材料与方法

实验设计

选取120个外观无瑕的“红阳”猕猴桃，于实验室环境下静置24小时后，采集其高光谱图像并测定糖度。实验在（26±1）℃环境中进行。

设备与仪器

使用覆盖400-1000nm波段的高光谱相机（杭州彩谱科技有限公司FS13），具备高分辨率和快速采集能力。

数据采集

在仪器预热后，按照标准操作流程采集猕猴桃的高光谱图像，并进行必要的校正。

糖度测定

根据行业标准NT/T2637—2014，对每个猕猴桃赤道部位的糖度进行测定。

数据处理

利用专业软件对原始高光谱图像进行校正，并从赤道区域的图像中提取平均光谱信息。通过多种预处理方法（如DOSC）和特征提取算法（如IRIV、CARS）优化模型性能。

结果

样本划分

所有样本经过筛选，无异常值，按3:1比例划分为校正集和预测集。

光谱分析

分析了不同预处理方法对模型预测精度的影响，发现DOSC方法能显著提升预测效果。

特征提取

应用IRIV和CARS算法进行特征光谱变量提取，分别得到8个和49个特征变量，大幅减少了全光谱波段的数据量。

讨论

研究表明，高光谱成像技术结合适当的光谱预处理和特征提取方法能有效无损检测猕猴桃糖度。DOSC预处理提高了模型的预测能力，而特征提取方法则进一步精简了数据，为快速检测提供了可能。

结论

结合高光谱成像技术和特征提取算法可以实现猕猴桃糖度的快速、无损检测，有助于果品品质评估和后续处理。本研究为农产品内部品质的高效检测提供了新思路。