1、楊梅屬于楊梅科，是一種具有很高藥用價值和食用價值的水果，富含花青素、糖類、有機酸、酚類及維生素等營養(yǎng)成分，歷來受人歡迎。我國是楊梅的原產地也是主要的生產基地，隨著保鮮、加工及儲藏技術的發(fā)展，楊梅產業(yè)也不斷壯大，因此做好楊梅采后商品化處理對提高梅農的收入及增加經濟和社會效益具有重要的作用。其中重要的一步就是對采后楊梅進行分級，如何高效的對果蔬實現(xiàn)自動分級一直是個研究熱點，且由于沒有外果皮保護又是在六七月份的濕熱季節(jié)成熟，采后的楊梅損失率較

2、高，所以通常會將其加工成各種衍生產品，而其在加工、儲藏過程中又會經受許多變質反應而致使產品質量下降，因此加強對楊梅及楊梅加工產品的質量檢測是至關重要的。本文針對以上問題進行了研究，主要涉及以下幾個方面的工作:(1)建立了基于楊梅表面形狀（分形值）及顏色特征（nRGB、CIELAB、YCbCr、HSI顏色空間）的偏最小二乘-支持向量機分類器對損傷及未損傷楊梅進行分類;(2)建立了基于不同顏色空間(nRGB、 CIELAB、CMY、HSI、

3、I1I2I3和YCbCr)的偏最小二乘回歸及偏最小二乘-支持向量機模型預測楊梅中可溶性固形物含量和pH值;(3)建立了基于不同顏色空間（nRGB、CIELAB、YCbCr和HSI）的支持向量機模型評估楊梅汁儲藏過程中營養(yǎng)成分變化。
　　主要實驗結果如下:
　　(1)結果表明基于HSI顏色空間的偏最小二乘-支持向量機分類器(γ=34.21，σ2=554.35)的分類率較其他幾種顏色空間的高，其分類率為94％。而基于顏色空間和分

4、形值的偏最小二乘-支持向量機分類器比單獨基于顏色空間分類器的分類率要高，其中HSI顏色空間結合分形值的偏最小二乘-支持向量機分類器(γ=0.65，σ2=22.53)可得到最高的分類準確率為98％。
　　(2)結果表明基于這幾種顏色空間的偏最小二乘回歸模型及偏最小二乘-支持向量機模型均能較好地預測楊梅的pH值(r=0.93-0.96，RMSE=0.09-0.12，MAE=0.07-0.09，MRE=0.04-0.06)。而對于預測可

5、溶性固形物，推薦利用基于 CIELAB(r=0.90，RMSE=0.91，MAE=0.69，MRE=0.12)及HSI顏色空間(r=0.89，RMSE=0.95°Brix，MAE=0.73，MRE=0.13)的偏最小二乘回歸模型。
　　(3)在本研究中同時比較了三種不同的模型最佳參數(shù)尋優(yōu)算法（網格尋優(yōu)算法、遺傳算法及粒子群算法），其中網格尋優(yōu)算法和遺傳算法較粒子群算法好。結果表明這些模型對于總酚和總黃酮的變化預測效果不佳，但基于H

6、SI顏色空間值支持向量機模型在網格尋優(yōu)算法下能較好地預測楊梅汁儲藏過程中花青素(R2=0.910，MSE=0.012 mg/100mL)和抗壞血酸含量(R2=0.930，MSE=0.014mg/100mL)的變化。
　　綜上所述，基于顏色空間的化學計量學方法能夠有效的實現(xiàn)對楊梅采后無損傷篩選及加工儲藏過程中質量監(jiān)測。這不僅為楊梅品質檢測提供一種更為便捷的方法，同時也為今后食品計算機視覺的發(fā)展提供一定的理論及實踐指導。另外，我們的研