第４３卷，第７期光谱学与光谱分析Ｖｏｌ．４３，Ｎｏ．７，ｐｐ２１４６－２１５２２０２３年７月ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＪｕｌｙ，２０２３基于Ｖｉｓ／ＮＩＲ光谱传感的鲜食葡萄糖度检测系统罗东杰，王勐，张小栓，肖新清＊中国农业大学工学院，北京１０００８３摘要糖度是影响鲜食葡萄品质与风味的关键因素，对其可溶性固形物ＳＳＣ的检测具有切实需求。近年来，随着芯片级光谱传感器的生产技术趋于成熟，具有高精确性与稳定性的片上光谱传感器为可见／近红外检测技术开辟了新的途径。设计、搭建、测试了一套体积小、易操作、低成本的用于鲜食葡萄糖度无损检测的光学系统。系统以两块搭载芯片级光谱分析技术的新一代可见／近红外光谱传感器ＡＳ７２６３（美国ＡＭＳ半导体公司）为核心元件。每个ＡＳ７２６３传感器具有６个集成了纳米光干涉滤波器的数字光谱通道和一个可通过单芯片准确控制电流（１～１００ｍＡ）的ＬＥＤ光源。传感器光谱通道的中心波长范围６１０～８６０ｎｍ；两个ＬＥＤ光源的中心波长分别为７３０和８５０ｎｍ，半峰全宽（ＦＷＨＭ）为５０ｎｍ。首先，运用此原型在避光环境下采集２７６颗巨峰葡萄浆果的光谱信息；用手持式ＰＡＬ－１糖度仪检测样本ＳＳＣ（°Ｂｒｉｘ）并计算基于ｔ分布的样本糖度真值ＳＳＣｔ：ＳＳＣｔ０．９与ＳＳＣｔ０．９５。其次，针对样本原始光谱数据，采用ＰＣＡ提取主成分，根据得分因子分布，剔除了１６个位于置信区间外的异常样本；进一步采用一阶导数ＦｉｒｓｔＤｅｒｉｖａｔｉｖｅ（ＦＤ）、归一化Ｎｏｒｍａｌ－ｉｚａｔｉｏｎ（０，１）与标准化Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ（０，１）３种方式做数据预处理，求取样本在１２个通道下的吸光度Ａ或Ｋｕｂｅｌｋａ－Ｍｕｎｋ函数值Ｆ（Ｒ）。针对可见／近红外光谱自变量之间具有多重相关性、光谱信息与糖度信息之间非线性相关的特点，建立ＰＬＳ－ＢＰ神经网络糖度预测模型（自变量为吸光度Ａ或Ｆ（Ｒ）值，因变量为ＳＳＣｔ）。结果显示，当ｔ分布的置信概率为０．９５、光谱预处理方式为Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ（０，１）、光谱信息指标为吸光度Ａ时所建立的预测模型精度最高：决定系数ｒｐ２为０．９３、均方根误差ＲＭＳＥＰ为０．１８１、预测集偏差Ｂｉａｓ为－０．０１、残留预测偏差ＲＰＤ为３．７８，可认为模型具有较高精度与较好适应性对葡萄ＳＳＣ做出预测。最后，结合...
