基于微型光谱仪搭建一台体积小、易操作的猕猴桃可溶性固形物含量(soluble solids content,SSC)检测装置,并用该装置采集了‘华优’、‘徐香’和‘西选’3个品种猕猴桃的近红外光谱,利用不同特征波长提取方法从全光谱中提取特征波长,并比较不同方法提取的特征波长及全光谱对3个品种猕猴桃SSC的偏最小二乘模型预测精度的影响;用斜率/截距算法结合‘华优’猕猴桃大样本模型,预测‘徐香’和‘西选’猕猴桃的SSC。结果表明,连续投影算法对于模型简化效果最好,其对‘华优’、‘徐香’和‘西选’猕猴桃大样本的预测均方根误差(root mean square error of prediction,RMSEP)分别为0.583、0.678°Brix和0.646°Brix;用斜率/截距算法对‘华优’猕猴桃SSC模型进行校正时,仅用10个‘徐香’和50个‘西选’猕猴桃便能有效地提高对SSC的预测性能,其RMSEP分别为0.966°Brix和0.875°Brix。本研究为进一步构建精度更高、更便捷的微型集成式猕猴桃SSC检测仪提供理论依据。
