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。

數據采集

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

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

數據處理

利用專業軟件對原始高光譜圖像進行校正，并從赤道區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，發現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據量。

討論

研究表明，高光譜成像技術結合適當的光譜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據，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獼猴桃糖度的快速、無損檢測，有助于果品品質評估和后續處理。本研究為農產品內部品質的高效檢測提供了新思路。