苹果糖度和硬度检测的研究现状
苹果的质构与感官评定相关性研究
苹果的质构与感官评定相关性研究
苹果的质构对消费者的感官体验有着非常重要的影响。
这篇研究旨在探讨苹果的质构
与感官评定之间的相关性。
研究方法：
本研究选择了不同品种和产地的苹果，使用了质构仪来测量苹果的力学特性，如硬度、弹性、膨胀力等。
同时，通过感官评定的方法，包括视觉、嗅觉、味觉、口感等多个方面
来对苹果进行评估。
最后，使用相关性分析方法，对苹果的质构与感官评定之间的相关性
进行了分析。
结果与分析：
实验结果显示，苹果的质构与感官评定之间存在非常显著的相关性。
具体来说，苹果
的硬度与口感的评分之间呈负相关，硬度越高，口感评分就越低。
这意味着当苹果的硬度
过高时，消费者觉得苹果的口感不好，影响他们的消费体验。
此外，实验还发现，苹果的甜度与整体味道的评分之间呈正相关，甜度越高，整体味
道评分越高。
这表明，消费者更愿意消费口感好、甜度高的苹果。
视觉方面，实验发现苹果的形状和颜色对消费者的评价有很大影响。
规则的形状和鲜
艳的颜色可以给人良好的视觉体验，从而提高苹果的整体评价分数。
此外，苹果的气味也
是消费者评价的重要因素之一，苹果的气味清新、浓郁也有助于提高评分。
结论：
本研究的结果表明，苹果的质构与感官评定之间存在着非常显著的相关性。
在苹果的
生产和销售过程中，应该注重苹果的质构及其对感官体验的影响。
同时，应该采取措施，
如选择适当的品种和控制成熟度，来提高苹果的口感和甜度等方面，以满足消费者的需求。
此外，还应该注意对苹果进行品质保护，保持苹果的新鲜度和气味，提高消费者的消费体验。
苹果糖度和硬度检测的研究现状
. .. .苹果糖度和硬度检测的研究现状【摘要】本文介绍和分析了目前为止绝大多数对苹果糖度和硬度的检测的研究，这些研究主要是从苹果的无损检测入手，利用高光谱图像技术，采用傅里叶变换，CCD，MATLAB语言，光纤传感，遗传算法，混合线性分析方法对苹果进行糖度和硬度的检测。
关键词苹果红外光谱无损检测糖度硬度Apple sugar content and hardness testingresearch status【Absatract】This paper introduces and analyzes so far most apple sugar content and hardness testing research，these studies mainly from apple nondestructive testing of utilization of hyperspectral imaging technology，using Fourier transform，CCD，MATLAB language，the optical fiber sensing，genetic algorithm，the mixed linear analysis method for apple for sugar content and hardness testingKeywords：Fruits，Infrared spectrum，Nondestructive Testing，Sugar content，Hardness前言市场上的农产品越来越多样化，生产者除了要保持农产品的新鲜度外，还要确保有好的口感和营养价值，因此，当前迫切需要发展一种快速有效的无损检测方法。
在过去的几十年里，很多学者都在关注近红外光谱技术———一种测定有机物的重要技术，由于其具有快速性、无需样品前期处理、无化学污染等优势，使得近红外光谱技术在短短十几年就成为一项极具竞争力的分析技术，在农业、食品等行业中得到广泛的应用，常常被用于测定蔬菜水果中的有机酸、蛋白质等。
水果成熟度检测技术的现状与发展
水果成熟度检测技术的现状与发展水果成熟度检测技术是农业生产过程中非常重要的一个环节，用于判断水果的成熟程度以及质量，对于确保水果品质和销售价格具有重要的作用。
随着科学技术的不断进步和发展，水果成熟度检测技术也在不断更新和完善。
本文主要探讨了当前水果成熟度检测技术的现状和发展方向。
目前，常见的水果成熟度检测技术主要包括质量测试、化学分析、可视光谱技术、红外光谱技术以及基于成像的方法。
其中，质量测试是最常见的水果成熟度检测方法之一，例如大小、颜色、硬度、含糖量以及PH值等指标。
