乾思 生物編輯整理：
近年來(lái)，海內(nèi)外學(xué)者利用近紅外光譜技術(shù)開展了各種農(nóng)產(chǎn)品的檢測(cè)方法研究，然而鮮有對(duì)帶殼堅(jiān)果類物料的近紅外光譜鑒別的研究，更無(wú)應(yīng)用近紅外光譜進(jìn)行帶殼霉變板栗識(shí)別方法的研究。該研究提出采用近紅外光譜技術(shù)識(shí)別帶殼霉變板栗，在采用光譜預(yù)處理降低栗殼影響的情況下，還同時(shí)考慮了板栗光譜特征以及分類器參數(shù)對(duì)識(shí)別模型的影響，這一方法的研究*海內(nèi)外同類研究的空缺。研究結(jié)果表明，近紅外光譜技術(shù)可以快速、無(wú)損進(jìn)行帶殼板栗的品質(zhì)檢測(cè)和分選，為板栗的實(shí)時(shí)檢測(cè)和分選提供了理論依據(jù)和技術(shù)參數(shù)，同時(shí)也為其他帶殼堅(jiān)果物料的研究提供了新方法。
近紅外光譜技術(shù)可利用全譜或部門波段的光譜數(shù)據(jù)對(duì)農(nóng)產(chǎn)品的品質(zhì)進(jìn)行檢測(cè)，該研究組的前期工作表明，近紅外光譜技術(shù)結(jié)合模式識(shí)別方法對(duì)于帶殼霉變板栗進(jìn)行檢測(cè)是可行的。然而，利用近紅外光譜識(shí)別霉變板栗，一方面栗殼增加了識(shí)別的難度，需要合適有效的光譜預(yù)處理方法，另一方面近紅外光譜變量較多，為了進(jìn)步識(shí)別的正確性和快速性，需要選擇較優(yōu)的特征變量和建模方法。用近紅外光譜技術(shù)檢測(cè)霉變板栗，發(fā)現(xiàn)合格板栗和霉變板栗的近紅外光譜存在差異，但考慮到栗殼的影響，僅通過(guò)光譜預(yù)處理方法建立的霉變板栗識(shí)別模型效果不佳。為克服板栗近紅外光譜變量多、共線性強(qiáng)等缺點(diǎn)，對(duì)經(jīng)尺度正態(tài)變量變換預(yù)處理的板栗近紅外光譜進(jìn)行傅里葉變換，光譜變量從2048個(gè)降低為50個(gè)。然后采用遺傳算法，該算法中染色體編碼由近紅外光譜傅里葉變換后的50點(diǎn)傅里葉系數(shù)、zui小二乘支持向量機(jī)分類器的正則化參數(shù)γ和核函數(shù)參數(shù)σ2共同組成，使得建立的霉變板栗識(shí)別模型所用的傅里葉系數(shù)減少為13點(diǎn)，并對(duì)合格板栗、表面霉變板栗和內(nèi)部霉變板栗的均勻識(shí)別準(zhǔn)確率分別為95.89%、100%和98.25%，總體均勻識(shí)別準(zhǔn)確率進(jìn)步到97.54%。與未優(yōu)選傅里葉系數(shù)建立的模型比擬，不僅建模所需傅里葉系數(shù)減少，而且對(duì)測(cè)試集中合格板栗、內(nèi)部霉變板栗的識(shí)別率分別進(jìn)步了5.48%、8.78%，識(shí)別時(shí)間也相應(yīng)減少。
該研究成果刊登于《農(nóng)業(yè)工程學(xué)報(bào)》2011年第3期上，題為“基于GA-LSSVM和近紅外傅里葉變換的霉變板栗識(shí)別”，*作者為華中農(nóng)業(yè)大學(xué)工學(xué)院博士生周竹，通訊作者為李小昱教授。霉變是板栗綜合品質(zhì)評(píng)價(jià)的重要指標(biāo)。我國(guó)板栗年總產(chǎn)量達(dá)46.98萬(wàn)噸，居*1位。但采后損失達(dá)總產(chǎn)量的35%~50%，重要原因之一是板栗發(fā)生霉變。現(xiàn)有的霉變板栗分選主要采用人工分選或鹽水浮選，分選效率低，不僅給貯藏加工、銷售帶來(lái)難題，也造成了巨大的經(jīng)濟(jì)損失。研究一種快速、正確、無(wú)損的霉變板栗分選方法，對(duì)于保證板栗品質(zhì)，促進(jìn)板栗深加工工業(yè)和農(nóng)產(chǎn)品商業(yè)，進(jìn)步工業(yè)經(jīng)濟(jì)效率具有重要的意義。
華中農(nóng)業(yè)大學(xué)工學(xué)院的學(xué)者研究出一種近紅外光譜技術(shù)快速正確識(shí)別帶殼霉變板栗的新方法，可以取代人工，快速、正確、無(wú)損地進(jìn)行帶殼板栗的品質(zhì)檢測(cè)和分選，大大進(jìn)步了效率和效益，同時(shí)也為其它帶殼堅(jiān)果物料的自動(dòng)化檢測(cè)分選提供了技術(shù)鑒戒。該項(xiàng)目*海內(nèi)外同類研究的一項(xiàng)空缺。
