華中農(nóng)業(yè)大學(xué)工學(xué)院的學(xué)者研究出一種近紅外光譜技術(shù)快速準(zhǔn)確識別帶殼霉變板栗的新方法，可以取代人工，快速、準(zhǔn)確、無損地進行帶殼板栗的品質(zhì)檢測和分選，大大提高了效率和效益，同時也為其它帶殼堅果物料的自動化檢測分選提供了技術(shù)借鑒。該項目填補了國內(nèi)外同類研究的一項空白。

　　該研究成果刊登于《農(nóng)業(yè)工程學(xué)報》2011年第3期上，題為“基于GA-LSSVM和近紅外傅里葉變換的霉變板栗識別”，第一作者為華中農(nóng)業(yè)大學(xué)工學(xué)院博士生周竹，通信作者為李小昱教授。霉變是板栗綜合品質(zhì)評價的重要指標(biāo)。我國板栗年總產(chǎn)量達46.98萬噸，居世界第1位。但采后損失達總產(chǎn)量的35%~50%，重要原因之一是板栗發(fā)生霉變�，F(xiàn)有的霉變板栗分選主要采用人工分選或鹽水浮選，分選效率低，不僅給貯藏加工、銷售帶來困難，也造成了巨大的經(jīng)濟損失。研究一種快速、準(zhǔn)確、無損的霉變板栗分選方法，對于保證板栗品質(zhì)，促進板栗深加工產(chǎn)業(yè)和農(nóng)產(chǎn)品貿(mào)易，提高產(chǎn)業(yè)經(jīng)濟效率具有重要的意義。

　　近紅外光譜技術(shù)可利用全譜或部分波段的光譜數(shù)據(jù)對農(nóng)產(chǎn)品的品質(zhì)進行檢測，該研究組的前期工作表明，近紅外光譜技術(shù)結(jié)合模式識別方法對于帶殼霉變板栗進行檢測是可行的。然而，利用近紅外光譜識別霉變板栗，一方面栗殼增加了識別的難度，需要合適有效的光譜預(yù)處理方法，另一方面近紅外光譜變量較多，為了提高識別的準(zhǔn)確性和快速性，需要選擇較優(yōu)的特征變量和建模方法。用近紅外光譜技術(shù)檢測霉變板栗，發(fā)現(xiàn)合格板栗和霉變板栗的近紅外光譜存在差異，但考慮到栗殼的影響，僅通過光譜預(yù)處理方法建立的霉變板栗識別模型效果不佳。為克服板栗近紅外光譜變量多、共線性強等缺點，對經(jīng)標(biāo)準(zhǔn)正態(tài)變量變換預(yù)處理的板栗近紅外光譜進行傅里葉變換，光譜變量從2048個降低為50個。然后采用遺傳算法，該算法中染色體編碼由近紅外光譜傅里葉變換后的50點傅里葉系數(shù)、最小二乘支持向量機分類器的正則化參數(shù)γ和核函數(shù)參數(shù)σ2共同組成，使得建立的霉變板栗識別模型所用的傅里葉系數(shù)減少為13點，并對合格板栗、表面霉變板栗和內(nèi)部霉變板栗的平均識別正確率分別為95.89%、100%和98.25%，總體平均識別正確率提高到97.54%。與未優(yōu)選傅里葉系數(shù)建立的模型相比，不僅建模所需傅里葉系數(shù)減少，而且對測試集中合格板栗、內(nèi)部霉變板栗的識別率分別提高了5.48%、8.78%，識別時間也相應(yīng)減少。

　　近年來，國內(nèi)外學(xué)者利用近紅外光譜技術(shù)開展了各種農(nóng)產(chǎn)品的檢測方法研究，然而鮮有對帶殼堅果類物料的近紅外光譜鑒別的研究，更無應(yīng)用近紅外光譜進行帶殼霉變板栗識別方法的研究。該研究提出采用近紅外光譜技術(shù)識別帶殼霉變板栗，在采用光譜預(yù)處理降低栗殼影響的情況下，還同時考慮了板栗光譜特征以及分類器參數(shù)對識別模型的影響，這一方法的研究填補了國內(nèi)外同類研究的空白。研究結(jié)果表明，近紅外光譜技術(shù)可以快速、無損進行帶殼板栗的品質(zhì)檢測和分選，為板栗的實時檢測和分選提供了理論依據(jù)和技術(shù)參數(shù)，同時也為其他帶殼堅果物料的研究提供了新方法。