这些质量指标与水果成熟度有直接关系，可以通过手动测试或机器测试获得。
化学分析则是另一个非常重要的水果成熟度检测方法。
常见的化学分析方法包括气相色谱、高效液相色谱，以及质谱等方法，利用这些方法可以检测水果中丰富的化学成分和代谢产物。
其中，气相色谱被普遍用于检测挥发性物质，如水果的香气和气味，而高效液相色谱则主要用于分析水果中的非挥发性化合物。
另外，光谱技术作为现代无破坏性测试技术的代表，也可以应用于水果成熟度检测。
在可视光谱技术中，通常使用CCD相机采集水果表面反射光谱信号，并进行数据分析和处理。
红外光谱技术则基于水果中不同成分对红外光谱的吸收谱带有所不同的原理进行检测。
在基于成像的水果成熟度检测方法中，机器视觉技术和计算机图像处理技术则被广泛应用于水果的成熟度测试。
例如，利用计算机视觉算法，在水果表面的颜色、纹理和形状特征上构建分类模型，实现对水果的自动检测和成熟度识别。
总的来说，随着先进技术的提高，未来水果成熟度检测技术有望更加智能化、无损、高效，预计将进一步促进农业的生产效率和经济效益。
苹果的质构与感官评定相关性研究
苹果的质构与感官评定相关性研究苹果是一种常见的水果，其质构和感官评定直接关系到消费者的口感和满意度。
为了更好地了解苹果的质构和感官评定之间的相关性，本文将探讨苹果的质构特点、感官评定方法以及它们之间的关系。
一、苹果的质构特点1.外观：苹果的外观是消费者第一时间接触到的部分，其颜色鲜艳、光泽度高、表面平整且无瑕疵的苹果更受到消费者的青睐。
2.硬度：苹果的硬度是其质构的重要指标之一，消费者在咬入苹果时会感受到不同程度的硬度，这直接影响了消费者的口感和满意度。
3.口感：苹果的口感包括了爽脆、多汁、甜度、酸度等因素，这些因素共同构成了消费者对苹果口感的综合评定。
二、苹果的感官评定方法1.外观评定：通过外观评定可以了解苹果的颜色、光泽度、表面缺陷等情况，可以通过目视和触摸来进行评定。
2.硬度评定：硬度评定通常使用硬度计来进行，也可以通过手感、咬感等方式来评定。
苹果的质构与感官评定之间存在着密切的相关性。
苹果的外观对消费者的感官评定有着重要影响，鲜艳的颜色、光泽的表面往往能给人留下良好的第一印象，并对口感的期待产生影响。
苹果的硬度直接关系到口感的爽脆度，硬度适中的苹果更容易被消费者接受。
口感评定是消费者对苹果感官体验的综合评价，包括了多个因素，例如甜度、酸度、香味等，这些因素都受到了质构的影响。
通过对苹果的质构和感官评定之间关系的研究，可以更好地了解消费者对苹果口感的喜好，并为苹果的生产和加工提供指导意义。
也为消费者提供更好的苹果选择和购买建议，以满足他们对苹果口感的需求。
苹果的质构和感官评定之间存在着密切的关系，通过深入研究和了解这种关系，可以为生产者提供更好的生产和加工技术，为消费者提供更好的购买建议，促进苹果产业的发展。
希望未来能有更多的研究关注苹果的质构与感官评定相关性，为行业发展和消费者服务提供更多有益的信息和建议。
近红外光谱苹果糖度检测
红富士苹果糖度的近红外光谱检测分析试验研究摘要：近红外光谱分析技术具有无前处理、无污染、无破坏性、重现性好、检测速度快等优点，结合偏最小二乘回归法对苹果进行定量建模分析，可促进苹果的检测和刷选。
分析结果表明该技术所给出的分析精度可以和传统分析方法相媲美，相关系数(R)为0.979，预测均方根误差(RMSEP)为0.263。
通过本研究得出：应用近红外光谱检测苹果糖度是可行的，为今后快速无损评价苹果提供了理论依据。
关键词：近红外光谱；苹果；糖度；OPUS；建模Using NIR Spectra in Non-Invasive Measurements of the Red Fuji AppleSugar ContentAbstract: Near-infrared spectroscopy technique has advantages such as no pre-treatment, no pollution, good repeatability, speediness, and non-destructive combined with partial least squares regression model for quantitative analysis