文中数据与结果来自原论文，不代表本公司设备的测试表现。
面对不同产区的软枣猕猴桃，糖度模型是分别建立，还是把样本合并更合适？这项研究同时比较地区和品种差异，再评估综合模型，为原料粗筛提供参照。判断用途时，需要把相关指标和实际误差一起看。
概要
研究采集多个地区、农场和品种的软枣猕猴桃，以折光SSC为参考，比较分组与合并建模。综合模型具有粗筛潜力，但预测能力仍有限；应采用结果表的决定系数口径，避免沿用摘要中的相关系数混称，不能将其解释为精确分选能力。
（AI 场景概念图，用于科普配图；不是论文数据、研究设备实拍或产品图解）
研究价值
对多产区原料选择统一模型还是分区模型提供依据。
实验方法与参考测量
韩国五地区十农场取四品种软枣猕猴桃350个，20℃后熟三天。F-750交互式采310–1100 nm、四扫描平均，建模仅用729–975 nm。折光测SSC，比较地区、品种及合并数据，二阶导数等预处理后PLSR与SVM-R预测。
关键波段与采集参数
| 波段 / 参数 | 原文含义与使用说明 |
|---|---|
| 310–1100 nm | 仪器采集范围。 |
| 729–975 nm | 全部所述预测模型实际分析区间。 |
主要结果
Table 11综合数据Autoscale-SVM-R：预测R²=0.740、RMSEP=1.6867 °Brix、RPD=1.9742。该表明确使用R²，避免沿用摘要“相关系数”的不一致措辞。
研究局限与解读
摘要把R²称相关系数，正式结果采用Table 11的R²口径；综合模型RPD不足2，适合粗筛而非精确分选。
波段与模型边界：研究所采用或单独验证的模型波段位于250–1700 nm内。
图像版权归论文原作者。许可：CC BY 4.0。
论文来源
Sarkar S, Basak JK, Moon BE, Kim HT. (2020). A Comparative Study of PLSR and SVM-R with Various Preprocessing Techniques for the Quantitative Determination of Soluble Solids Content of Hardy Kiwi Fruit by a Portable Vis/NIR Spectrometer. Foods (Basel, Switzerland). https://doi.org/10.3390/foods9081078
欢迎联络
便携式设备能否用于类似检测，需要结合样品和实验条件评估，具体效果仍需通过实际测试验证。欢迎联系威视佰科，交流您的样品与检测需求，共同评估实验方案，探讨使用本公司设备开展实测与验证的可行性。
- 电子邮箱：contact@vispek.cn
- 官方网站：https://www.vispek.cn
本公司产品展示，非论文所用设备