《食品科学》：华东交通大学陈楠副教授等：面向可见/近红外光谱在线分选的昭通冰糖心苹果多机器学习模型融合堆叠检测方法

本文针对云南昭通冰糖心苹果的快速无损分选需求，提出一种基于可见/近红外光谱与多模型堆叠集成学习的三分类检测方法。背景：冰糖心苹果因口感优异售价高，但自然发生具有不确定性，且重度糖心易导致褐变，因此需精准分选；现有单一机器学习模型性能有限，而深度学习需大量样本和算力。研究目的：通过融合随机森林（RF）、极限梯度提升（XGBoost）、逻辑回归（LR）和支持向量机（SVM）四种轻量化模型，构建堆叠集成模型，结合变量投影重要性（VIP）法筛选特征波段（505、620、754 nm），实现对普通苹果、轻度及重度冰糖心苹果的三分类识别。结论：基于VIP-VIS特征波段的堆叠模型在预测集上总准确率达95.47%，召回率、特异度和精确率分别为94.82%、97.83%和93.44%，显著优于单一模型，为水果在线分选提供了高效、低成本的技术方案。未来工作将优化特征选择、提升跨品种迁移能力及工程化实时性。