of Apple, which can promote the detection of apple and the apple’s election. The results show that the precision of the analysis technique can be given comparable to traditional methods, the correlation coefficient(R) is 0.979, and the root mean square prediction error (RMSEP) is 0.263. Through this study we can find that the brix of apple tested by the Near Infrared Spectroscopy is feasible, and it provides the basis of theory for the rapid non-destructive evaluation.Key words: Near-infrared spectrum; Apple; Sugar Content; OPUS; Model引言近红外光谱技术作为一种分析手段是从上世纪50年代开始的，并在80年代以后的10多年里发展最快、最引人注目的光谱分析技术，是光谱测量技术与化学计量学学科的有机结合，被誉为分析的巨人。
水果硬度检测实验报告
水果硬度检测实验报告
仪器名称：果实硬度计（水果硬度计）
仪器型号：GY系列
仪器用途
水果硬度计（又称果品硬度计），该产品共分GY-1,GY-2,GY-3三种型号，用来测量苹果、梨、西瓜、香蕉等多种水
果的硬度，用以判定水果的成熟程度，对培育良种，采摘时间，加工时间，收获储存，出口运输等采摘的合理掌握。
它适用于果树科研部门，果树农场，果品公司，大专院校等单位使用。
该仪器体积小，重量轻，数值显示直观，携带方便，适用于各种果品场所对果品的检验。
该仪器还可以装配于专用的机台使用，刻提高测试时的精度，适用于专业检测部门。
产品型号
型号 GY-1 GY-2 GY-3 刻度示值 2-15kg/cm2 （×10 5帕）0.5-4kg/cm2 （×10 5帕） 1-24kg/cm2 （×10 5帕） 0.5-
12kg/cm2 （×10 5帕）测头尺寸Φ3..5mm Φmm Φ11mm 精确
度 ±0.1 ±0.02 ±0.1 压头压入深度 10mm 外形尺寸
140×60×30mm 重量 0.3kg。
水果成熟度检测技术的现状与发展
水果成熟度检测技术的现状与发展水果成熟度检测技术是指通过科学手段，对水果的成熟度进行准确检测和评估的技术。
它可以帮助种植者和果农确定水果的成熟度，从而进行采摘和销售。
目前，水果成熟度检测技术已经取得了一些进展，但仍有许多挑战和发展空间。
一、主要的水果成熟度检测方法目前，主要的水果成熟度检测方法包括物理测量法、化学分析法和成像技术。
物理测量法主要利用水果的质量、大小、颜色、硬度等参数来评估其成熟度。
化学分析法则通过检测水果中的成分含量，如糖分、酸度、维生素含量等来判断其成熟度。
成像技术则利用技术手段来获取水果表面的图像信息，然后通过图像处理和分析来评估水果的成熟度。
二、现有技术的应用情况1. 物理测量法：质量、大小、颜色等物理参数是判断水果成熟度最常用的指标之一，在实际应用中，这些参数通常被广泛采用。
通过称重或使用机器学习算法等方式来测量水果的质量；使用影像处理技术来测量水果的大小和形状；通过使用光谱分析仪或显色卡来测量水果的颜色。
2. 化学分析法：化学分析法比较准确地反映了水果的成熟度，但由于其需要耗费较长时间、需专业仪器及技术，因此在实际应用中还有一定的局限性。
目前，已经开发出了一些基于红外光谱、核磁共振、高效液相色谱等技术的仪器，用于测定水果中的含糖量、酸度、维生素含量等参数。
3. 成像技术：近年来，随着计算机视觉和图像处理技术的发展，水果成熟度检测中的成像技术也得到了广泛应用。
主要包括近红外成像、热成像、高光谱成像等。
这些成像技术通过获取水果的表面图像，并通过图像分析和处理来提取与水果成熟度相关的特征，从而判断水果的成熟度。
