華中農業大學工學院的學者研討出一種近紅外光譜手藝疾速精確辨認帶殼霉變板栗的新方式，能夠代替野生，疾速、精確、無損地停止帶殼板栗的品德檢測和分選，大大進步了效力和效益，同時也為別的帶殼堅果物料的主動化檢測分選供給了手藝鑒戒。該項目彌補了國際外同類研討的一項空缺。

　　該研討功效登載于《農業工程學報》2011年第3期上，題為“基于GA-LSSVM和近紅外傅里葉變更的霉變板栗辨認”，第一作者為華中農業大學工學院博士生周竹，通訊作者為李小昱傳授。霉變是板栗綜合品德評估的首要目標。我國板栗年總產量達46.98萬噸，居天下第1位。但采后喪失達總產量的35%~50%，首要緣由之一是板栗產生霉變。現有的霉變板栗分選首要接納野生分選或鹽水浮選，分選效力低，不只給儲藏加工、發賣帶來堅苦，也造成了龐大的經濟喪失。研討一種疾速、精確、無損的霉變板栗分選方式，對保證板栗品德，增進板栗深加工財產和農產物商業，進步財產經濟效力具備首要的意思。

　　近紅外光譜手藝可操縱全譜或局部波段的光譜數據對農產物的品德停止檢測，該研討組的后期任務標明，近紅外光譜手藝連系形式辨認方式對帶殼霉變板栗停止檢測是可行的。但是，操縱近紅外光譜辨認霉變板栗，一方面栗殼增添了辨認的難度，須要適合有用的光譜預處置方式，另外一方面近紅外光譜變量較多，為了進步辨認的精確性和疾速性，須要挑選較優的特點變量和建模方式。用近紅外光譜手藝檢測霉變板栗，發明及格板栗和霉變板栗的近紅外光譜存在差別，但斟酌到栗殼的影響，僅經由過程光譜預處置方式成立的霉變板栗辨認模子成果不佳。為降服板栗近紅外光譜變量多、共線性強等錯誤謬誤，對經規范正態變量變更預處置的板栗近紅外光譜停止傅里葉變更，光譜變量從2048個下降為50個。而后接納遺傳算法，該算法中染色體編碼由近紅外光譜傅里葉變更后的50點傅里葉系數、最小二乘撐持向量機分類器的正則化參數γ和核函數參數σ2配合構成，使得成立的霉變板栗辨認模子所用的傅里葉系數削減為13點，并對及格板栗、外表霉變板栗和外部霉變板栗的均勻辨認準確率別離為95.89%、100%和98.25%，整體均勻辨認準確率進步到97.54%。與未優選傅里葉系數成立的模子比擬，不只建模所需傅里葉系數削減，并且對測試集合及格板栗、外部霉變板栗的辨認率別離進步了5.48%、8.78%，辨認時候也響應削減。

　　最近幾年來，國際外學者操縱近紅外光譜手藝展開了各類農產物的檢測方式研討，但是鮮有對帶殼堅果類物料的近紅外光譜辨別的研討，更無利用近紅外光譜停止帶殼霉變板栗辨認方式的研討。該研討提出接納近紅外光譜手藝辨認帶殼霉變板栗，在接納光譜預處置下降栗殼影響的環境下，還同時斟酌了板栗光譜特點和分類器參數對辨認模子的影響，這一方式的研討彌補了國際外同類研討的空缺。研討功效標明，近紅外光譜手藝能夠疾速、無損停止帶殼板栗的品德檢測和分選，為板栗的及時檢測和分選供給了實際根據和手藝參數，同時也為其余帶殼堅果物料的研討供給了新方式。