[VIS/NIR分光法を使用したブドウとベリーの糖含有量測定に関する研究]

VIS/NIRスペクトルの非線形相関特性と、ブドウとベリーの対応する糖分を目指して、拡散反射率によってブドウとベリーのVIS/NIRスペクトルが得られました。ブドウと果実の糖分を予測するために、混合アルゴリズムが提示されました。元のスペクトルデータは、部分的な最小二乗（PLS）を使用して処理され、信頼性に基づいて3つの最良の要因が選択されました。これらの3つの主要な要因のスコアは、3層のバックプロパゲーション人工ニューラルネットワーク（BP-ANN）の入力としてとられます。キャリブレーションコレクションのサンプルで訓練されたBP-ANNは、予測コレクションのサンプルを予測しました。意思決定係数（R2）の値、予測の根平均二乗誤差（RMSEP）、およびバイアスを使用して、混合モデルを推定しました。PLS-ANN（R2 = 0.908、RMSEP = 0.112、およびバイアス= 0.013）を使用した観察された結果は、PLS（R2 = 0.863、RMSEP = 0.171、バイアス= 0.024）によって得られた結果よりも優れていました。結果は、非破壊決定方法による糖含有量などのブドウとベリーの内部品質の検出が非常に実現可能であり、ブドウとベリーの糖含有量予測モデルを設定するための強固な基盤を築くことであると主張しました。

Aiming at the nonlinear correlation characteristic of Vis/NIR spectra and the corresponding sugar content of grape and berries, the Vis/NIR spectra of grape and berries were obtained by diffusion reflectance. A mixed algorithm was presented to predict sugar content of grape and berries. The original spectral data were processed using partial least squares (PLS), and three best principal factors were selected based on the reliabilities. The scores of these 3 principal factors would be taken as the input of the three-layer back-propagation artificial neural network (BP-ANN). Trained with the samples in calibration collection, the BP-ANN predicted the samples in prediction collection. The values of decision coefficient (r2), the root mean squared error of prediction (RMSEP), and bias were used to estimate the mixed model. The observed results using PLS-ANN (r2 = 0.908, RMSEP = 0.112 and Bias = 0.013) were better than those obtained by PLS (r2 = 0.863, RMSEP = 0.171, Bias = 0.024). The result indicted that the detection of internal quality of grape and berries such as sugar content by nondestructive determination method was very feasible and laid a solid foundation for setting up the sugar content forecasting model for grape and berries.