三、水果成熟度检测技术的挑战与发展空间1. 检测精度提高：目前，水果成熟度检测技术在实际应用中的检测精度还有一定的提升空间。
尤其是在光谱分析和成像技术方面，需要深入研究和改进，以提高检测精度和准确性。
2. 多种指标综合判断：水果成熟度的评估需要综合考虑多个指标，如颜色、质地、味道等。
果品无损检测技术的研究现状
果品无损检测技术的研究现状周新仁 丁继高(农八师143团机关,石河子,832000)摘 要 无损检测是近年来发展起来的高科技技术之一,在工业和农业的应用方面得到了广泛的研究。
文中综述了目前无损检测技术在国内外果蔬产品品质检验中的应用现状,并指出了果品品质无损检测技术的发展方向。
关键词 无损检测,果品,品质检验第一作者:学士,副教授。
收稿时间:2004-08-02,改回时间:2004-09-10 随着生活水平的提高,人们在满足果品和蔬菜数量需求的同时,对质量也提出了更高的要求。
人们不仅要求果蔬大小相同,而且要求品质一致。
为了对大量生产的果蔬进行自动分级和品质鉴定,国内外有许多学者长期从事这一领域的研究。
果蔬品质的检测方法大致可分为近红外分析法、声学特性分析法、X 射线分析法、计算机图像检测法、电、磁特性分析法、可见光成熟度分析法以及激光分析法等。
其中,无损检测应用更加广泛,是近几年发展的高新技术之一。
无损检测又称非破坏检测,即在不破坏样品的情况下对其进行内部品质评价(包括糖度、酸度、硬度、内部病变等)的方法。
该方法检测速度较传统的化学方法迅速,又能有效地判断出从外观无法得出的样品内部品质信息。
由于消费者在选购水果时极为看重其内部品质如口感、糖度和酸度,因此研究基于水果光学特性的内部品质无损检测与分级技术,并将研究成果应用到水果产后处理生产线上具有广阔的市场应用前景。
本文分析了水果的光特性、电特性、声学特性检测原理及方法,并综述了国内外的最新研究进展。
1 无损检测技术的应用111 果品光特性无损检测的原理分析由于水果的内部成分和外部特性不同,在不同波长光线照射下会有不同的吸收或反射特性,也就是说,水果的分光反射率或吸收率在某一特定波长内会比其他部分大,根据这一特性结合光学检测装置能实现水果品质的无损检测[1]。
考虑到水果品种的多样性和形状的特殊性,用于水果内部品质光特性检测的系统主要由光源系统,入射出射光纤组件,光电检测转换器和信号放大转换系统,显示输出等硬件系统和用于光谱采集和数据处理的软件系统组成。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
.苹果糖度和硬度检测的研究现状【摘要】本文介绍和分析了目前为止绝大多数对苹果糖度和硬度的检测的研究，这些研究主要是从苹果的无损检测入手，利用高光谱图像技术，采用傅里叶变换，CCD，MATLAB语言，光纤传感，遗传算法，混合线性分析方法对苹果进行糖度和硬度的检测。
关键词苹果红外光谱无损检测糖度硬度Apple sugar content and hardness testingresearch status【Absatract】This paper introduces and analyzes so far most apple sugar content and hardness testing research，these studies mainly from apple nondestructive testing of utilization of hyperspectral imaging technology，using Fourier transform，CCD，MATLAB language，the optical fiber sensing，genetic algorithm，the mixed linear analysis method for apple for sugar content and hardness testingKeywords：Fruits，Infrared spectrum，Nondestructive Testing，Sugar content，Hardness前言市场上的农产品越来越多样化，生产者除了要保持农产品的新鲜度外，还要确保有好的口感和营养价值，因此，当前迫切需要发展一种快速有效的无损检测方法。
