来源：期刊VIP网 时间：
作者：柏孝燚;伍金凤;张晋恒;周兵;
单位：云南农业大学理学院;云南农业大学食品科学技术学院;
摘要：[目的]实现对人参果损伤程度的准确、无损检测。[方法]通过自由落体碰撞方式制备不同损伤级别的人参果样本，采集各类样本高光谱数据，分析4种不同预处理方法对随机森林（RF）分类模型的影响。采用连续投影算法（SPA）、竞争性自适应重加权算法（CARS）对预处理后的光谱数据进行特征波长提取，构建偏最小二乘法判别分析（PLS-DA）、支持向量机（SVM）和RF 3种机器学习分类模型并进行对比分析。利用贝叶斯（BO）算法对最优模型的超参数进行寻优。[结果]标准正态变换（SNV）预处理后模型分级效果最佳，预测集准确率达到78.89%；特征波长提取后，分级准确率有所提高，SNV-CARS-RF模型表现出了最佳分级性能，预测集准确率为92.78%；最后经BO算法对SNV-CARS-RF模型的4个超参数完成优化，模型准确率提升至100%。[结论]使用高光谱技术结合机器学习算法能够实现对不同损伤级别的人参果准确检测。
关键词：人参果;;损伤检测;;高光谱检测;;果实损伤;;随机森林;;无损检测
基金资助：云南省重大科技专项计划项目(编号：202302AE09002003)
