《Frontiers in Plant Science》：Soluble solids content prediction of pineapple based on visible-near infrared hyperspectral image
编辑推荐：
本研究利用可见-近红外高光谱成像技术（400-1700 nm），结合多元散射校正（MSC）和连续投影算法（SPA）筛选特征波段，建立了菠萝可溶性固形物含量（SSC）的偏最小二乘回归（PLSR）预测模型。研究发现ddA-PLSR模型预测效果最优（R2=0.9869，RMSE=0.1250），并确定四个关键波长区间（673-676nm，711-715nm，971-990nm，1357-1367nm）。该技术为菠萝品质无损检测提供了高效精准的解决方案，对热带水果产业智能化分级具有重要意义。
引言
菠萝作为全球四大热带水果之一，其品质评估核心指标可溶性固形物含量（SSC）直接影响市场价值。传统检测方法存在破坏性、效率低等问题，本研究采用高光谱成像技术（HSI）探索菠萝SSC的无损检测新途径。
材料与方法
实验选取5个品种共100个菠萝样本，使用高光谱成像系统（HyperspecTMVNIR）采集400-1700 nm范围光谱数据，并以数字糖度计测定SSC参考值。通过多元散射校正（MSC）、Savitzky-Golay平滑（SG）和导数算法（D1st）预处理原始光谱，分别建立偏最小二乘回归（PLSR）、Lasso回归和岭回归（RR）模型。采用连续投影算法（SPA）筛选特征波段，并基于随机划分法（训练集:测试集=9:1）评估模型性能。
结果分析
原始光谱在680nm处出现叶绿素吸收峰，980nm处为水分子吸收特征。经SPA筛选后确定四个关键波段：673-676nm（红光区）、711-715nm（红边区）、971-990nm和1357-1367nm（近红外区），其中红边波段与植物生理活性密切相关，近红外波段分别对应水分和碳水化合物响应。全波段建模中MSC-PLSR模型表现最佳（R2=0.9459），而基于特征波段的二阶导数-PLSR（ddA-PLSR）模型进一步优化预测精度（R2=0.9869，RMSE=0.1250），显著优于Lasso（R2=0.8965）和RR（R2=0.8560）模型。
结论
本研究证实高光谱成像技术结合SPA特征筛选和ddA-PLSR建模可实现菠萝SSC的精准无损检测。所确定的特征波段为开发专用多光谱传感器提供理论依据，建立的跨品种适用模型为热带水果品质智能分级提供了可推广的技术范式。
