華中農業大學工學院的學者研究出一種近紅外光譜技術快速準確識別帶殼霉變板栗的新方法，可以取代人工，快速、準確、無損地進行帶殼板栗的品質檢測和分選，大大提高了效率和效益，同時也為其它帶殼堅果物料的自動化檢測分選提供了技術借鑒。該項目填補了國內外同類研究的一項空白。

　　該研究成果刊登于《農業工程學報》2011年第3期上，題為“基于GA-LSSVM和近紅外傅里葉變換的霉變板栗識別”，第一作者為華中農業大學工學院博士生周竹，通信作者為李小昱教授。霉變是板栗綜合品質評價的重要指標。我國板栗年總產量達46.98萬噸，居世界第1位。但采后損失達總產量的35%~50%，重要原因之一是板栗發生霉變。現有的霉變板栗分選主要采用人工分選或鹽水浮選，分選效率低，不僅給貯藏加工、銷售帶來困難，也造成了巨大的經濟損失。研究一種快速、準確、無損的霉變板栗分選方法，對于保證板栗品質，促進板栗深加工產業和農產品貿易，提高產業經濟效率具有重要的意義。

　　近紅外光譜技術可利用全譜或部分波段的光譜數據對農產品的品質進行檢測，該研究組的前期工作表明，近紅外光譜技術結合模式識別方法對于帶殼霉變板栗進行檢測是可行的。然而，利用近紅外光譜識別霉變板栗，一方面栗殼增加了識別的難度，需要合適有效的光譜預處理方法，另一方面近紅外光譜變量較多，為了提高識別的準確性和快速性，需要選擇較優的特征變量和建模方法。用近紅外光譜技術檢測霉變板栗，發現合格板栗和霉變板栗的近紅外光譜存在差異，但考慮到栗殼的影響，僅通過光譜預處理方法建立的霉變板栗識別模型效果不佳。為克服板栗近紅外光譜變量多、共線性強等缺點，對經標準正態變量變換預處理的板栗近紅外光譜進行傅里葉變換，光譜變量從2048個降低為50個。然后采用遺傳算法，該算法中染色體編碼由近紅外光譜傅里葉變換后的50點傅里葉系數、最小二乘支持向量機分類器的正則化參數γ和核函數參數σ2共同組成，使得建立的霉變板栗識別模型所用的傅里葉系數減少為13點，并對合格板栗、表面霉變板栗和內部霉變板栗的平均識別正確率分別為95.89%、100%和98.25%，總體平均識別正確率提高到97.54%。與未優選傅里葉系數建立的模型相比，不僅建模所需傅里葉系數減少，而且對測試集中合格板栗、內部霉變板栗的識別率分別提高了5.48%、8.78%，識別時間也相應減少。

　　近年來，國內外學者利用近紅外光譜技術開展了各種農產品的檢測方法研究，然而鮮有對帶殼堅果類物料的近紅外光譜鑒別的研究，更無應用近紅外光譜進行帶殼霉變板栗識別方法的研究。該研究提出采用近紅外光譜技術識別帶殼霉變板栗，在采用光譜預處理降低栗殼影響的情況下，還同時考慮了板栗光譜特征以及分類器參數對識別模型的影響，這一方法的研究填補了國內外同類研究的空白。研究結果表明，近紅外光譜技術可以快速、無損進行帶殼板栗的品質檢測和分選，為板栗的實時檢測和分選提供了理論依據和技術參數，同時也為其他帶殼堅果物料的研究提供了新方法。