基于改进的WOA-LSSVM樱桃番茄内部品质检测方法研究

康明月, 王 成, 孙鸿雁, 李作麟, 罗 斌*

1. 北京市农林科学院信息技术研究中心, 北京 100097

2. 北京市农林科学院智能装备技术研究中心, 北京 100097

3. 中国地质大学(北京)数理学院, 北京 100083

引 言

樱桃番茄外形美观、 口感鲜甜、 营养丰富, 深受广大消费者的欢迎。 随着人们生活条件的提升, 对于果蔬的口感, 营养价值等内部品质有了更高的要求。 番茄中可溶性固形物(soluble solid content, SSC)是评价番茄风味品质的重要指标之一[1]。 维生素C(vitamins C, VC)又名抗坏血酸, 是植物和大多数动物体内合成的一类己糖内酯化合物[2]。 具有水果蔬菜之称的番茄含有丰富的人体所需营养物质, 尤其是VC含量极高[3]。 通过对不同类型番茄SSC和VC的测定, 来综合评价樱桃番茄的内部品质, 旨在为樱桃番茄品质鉴定和优良品种选育提供理论依据。

蔬果内部品质的传统测量方法多采用化学方法, 检测精度高, 但是会破坏样品原有的状态, 为有损检测, 而且所需化学试剂繁多, 样品处理流程复杂, 检测效率低。 近年来, 近红外光谱技术因无损、 分析速度快、 操作简单的特点在食品、 医药、 化工等行业得到了广泛应用[4-7]。 潘牧等[8]应用偏最小二乘法建立预测红薯淀粉及全粉粉丝中薯粉含量的定量模型, 2个模型相关系数分别为0.987 5和0.989 2, 交叉验证均方根误差分别为1.23和1.13, 校正后预测相对分析偏差分别为6.83和7.42。 表明采用近红外光谱技术对贵州红薯粉丝中淀粉及薯粉含量的快速无损检测可行。 杨宝华等[9]用光谱和机器学习算法结合测定鲜桃SSC含量, 提出了一种基于堆栈自动编码器-粒子群优化支持向量回归模型, 该模型预测效果最好, 其R2为0.873 3, 均方根误差为0.645 1。……