基于主成分回归的苹果可溶性固形物含量预测模型

为了更好地预测苹果的可溶性固形物含量（SSC）,试验采用反射式光谱采集系统获取采后"富士"苹果的光谱反射率。分析了3种光谱预处理方法（标准正态变换、多元散射校正以及二阶导数）对预测模型的影响;利用主成分分析方法对预处理后的光谱数据进行降维,并基于选取的特征变量建立预测苹果SSC的回归模型。结果表明:采用主成分分析方法从全光谱的1 024个波长中选取了前23个主成分得分作为特征变量;基于特征变量建立的回归预测模型具有较好的预测能力,其预测集相关系数RP=0.908,均方根误差RMSEP=0.499。这表明采用光谱技术结合主成分回归预测苹果SSC是可行的。