在过去的几十年里，很多学者都在关注近红外光谱技术———一种测定有机物的重要技术，由于其具有快速性、无需样品前期处理、无化学污染等优势，使得近红外光谱技术在短短十几年就成为一项极具竞争力的分析技术，在农业、食品等行业中得到广泛的应用，常常被用于测定蔬菜水果中的有机酸、蛋白质等。
而且检测时间仅需数秒钟，可以同时检测多种成分，实现水果品质的快速分析，对水果生产，特别是水果加工质量的控制，具有十分重要的作用。
我国是世界第一水果生产大国，据保守统计，2003年苹果产量达到2060.96万吨，2004年是苹果丰产年，达到2200万吨以上，2009年全国苹果产量预计达到3300万吨]1[。
但我国的水果在国际市场上大多数档次较低，在国，高档水果市场也被国外水果垄断，其中一个很重要的原因是品种混杂、质量优劣不齐，苹果采收后，由于大小、成熟度和商品性的不同，应进行分级，其中糖度和酸度是评价苹果成熟度的重要指标，而这些指标难以从外部进行鉴别，传统的检测方法往往采用抽样方式的化学检测，这些方法大多存在分析过程比较复杂、耗时长、检测费用高、技术条件复杂、难于实现即时监控及需要破坏样品等缺点，从1980年开始，近红外光谱技术作为一种无损检测手段被广泛用于测定农产品的部品质，它不仅能够同时检测多种组分，而且因为它是非破坏性的，可以对一个样品进行多次检测]2[。
水果中的糖分分子属于红外活性分子，当近红外光照射到水果中时，不同的水果部成分对于不同波长的光学吸收程度不同，而随着水果部成分质量分数的不同，其部光谱也将发生变化，利用这一特性，即可根据近红外光谱特征分析水果中的主要成分及其质量分数]3[。
1苹果糖度和硬度的检测方法1.1基于MATLAB语言的苹果糖度近红外光谱定量分析利用MATLAB6.1语言实现水果近红外漫反射光谱法的定量分析数据的处理，着重研究了主成分分析多元校法在水果部品质定量分析中的实现方法.燕德，应义斌利用MATLAB6.1语言实现水果近红外漫反射光谱法定量分析数据的处理，研究了主成分分析在水果漫反射光谱分析中的实现方法，通过编程和计算机试算，找出苹果部糖度定量分析的两类吸收峰:一类为1453、1931、2314和2353nm;另一类为978、1198、1732和1790nm，并对吸收峰的光谱吸光度与苹果糖度进行了相关性分析，得出糖度与原始光谱吸光度的最大相关系数为-0.621，最小相关系数为-0.365。
燕德主要以我国主要水果———富士苹果的近红外漫反射吸光度(=log1/R)为考核指标，使用Necolet公司Nexus FT-IR光谱仪(800-500nm)获取34个富士苹果近红外漫反射原始光谱，然后利用OMNIC6.0软件将原始光谱保存为CSV文件，以方便MATLAB原始数据读取，同时将富士苹果原始光谱在978、1198、1453、1732、1790、1931、2314、2353nm等8个吸收峰处的漫反射吸光度值用于主成分，分析其指标变量记为x1、x2、x3、x4、x5、x6、x7、x8，样本数m=34，指标变量个数p=8，原始数据矩阵为X。
水果糖度测定用WYT4型手持糖量计测量(如表1所示)，用Y来表示成因变量.调用MATLAB统计工具箱提供的多元统计分析函数主成分分析princomp(X)和regress(Y，X)来实现]4[。
1.2基于光纤传感的富士苹果糖度检测研究燕德，应义斌，蒋焕煜利用傅立叶光谱仪的智能光纤传感器，探讨了近红外光无损检测水果糖度的方法。
通过主成分回归、偏最小二乘法和逐步回归法三种多元校正算法对水果光谱数据的分析，得出PLS模式水果糖度预测值和真实值的相关系数为0.86，标准校正误差为0.14，标准预测误差为0.97，PCA模式水果糖度预测值和真实值相关系数为0.85，标准校正误差为0.47，标准预测误差为1.27，而SMLR模式的水果糖度预测值和真实值相关系数为0.72，标准校正误差为0.72，标准预测误差为2.10，研究结果表明，在12500-3800cm1 光谱围应用光纤传感器技术进行苹果糖度无损检测具有可行性。
]5[1.3用遗传区间偏最小二乘法建立苹果糖度和硬度近红外光谱模型6[-，用近红外光谱来预测苹果的糖度和硬度已在许多论文中进行了报道]16目的是获得精度更高、更稳定的预测模型。
由于近红外区的谱带复杂、重叠多，通过苹果近红外光谱的分析可以看出，光谱的总体走势比较平缓，波峰和波谷没有剧烈的起伏。
