近日，我院农业装备研究所特色林果生产装备技术创新团队在国际期刊《Foods》发表了题为“Multivariate Quantitative Prediction of Soluble Solids Content, Moisture Content, and Fruit Firmness in ‘Dinosaur Egg’ Apricot Plum via Near-Infrared Spectroscopy with Cross-Parameter Feature Fusion and SHapley Additive exPlanations-Based Optimization”（IF=5.1/Q1）的研究论文，研究揭示了基于近红外光谱分析的“恐龙蛋”杏李无损检测关键机理。
为满足市场和产业对新鲜“恐龙蛋”杏李的需求并实现有效的品质分级，本研究开发了一种基于近红外光谱（NIRS）结合跨参数特征融合的无损品质评价方法。对光谱数据进行预处理后，通过竞争性自适应重加权采样（CARS）和混合蛙跳算法（SFLA）筛选关键波段。建立了可溶性固形物含量（SSC）、水分含量（MC）和果实硬度（FF）的偏最小二乘回归（PLSR）模型。将化学指标特征与果实硬度相关的初步特征进行融合，并利用SHapley可加性解释（SHAP）优化特征贡献度。最终模型表现出较高的性能：可溶性固形物含量（校正集决定系数Rc²=0.9354，预测集决定系数Rp²=0.9302，均方根误差RMSE=0.5212°Brix），水分含量（Rc²=0.9367，Rp²=0.9314，RMSE=5.037e-05），果实硬度（Rc²=0.8151，Rp²=0.7986，RMSE=1.2710 N）。该策略提高了多品质检测的准确性，尤其针对果实硬度，并为果品智能化分级装备的开发提供了技术支持。
自治区农科院农业装备研究所祝兆帅助理研究员为论文第一作者，马文强研究员为论文通讯作者，该研究得到自治区农科院农业科技创新稳定支持项目、自治区重点研发项目和国家自然科学基金项目的资助。
