华中农业大学工学院的学者研究出一种近红外光谱技术快速准确识别带壳霉变板栗的新方法，可以取代人工，快速、准确、无损地进行带壳板栗的品质检测和分选，大大提高了效率和效益，同时也为其它带壳坚果物料的自动化检测分选提供了技术借鉴。该项目填补了国内外同类研究的一项空白。

　　该研究成果刊登于《农业工程学报》2011年第3期上，题为“基于GA-LSSVM和近红外傅里叶变换的霉变板栗识别”，第一作者为华中农业大学工学院博士生周竹，通信作者为李小昱教授。霉变是板栗综合品质评价的重要指标。我国板栗年总产量达46.98万吨，居世界第1位。但采后损失达总产量的35%~50%，重要原因之一是板栗发生霉变。现有的霉变板栗分选主要采用人工分选或盐水浮选，分选效率低，不仅给贮藏加工、销售带来困难，也造成了巨大的经济损失。研究一种快速、准确、无损的霉变板栗分选方法，对于保证板栗品质，促进板栗深加工产业和农产品贸易，提高产业经济效率具有重要的意义。

　　近红外光谱技术可利用全谱或部分波段的光谱数据对农产品的品质进行检测，该研究组的前期工作表明，近红外光谱技术结合模式识别方法对于带壳霉变板栗进行检测是可行的。然而，利用近红外光谱识别霉变板栗，一方面栗壳增加了识别的难度，需要合适有效的光谱预处理方法，另一方面近红外光谱变量较多，为了提高识别的准确性和快速性，需要选择较优的特征变量和建模方法。用近红外光谱技术检测霉变板栗，发现合格板栗和霉变板栗的近红外光谱存在差异，但考虑到栗壳的影响，仅通过光谱预处理方法建立的霉变板栗识别模型效果不佳。为克服板栗近红外光谱变量多、共线性强等缺点，对经标准正态变量变换预处理的板栗近红外光谱进行傅里叶变换，光谱变量从2048个降低为50个。然后采用遗传算法，该算法中染色体编码由近红外光谱傅里叶变换后的50点傅里叶系数、最小二乘支持向量机分类器的正则化参数γ和核函数参数σ2共同组成，使得建立的霉变板栗识别模型所用的傅里叶系数减少为13点，并对合格板栗、表面霉变板栗和内部霉变板栗的平均识别正确率分别为95.89%、100%和98.25%，总体平均识别正确率提高到97.54%。与未优选傅里叶系数建立的模型相比，不仅建模所需傅里叶系数减少，而且对测试集中合格板栗、内部霉变板栗的识别率分别提高了5.48%、8.78%，识别时间也相应减少。

　　近年来，国内外学者利用近红外光谱技术开展了各种农产品的检测方法研究，然而鲜有对带壳坚果类物料的近红外光谱鉴别的研究，更无应用近红外光谱进行带壳霉变板栗识别方法的研究。该研究提出采用近红外光谱技术识别带壳霉变板栗，在采用光谱预处理降低栗壳影响的情况下，还同时考虑了板栗光谱特征以及分类器参数对识别模型的影响，这一方法的研究填补了国内外同类研究的空白。研究结果表明，近红外光谱技术可以快速、无损进行带壳板栗的品质检测和分选，为板栗的实时检测和分选提供了理论依据和技术参数，同时也为其他带壳坚果物料的研究提供了新方法。