论文部分内容阅读
吕宋芒又名小吕宋，广东的蜜芒、粤西1号均属吕宋芒，果肉橙黄色，细嫩、汁多、昧甜，纤维极少或无，品质极佳，深受消费者的喜爱。目前，吕宋芒品质的分级工作基本上仍靠人工挑选完成，依靠的指标主要是大小、颜色、表面有无病斑等外部特征，这种人工分级的劳动量大、生产效率低，无法对芒果的内在品质进行分级，不利于芒果产业化发展。近红外光谱分析技术是近十几年迅速发展的一门绿色分析技术，它具有快速、准确、无损伤检测的优点，正越来越广泛的应用于水果内在品质的无损检测。
本文的取得的主要结果如下：
(1)通过一阶微分和Savitzk-Golay预处理方法对芒果光谱数据进行预处理，能明显提高信噪比，从0.062提高到57.3598，能有效的消除随机噪声。
(2)通过PCR主成分回归法和偏最小二乘法建立了芒果糖度近红外分析模型，利用主成分回归法，当PCA当主成分数位10时，预测相关系数达到0.83869，RMSECV为1.6284，MEP为1.2350，而利用偏最小二乘法，当因子数为10时，相关系数为0.97659，RMSEC为0.2058，MEP为0.7383，模型预测性能较好，预测结果误差小。
(3)BP神经网络对70个芒果样品进行训练，结果表明建模集相关系数达到0.9833，回判方程y=0.9549x+0.0056781，而利用训练好的BP网络模型对36个样品预测相关系数只有0.6639，通过调整建模集和预测集样品，增加建模集样本数量，能使相关系数增大到0.6836，平均相对误差由10.3369％降到8.0576％，要使BP神经网络有良好的预测性能，需要足量的训练样本。