《表2 枇杷果实品质分级模型的预测集分类结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于自制便携式近红外光谱仪的枇杷果实可溶性固形物无损检测及年度重复验证》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

基于2.1和2.2节的分析可以看到，在全变量和特征变量条件下的较优模型分别为基于2018—2019跨年度的全变量PLS（FULL-PLS）模型和特征变量CARS-LS-SVM模型。为更准确地了解模型对枇杷果实的分类效果，进一步对这2个模型的好果识别率进行统计和分析。本研究中，在2019年所采集的30个枇杷果实中，有15个一类枇杷（TSS>14°Brix），22个二类枇杷（TSS>13°Brix）。基于这些信息，我们计算了预测集的好果率和选果率。从表2可以看出，对于FULL-PLS模型，一类好果率从50.00%提升到了60.00%，而二类好果率则从73.33%提升到了78.57%，好果识别率提升了5.24%。值得注意的是，在分类模型中仅仅考虑好果率这一个指标是片面的。即模型在预测过程中，并不是所有的好果都被选择出来，也有部分好果会被模型判定为差果。因此，为更准确地描述分类这一结果，我们还计算了一类和二类选果率。从表2可以看出：全变量PLS模型在一类枇杷和二类枇杷上的选果率均达到了100%。而最优的特征变量模型CARS-LS-SVM在一类好果率和二类好果率的结果上优于全变量PLS模型；其预测集的一类好果率和二类好果率分别达到了71.43%和81.48%，而选果率则均达到了100.00%。