基于能量谱和吸光度谱的马铃薯黑心病判别模型优化

马铃薯储藏过程中,在高温、缺氧等环境下,极易产生黑心病等内部缺陷,严重影响马铃薯加工品的品质和原料加工利用率.黑心病薯无法从外观分辨,传统检测方法需要将马铃薯切开后判断,仅适用于抽样检测.基于自主研发的马铃薯内部品质光谱检测装置进行光谱数据采集,分别采集234条健康马铃薯和236条黑心病马铃薯能量谱和吸光度谱数据用于判别模型建立,采用随机法按3:1将样本集划分为校正集和验证集,以灵敏度、特异性指数、分类正确率作为模型评价指标.基于吸光度谱,经标准化(Auto)预处理后,在波段500 ～ 950 nm范围内建立马铃薯黑心病偏最小二乘线性判别模型(PLS-LDA),并通过竞争性自适应重加权法与连续投影法(CARS-SPA)进行联合变量筛选,最终采用9个变量,对黑心病判别的灵敏度、特异性指数、总分类正确率分别达98.87％、98.30％和98.44％.基于能量谱,采用双波长相关系数法,分别计算任意波长对组合的能量差值和比值,与黑心病进行相关分析,最终采用2个变量能量比值T699/T435建立线性判别模型(LDA),对黑心病判别的灵敏度、特异性指数、总分类正确率分别达97.71％、96.15％和97.67％.因此,基于吸光度谱的CARS-SPA-PLS-LDA模型和基于能量谱的(T699/T435)-LDA模型均可有效识别马铃薯黑心病,与吸光度谱模型相比,能量谱模型仅采用2个变量,模型更简单稳定,并且解决了白背景与暗电流2个参比限制的难题,适用性更广泛.