摘要:柑橘的含水率是影響柑橘后續儲存和加工的關鍵因素之一,為了檢測柑橘的含水率,本文利用可見/近紅外光譜透射技術對溫州蜜柑進行含水率檢測,采用了微分處理(Differential processing,SD)、多元散射校正(Multivariate Scattering Correction,MSC)、標準正態變換(standard normal variate,SNV)、SG卷積平滑以及標準化等預處理方法并比較,同時采用競爭性自適應重加權采樣算法(Competitive adaptive reweighted sampling algorithm,CARS)提取特征波長,以此建立了基于柑橘含水率的偏最小二乘回歸模型(Partial Least Squares regression,PLS)、BP神經網絡模型和最小二乘支持向量機模型(Least squares support vector machine,LSSVM)。結果表明,使用經過SNV預處理后的光譜進行CARS篩選得到的359個波長建立的LSSVM模型預測效果最佳,校正集的相關系數和均方根誤差分別為0.9375和0.0086,驗證集相關系數和均方根誤差分別為0.8316和0.0120,結果表明可見/近紅外光譜技術用于溫州蜜柑的含水率檢測是可行的。