杏品种中组织依赖的高光谱判别：将光谱信号来源与分类性能相联系

《Journal of Food Measurement and Characterization》：Tissue-dependent hyperspectral discrimination in apricot cultivars: linking spectral signal origin to classification performance

　　高光谱成像（HSI）技术已广泛应用于植物材料的无损表征；然而，光谱变异性及分类性能如何随所分析的组织而变化，目前仍未得到充分理解。本研究通过整合光谱特征分析、基于方差分析（ANOVA）的波长评估、机器学习分类以及400–1000 nm波段范围内的误分类分析，探讨了杏不同品种间组织依赖性的光谱判别差异。采用感知数据泄露的水果分组嵌套交叉验证框架评估了随机森林和支持向量机分类器，其中同一果实的所有光谱被保留在同一划分集中。结果表明，分类性能不仅受光谱变异幅度的影响，还受各组织所捕获的判别信息的影响。在修正后的分析中，果肉展现出最高的平均品种判别性能，但跨留出果实组间的变异性仍然较大。果皮、果核和果壳通常产生较低且不太稳定的性能。我们识别了若干FDR显著候选区间，其中包括近红外区域的区间。这些区间可能反映了与水含量组分和组织微结构相关的光谱响应；然而，由于缺乏生化或解剖学参考测量数据，无法验证这些解释。误分类模式集中于特定品种对之间，而非均匀分布，提示这些品种在可测量的光谱特征上存在相似性。综合而言，这些发现表明，在所采样的杏品种中，组织类型与品种分类性能差异相关联。因此，本研究为在高光谱数据获取和分类模型开发中考虑组织选择提供了实证依据。更广泛的理论或机制性结论则需要使用更大的独立数据集和互补的参考测量进行验证。