藍莓果肉細膩，風味獨特，果實中含有豐富的營養成分，被稱為“水果皇后”,具有防止腦神經老化、保護視力、抗癌、增強人機體免疫等功能，市場前景廣闊。藍莓糖度是評價藍莓質量的一個重要指標。傳統藍莓糖度檢測是破壞性的，無損檢測是一個重要的發展趨勢。

1、圖像數據采集

藍莓樣本的高光譜圖像

提取兩幅高光譜圖像的光譜數據:分別選取每個樣本表面不同感興趣區域(ROI)，得到的原始反射光譜曲線

對應感興趣區域的原始光譜曲線，提取出平均光譜值，共得到三組48x256光譜數據矩陣

根據不同波段下高光譜圖像及光譜曲線，Band 1-Band 50存在較大的噪聲，圖像模糊，選取數據時只選取Band 51-Band 250(1031.11nm-1699.11nm)共200個波段的進行建模前36顆藍莓光譜值用于建立模型，后12顆用于模型檢驗，

2、模型建立與分析

藍莓糖度預測模型的建立主要采用偏最小二乘回歸法(PLSR)不同的光譜數據得到不同的預測模型直接利用去除噪聲的200個波段建模對200個波段的光譜數據進行PCA降維，選取累積貢獻率達99.9%前n個主成分，再用PLSR建模對反面全區域的256個光譜波段利用SPA選取特征波段，再用PLSR建模直接對反面全區域的200個波段進行循環建模，先兩兩組合，再用三三組合建模

3、預測模型建立

正面部分區域光譜數據PLSR模型

預測模型:

y=8.1109+0.3989x+0.2848x+….+ 0.809x200

其中，x1，x2，…，x200是band 51-band250的平均光譜值，y是藍莓糖度值。

利用預測模型，代入12顆檢驗藍莓的光譜數據，得到預測糖度值如下表所示

表1.藍莓正面部分區域預測糖度值和真實糖度值的比較

表2.藍莓正面全區域預測糖度值與真實值

表3.藍莓反面全區域預測糖度值與真實值

三組數據所得到的預測模型預測糖度值與藍莓真實糖度值曲線

利用PCA對藍莓光譜數據進行降維處理降維后的數據再利用PLSR建模，PCA降維后，選取總貢獻率達到99.9%的前n個主成分。正面部分區域和正面全區域提取的光譜數據降維后選取了7個主成分反面全區域的光譜數據降維后提取了前10個主成分利用PCA降維后選取的主成分，再進行PLSR建模。根據預測模型函數式，得到三組數據預測糖度值

先用PCA降維，再進行PLSR建模。根據預測模型函數式，得到三組數據預測糖度值與真實糖度值的曲線

4、總結

比較不同數據建立的各個預測模型，波段循環組合建模挑選出來的最優波段組合預測模型的預測糖度值和真實糖度值的相關系數R分別為0.54和0.61，為其他波段組合建立模型中的最大，而平均相對誤差分別為12.6%和11.9%，為其他波段組合建立模型中的最小，而檢驗集均方根誤差較小，可得波段循環組合建模后挑選的最優模型預測效果較其他波段組合更好