東北林業(yè)大學研究人員在國內期刊《光譜學與光譜分析》發(fā)表了題為"基于可見－近紅外光譜和深度森林的藍莓成熟度判別"的研究論文,。在該論文中，研究人員使用上海騰拔Universal TA國產(chǎn)質構儀測定了藍莓的硬度,。

摘　要　為快速準確對藍莓果實成熟程度進行分類,，采用近紅外光譜檢測技術和深度森林算法,，建立了藍莓成熟度的判別模型。采用ＬａｂＳｐｅｃ?。担埃埃肮庾V儀采集了三種不同成熟程度的藍莓標準樣品,，共獲取了１５０組光譜樣本。為確定最佳輸入模型特征數(shù)目,，對原始光譜數(shù)據(jù)進行ＳａｖｉｔｚｋｙＧｏｌａｙ卷積平滑處理,，采用主成分分析將平滑處理后的數(shù)據(jù)降至４個主成分，并采用多項式特征衍生方法對每個主成分進行２,、３,、４、５階的特征衍生,，最終在深度森林中確定最佳的特征衍生階數(shù)為４,。為檢驗深度森林的成熟度判別效果，將其與隨機森林,、jiduan梯度提升樹算法（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合模型進行了對比,，對各模型確定了最佳超參數(shù)組合，深度森林和ｓｔａｃｋｉｎｇ融合模型采用了手動調參,，隨機森林和ｘｇｂｏｏｓｔ采用了貝葉斯優(yōu)化算法進行了超參數(shù)尋優(yōu),。模型評估指標采用準確率、混淆矩陣、受試者工作特征曲線（ＲＯＣ）,、ＡＵＣ度量及抗噪能力,。研究結果表明，在測試集上,，深度森林和ｓｔａｃｋｉｎｇ融合模型的準確率均為９５．５６％,，隨機森林和ｘｇｂｏｏｓｔ的準確率為９３．３３％；深度森林的ＡＵＣ值為１,，隨機森林,、ｓｔａｃｋｉｎｇ融合模型、ｘｇｂｏｏｓｔ的ＡＵＣ值分別為０．９９,、０．９８,、０．９６，深度森林和ｓｔａｃｋｉｎｇ融合模型的抗噪能力優(yōu)于隨機森林和ｘｇｂｏｏｓｔ,。該研究的深度森林模型整體上判別效果優(yōu)于其他三種模型,，為藍莓成熟程度判別提供了技術支持。

1,、硬度測定

將藍莓樣品放置于質構儀測試平板上,，使用圓柱形探頭對單個漿果進行全質構分析（ＴＰＡ）測試。測前,、測試和測后上行速度均為１ｍｍ/s,，果肉變形３０％，兩次壓縮停頓時間均為５ｓ,，以雙峰曲線中首峰的最大值表示硬度,。

參考文獻：王宏恩等：基于可見－近紅外光譜和深度森林的藍莓成熟度判別. 光譜學與光譜分析, 2024年.