东北林业大学研究人员在国内期刊《光谱学与光谱分析》发表了题为"基于可见－近红外光谱和深度森林的蓝莓成熟度判别"的研究论文。在该论文中，研究人员使用上海腾拔Universal TA国产质构仪测定了蓝莓的硬度。

摘　要　为快速准确对蓝莓果实成熟程度进行分类，采用近红外光谱检测技术和深度森林算法，建立了蓝莓成熟度的判别模型。采用ＬａｂＳｐｅｃ　５０００光谱仪采集了三种不同成熟程度的蓝莓标准样品，共获取了１５０组光谱样本。为确定输入模型特征数目，对原始光谱数据进行ＳａｖｉｔｚｋｙＧｏｌａｙ卷积平滑处理，采用主成分分析将平滑处理后的数据降至４个主成分，并采用多项式特征衍生方法对每个主成分进行２、３、４、５阶的特征衍生，最终在深度森林中确定的特征衍生阶数为４。为检验深度森林的成熟度判别效果，将其与随机森林、jiduan梯度提升树算法（ｘｇｂｏｏｓｔ）及ｓｔａｃｋｉｎｇ融合模型进行了对比，对各模型确定了超参数组合，深度森林和ｓｔａｃｋｉｎｇ融合模型采用了手动调参，随机森林和ｘｇｂｏｏｓｔ采用了贝叶斯优化算法进行了超参数寻优。模型评估指标采用准确率、混淆矩阵、受试者工作特征曲线（ＲＯＣ）、ＡＵＣ度量及抗噪能力。研究结果表明，在测试集上，深度森林和ｓｔａｃｋｉｎｇ融合模型的准确率均为９５．５６％，随机森林和ｘｇｂｏｏｓｔ的准确率为９３．３３％；深度森林的ＡＵＣ值为１，随机森林、ｓｔａｃｋｉｎｇ融合模型、ｘｇｂｏｏｓｔ的ＡＵＣ值分别为０．９９、０．９８、０．９６，深度森林和ｓｔａｃｋｉｎｇ融合模型的抗噪能力优于随机森林和ｘｇｂｏｏｓｔ。该研究的深度森林模型整体上判别效果优于其他三种模型，为蓝莓成熟程度判别提供了技术支持。

1、硬度测定

将蓝莓样品放置于质构仪测试平板上，使用圆柱形探头对单个浆果进行全质构分析（ＴＰＡ）测试。测前、测试和测后上行速度均为１ｍｍ/s，果肉变形３０％，两次压缩停顿时间均为５ｓ，以双峰曲线中首峰的值表示硬度。

参考文献：王宏恩等：基于可见－近红外光谱和深度森林的蓝莓成熟度判别. 光谱学与光谱分析, 2024年.