材料與方法

實驗設計

選取120個外觀無瑕的“紅陽”獼猴桃，于實驗室環(huán)境下靜置24小時后，采集其高光譜圖像并測定糖度。實驗在（26±1）℃環(huán)境中進行。

設備與儀器

使用覆蓋400-1000nm波段的高光譜相機（杭州彩譜科技有限公司FS13），具備高分辨率和快速采集能力。

數(shù)據(jù)采集

在儀器預熱后，按照標準操作流程采集獼猴桃的高光譜圖像，并進行必要的校正。

糖度測定

根據(jù)行業(yè)標準NT/T2637—2014，對每個獼猴桃赤道部位的糖度進行測定。

數(shù)據(jù)處理

利用專業(yè)軟件對原始高光譜圖像進行校正，并從赤道區(qū)域的圖像中提取平均光譜信息。通過多種預處理方法（如DOSC）和特征提取算法（如IRIV、CARS）優(yōu)化模型性能。

結果

樣本劃分

所有樣本經過篩選，無異常值，按3:1比例劃分為校正集和預測集。

光譜分析

分析了不同預處理方法對模型預測精度的影響，發(fā)現(xiàn)DOSC方法能顯著提升預測效果。

特征提取

應用IRIV和CARS算法進行特征光譜變量提取，分別得到8個和49個特征變量，大幅減少了全光譜波段的數(shù)據(jù)量。

討論

研究表明，高光譜成像技術結合適當?shù)墓庾V預處理和特征提取方法能有效無損檢測獼猴桃糖度。DOSC預處理提高了模型的預測能力，而特征提取方法則進一步精簡了數(shù)據(jù)，為快速檢測提供了可能。

結論

結合高光譜成像技術和特征提取算法可以實現(xiàn)獼猴桃糖度的快速、無損檢測，有助于果品品質評估和后續(xù)處理。本研究為農產品內部品質的高效檢測提供了新思路。