摘要：以贮藏1d的碰撞损伤猕猴桃、挤压损伤猕猴桃和无损猕猴桃为对象,分别建立了猕猴桃的Fisher判别模型、BP神经网络判别模型与最小二乘支持向量机（LSSVM）判别模型,综合比较了采用全光谱波长（FS）、主成分分析（PCA）提取特征变量与连续投影算法（SPA）优选特征波长作为各模型输入变量时,对各模型判别效果的影响。研究结果表明,SPA优选特征波长相比于PCA和FS有较明显的优势;3种判别模型均能基本满足实际要求,且LSSVM模型的识别性能最佳,其中SPA-LSSVM模型对预测集碰撞损伤样品、挤压损伤样品与无损样品的正确识别率分别达到100%、95%和100%,总的正确识别率为98.2%。

关键词：猕猴桃 近红外光谱 连续投影算法 最小二乘支持向量机 识别 

单位：西北农林科技大学机械与电子工程学院 陕西杨凌712100