的对比方案。实验结果表明，大多数模型在测试集上的决定系数（R²）超过0.8，均方根误差（RMSE）保持在1.0以下。研究结果表明，在当前实验条件下，该系统能够对测试的云冠橙实现可接受的定量分析，并显著降低整体模型复杂度。该研究阐明了CARS算法与多种预测模型的兼容性，系统整合了多阶段采样、SPA/CARS比较和多类型模型评估三项创新，为开发低成本、实时在线分选设备提供了关键理论支持和技术参数。

**论文解读**

**研究背景与意义**
'冰糖'橙（Bingtang orange）是全球水果贸易的重要组成，中国作为主要生产国和消费国，其品牌化柑橘产品“楚橙”以薄皮、多汁、糖酸比均衡著称。糖含量（Brix）不仅是决定口感的核心指标，也是果实成熟度和贮藏寿命的关键参数，直接影响消费者回购率。然而，传统质量检测方法主要依赖人工抽样和破坏性理化分析，存在破坏性、时滞性和样本代表性不足等缺陷，难以识别外观完好但糖含量不达标的果实，对品牌声誉构成潜在威胁。因此，开展基于可见/近红外高光谱成像（Vis-NIR HSI）的非破坏性糖含量预测研究，对于实现果实内部品质的快速、无损检测及推动在线分选装备发展具有重要意义。本研究发表在《Agronomy》期刊上。

**研究设计与主要技术方法**
研究人员在云南省龙陵县楚橙示范基地选取五个典型实验区（A–E），采用分层随机采样法，在果实转色初期、转色中后期和商业成熟期三个关键阶段，从25棵固定标记树上采集225个'冰糖'橙样本（每个阶段每棵树取上、中、下层各一个果实）。经筛选后获得217个有效样本。研究使用高光谱成像系统（覆盖388.7–1010.1 nm，光谱分辨率2.5 nm）采集图像，通过标准白板与黑板对原始图像进行辐射定标，并采用Otsu阈值法分割感兴趣区域（ROI）提取平均光谱反射率。光谱预处理采用多元散射校正（MSC）与Savitzky-Golay一阶导数（SG-1st Deriv，窗口大小17，多项式阶数3）联合方案，以消除散射噪声并增强特征峰。特征波长选择对比了竞争自适应加权采样（CARS）和连续投影算法（SPA）两种策略，并以原始全光谱（RAW）作为消融实验基准。共构建六种机器学习模型（偏最小二乘回归PLSR、支持向量回归SVR、随机森林RF、XGBoost、贝叶斯岭回归BayesianRidge、弹性网络ElasticNet）以及两种深度学习模型（一维卷积神经网络1D-CNN、轻量Transformer）。数据按树源分层，以8:2比例划分训练集（175个样本）和独立测试集（42个样本），并辅以5折交叉验证评估稳定性。评估指标包括决定系数（R²）、均方根误差（RMSE）和平均绝对误差（MAE）。

**研究结果**
**3.1 冰糖橙糖度统计特征**
对225个样本的糖含量统计显示，整体Brix范围6.90–13.80 °Brix，均值10.94 °Brix，标准差1.96 °Brix。三个批次均值随生长进程显著增加（p<0.01），第一批（转色初期）8.95 °Brix，第二批（转色中后期）11.09 °Brix，第三批（商业成熟期）12.77 °Brix，揭示果实发育过程中糖分动态积累规律。

**3.2 高光谱数据预处理效果分析**
采用修正Z-score法（基于中位数绝对偏差MAD）剔除8个异常样本后，原始光谱离散度显著降低。经MSC+SG-1st Deriv预处理后，噪声有效抑制，信噪比提升，并在413.7、518.8、696.4、762.7 nm处出现特征吸收峰，分别与酚类化合物、花青素、叶绿素a、碳水化合物C-H键振动相关。第三批成熟果实在700 nm附近导数峰强度更高，表明糖积累与光谱变化动态关联。

**3.3 基于CARS算法的模型预测结果**
CARS迭代筛选在第23次时达到最优，选取28个特征波长（分布于388.7–1010.1 nm），其中704.4–710.5 nm与糖含量呈强负相关（相关系数?0.72），592.3 nm和951.4 nm呈强正相关（相关系数0.60和0.53）。基于CARS特征构建的六种模型中，弹性网络（ElasticNet）表现最佳：测试集R²=0.8492，RMSE=0.7965，MAE=0.6186；贝叶斯岭回归（BayesianRidge）和PLSR紧随其后。非线性模型RF和XGBoost在训练集上过拟合显著（R²分别0.9488和0.9889），但测试集R²下降约0.12–0.16。5折交叉验证进一步确认弹性网络和贝叶斯岭回归的泛化性能稳定（平均R²分别为0.8223和0.8252）。

**3.4 消融实验分析**
对比RAW、SPA和CARS三种特征输入下模型性能，仅CARS能使弹性网络收敛并取得最优预测结果。RAW全光谱的多重共线性导致弹性网络求解失败；SPA虽降低维度但忽略与糖含量的化学相关性，保留的共线性噪声仍限制模型解释力。CARS通过交叉验证迭代筛选，有效去除了与糖含量弱相关的波段，缓解了多重共线性，激活了弹性网络的双正则化优势。

**3.5 基于CARS算法的深度学习模型预测**
在CARS特征基础上，1D-CNN和轻量Transformer的测试集R²分别为0.8042和0.3084，均显著低于弹性网络。原因在于小样本场景下深度学习模型参数过多易过拟合，且糖含量与光谱特征主要呈线性关系（遵循比尔-朗伯定律），正则化线性模型更能准确捕捉。

**讨论与结论**
讨论部分指出，CARS特征与弹性网络的协同优化源于三个维度：CARS的降维去冗余、弹性网络的正则化适配、以及线性模型对数据线性关系的准确捕捉。尽管原始全光谱的贝叶斯岭回归在单次测试集上R²略高（0.8538），但CARS-ElasticNet框架在降维、消除共线性和多模型适配方面具有综合优势，更适合在线分选设备。研究局限性包括：仅以Brix为检测目标，未对酚类、花青素、叶绿素等组分进行定量测定；样本仅来自单一基地；未定量解耦果皮厚度、果肉含水量等生理性状干扰；仅使用传统机器学习模型。未来方向包括扩大样本来源、同步定量检测多种组分、引入生理监测数据优化预处理、以及在大样本基础上探索先进深度学习模型。

**研究结论**
本研究建立了涵盖光谱预处理、特征筛选和多模型比较的完整分析流程，适用于龙陵云冠橙三个成熟阶段的非破坏性糖含量检测。主要结论如下：第一，建立了MSC与SG一阶导数结合的标准化预处理流程，结合修正Z-score法显著提高了光谱信噪比和特征响应；第二，验证了CARS与弹性网络的显著协同匹配效应——CARS筛选的28个特征波长有效缓解了原始高光谱数据的维度共线性问题，使所有六种回归模型均能稳定收敛，且CARS-弹性网络模型在测试集上达到R²=0.8492；第三，分析了704.4–710.5 nm等核心波段与糖含量的相关性，可作为开发低成本多光谱传感器的初步波长参考。该工作流程能部分减少破坏性理化检测的时间成本，并为所研究生产基地的'冰糖'橙智能化分选提供算法参考。与传统的单时间点静态检测模式相比，本研究提出的多成熟期采样设计和多算法横向比较框架可为在线连续分选提供更稳定的技术支持。