基于误差协方差惩罚回归方法利用便携式可见-近红外重复测量对柑橘果实品质的稳健预测

《Food Quality and Safety》：Robust prediction of mandarin fruit quality from repeated portable visible-near infrared measurements using error covariance penalized regression

　　

摘要

随着光谱仪微型化的发展，便携式可见-近红外（Vis-NIR）设备为现场实时水果质量检测提供了新的机遇。然而，在实际复杂测量场景下，便携式设备的测量稳定性和预测鲁棒性仍然有限。可溶性固形物含量（SSC）被广泛用作水果质量评价和可见-近红外定量分析的代表性指标。为了提高便携式可见-近红外模型的预测性能，采用误差协方差惩罚回归（ECPR）方法，将基于重复可见-近红外测量估计的误差协方差矩阵明确纳入可溶性固形物含量预测建模中。本研究采用便携式可见-近红外光谱仪获取的重复光谱，对攀枝花耙耙柑和澳柑两个柑橘品种进行了研究。实验结果表明，ECPR方法始终优于传统回归模型。在最佳光谱预处理下，ECPR分别达到了0.949和0.841的决定系数，对应的预测均方根误差分别为0.192和0.441。这些结果表明，基于重复测量误差协方差结构的ECPR建模为提高便携式可见-近红外模型的预测准确性和鲁棒性提供了一种有效策略。