在利用近红外漫反射光谱技术检测苹果糖度的前期研究中也发现，对原始光谱进行中心化处理后，再采用偏最小二乘法(PLS)进行多变量校正所建立的模型，出现用信噪比(SNR)高的波段比用信噪比低的波段建立PLS校正模型的预测能力明显增强，即如何选择合适的光谱谱区的问题。
为此采用近几年来发展起来的一种新的建模方法———区间偏最小二乘(iPLS)法]17[进行光谱建模，并在此基础上进行改进和发展成一种光谱谱区选择和建模的方法———遗传区间偏最小二乘法(GA-iPLS)。
艳肖，邹小波，董英选用水晶红富士85个，购回后从中随机地选取63个作为校正集，余下的22个作为预测集，试验时，由近红外光谱仪(Nexus670FTIR，美国Nicolet公司生产，配有近红外光纤附件和Zn-Gas检测器)在每个苹果的最大横径上进行光谱扫描，扫描波数围为4279-9843cm1-，扫描次数为32次，波数间隔为1.924cm1-(共2886个波数点)，分辨率为4cm1-，动镜速度为0.9494cm·s1-，光圈为50，以BaSO4作为参比材料。
扫描时光纤探头与苹果表面之间间隔保持1-3mm的距离。
将光谱数据(光谱围:4279-9843cm)等40个区间(其中第1-6号区间每个区间波数点为73余下的区间每个区间波数点为72)，用Nrgaard]17[的区最小二乘法进行处理。
用遗传区间偏最小二乘法建立糖度的预测模型。
结果发现，遗传区间偏最小二乘筛选法不仅能有效地减少建模所用的变量数，而且能有效地提高糖度模型的测量精度。
通过遗传区间偏最小二乘法选取合适的光谱区间进行建模，可以减小建模运算时间，剔除噪声过大的谱区，使最终建立的农产品品质检测近红外光谱模型的预测能力和精度更高。
1.4苹果中糖度的CCD近红外光谱分析基于CCD检测器的近红外光谱仪性能稳定、分辨率高、扫描速度快，相对于傅立叶光谱仪成本较低。
董一威，籍保平等人在对光谱议的硬件、软件充分调研的基础上选择75W 的进口石英卤钨灯作为光源，采用型号为SonyILX554B的CCD芯片作为检测器，分光系统的焦距为100mm，利用Y型漫反射光纤(芯径400um)采集光谱，数据处理和控制系统与PC之间采用USB2.0接口连接，自行开发了基于CCD近红外光谱仪的苹果部品质检测系统。
在自行搭建的基于CCD近红外光谱仪的苹果部品质检测系统上，对红富士苹果的糖度和酸度进行检测。
通过对比S—G平滑、一阶导数、二阶导数等三种光谱预处理后的建模效果，发现用S—G平滑处理后所建苹果糖度模型的效果最好，而一阶导数、二阶导数处理后光谱噪声变大，建立的模型效果变差。
结果表明，应用近红外光谱漫反射技术在630-1030nm波长围对苹果糖度进行快速无损检测具有可行性。
1.5苹果硬度的傅里叶变换近红外光谱无损检测目前，苹果硬度检测普遍采用压力硬度计或质构仪等破坏性检测，检测速度慢，检验后果实失去商品价值，近红外光谱无损检测技术具有简单、快速、无损的特点，且可降低测试费用，便于实现在线实时检测。
桂峰，国建等人采用精密度高的质构分析仪测定苹果的硬度，用傅里叶变换近红外光谱仪采集苹果的近红外光谱；通过解析谱图和进行不同的预处理，将比较复杂的弱光谱信息有效提取出来，找出苹果最好的预处理方法和有效光谱围；用偏最小二乘法对苹果的近红外光谱数据进行定量分析，并对样本进行预测。
多元散射校正能有效地消除样品间散射影响所导致的基线平移和偏移现象，提高原吸光度光谱的信噪比，消除由于样品颗粒度、分布均匀性等差异所造成的影响。
并将多元散射校正法用于苹果硬度光谱预处理，并对所建模型进行验证。
结果表明，多元散射校正能够有效消除光谱基线平移和偏移现象，提高原光谱的信噪比，选取有效信息波长围为1408～2235nm 。
偏最小二乘法结合多元散射校正所建模型的预测效果最好，模型的决定系数2R 为0.9852，部交叉验证均方根差MSEP R 和预测标准偏差MSEP R 分别为0.03982/cm kg 和0.01662/cm kg 。
进一步通过剔除异常值优化模型，并验证检验组的25个样品，模型的2R 为0.9908，MSEP R 为0.01472/cm kg 。
结果表明：建立的模型可靠，预测效果好，能满足苹果硬度快速检测的要求。
1.6基于混合线性分析的苹果糖度近红外光谱检测混合线性分析法是化学计量分析中一种较新的算法，主要用于混合物体系中纯组分的光谱定量分析。