基于FT_NIR和电子鼻技术的苹果霉心病无损检测

摘要：为研究傅里叶近红外光谱技术（Fourier transform near infrared spectroscopy，FT-NIRS）和电子鼻技术分别结合化学计量学的方法对苹果霉心病的判别效果。以“红富士"霉心病苹果和健康苹果为试材，利用近红外光谱技术基于主成分分析建立Fisher判别和多层感知器（multi-layer perceptron，MLP）神经网络模型；同时利用电子鼻技术分别结合Fisher判别、MLP神经网络和径向基函数（radial basis function，RBF）神经网络3种化学计量学的方法建立判别模型。根据建模集和验证集的预测准确率综合考虑，基于主成分分析建立的MLP神经网络模型和电子鼻结合MLP神经网络模型对苹果霉心病的判别效果较好，验证集中的正确判别率分别达到87.7%和86.2%。说明电子鼻和近红外光谱技术均可以较好地判别苹果霉心病。 

关键词：苹果;霉心病;近红外光谱;电子鼻;化学计量学;