基于FT-NIR和电子鼻的苹果水心病无损检测

探讨傅里叶变换近红外光谱技术和电子鼻技术应用于苹果水心病检测的可行性。以277?个“秦冠”水心病苹果和健康苹果为试材，分别采集每个样本在12?000～4?000?cm－1波数范围的近红外光谱和10?个传感器的电子鼻信号，用不同预处理的近红外光谱方法提取主成分建立Fisher判别模型；同时电子鼻结合3?种化学计量学的方法进行建模。结果表明，经一阶导数（9?点平滑）预处理的近红外光谱，提取前20?个主成分建立的Fisher判别模型效果最好，对未知样本的正确判别率达100%；电子鼻分别结合Fisher判别、多层感知器神经网络和径向基函数神经网络判别模型对未知样本的识别率为89.7%、89.5%和85.7%。故利用近红外光谱和电子鼻技术分别结合化学计量学的方法可快速、无损检测苹果的水心病。其中，近红外光谱技术结合Fisher判别对苹果水心病的识别率最高，是一种准确可靠的测定方法