这篇文档属于类型a，即报告了一项原创性研究。以下是对该研究的学术报告：

主要作者及机构

本研究的主要作者包括Yeyuan Jiang、Dongxing Zhang、Li Yang、Tao Cui*、Xiantao He、Duoyang Wu、Jiaqi Dong、Chuan Li和Shulun Xing，他们均来自中国农业大学的工程学院。该研究发表于2024年5月27日的《Journal of Food Composition and Analysis》期刊上，文章编号为106369。

学术背景

本研究的科学领域为农业工程与食品科学，特别是玉米籽粒水分含量的无损检测技术。玉米籽粒的水分含量对作物生长、收获质量以及干燥成本有显著影响。传统的水分检测方法（如干燥法和电子探针法）虽然准确，但耗时长、破坏性强，且在高湿高温环境下效果不佳。因此，开发一种快速、无损、低成本的水分检测方法具有重要的实际意义。本研究旨在基于可见-近红外（Visible-Near Infrared, Vis-NIR）光谱技术，设计一种用于原位玉米穗籽粒水分含量检测的无损检测系统，并利用机器学习算法建立预测模型。

研究流程

研究流程包括以下几个主要步骤：

1. 玉米穗的处理与数据采集
   研究选取了四个玉米品种（Zhenghong 507、Zhenghong 311、Xianyu 508和Zhengdan 958），分别在四川和北京的两个实验基地进行了田间实验。实验前，去除了玉米穗的苞叶和花丝，以减少对检测效果的干扰。检测完成后，使用电子秤测量籽粒质量，并通过干燥器进行干燥，计算水分含量。为了减少边缘效应的影响，所有玉米穗均来自田间的中间两行，且籽粒在4°C下保存3天以稳定其质量。

2. 基于Vis-NIR原理的集成检测系统设计
   研究设计了一套基于Vis-NIR原理的原位玉米籽粒水分含量检测系统，包括硬件系统和软件系统。硬件系统由中央处理模块、Vis-NIR集成传感器、充放电转换模块、存储模块和通信模块组成。Vis-NIR集成传感器是核心模块，包括AS7265X光谱传感器、MLX90614温度传感器和LED驱动电路。软件系统基于Arduino IDE和Android Studio开发，实现了光谱数据采集、温度检测与校正、光谱校正、异常数据检测和电量监控等功能。

3. 原位玉米穗籽粒水分含量预测模型的构建
   研究采用了三种预处理算法（Z-score归一化、正交信号校正及其组合）对光谱数据进行预处理，并基于偏最小二乘回归（Partial Least Squares Regression, PLSR）和支持向量机（Support Vector Machine, SVM）建立了水分预测模型。PLSR模型适用于单一品种的预测，而SVM模型适用于单一品种和混合品种的分类与预测。此外，研究还分析了籽粒温度对模型性能的影响，发现温度在30–35°C时模型精度最高。

4. 田间验证实验
   研究对最终的水分检测设备和预测模型进行了田间验证实验，采集了Zhengdan 958品种的水分含量光谱数据。实验结果表明，回归模型的R² ≥ 0.88，RMSE ≤ 0.901%，RPD > 2.5，分类模型的准确率、召回率和F1-score均超过84.38%，证明了设备与模型的有效性。

主要结果

1. 预处理算法的性能比较
   Z-score归一化与正交信号校正的组合（ZS-OSC）在30–35°C温度范围内表现最佳，R² ≥ 0.90，RMSE ≤ 2.12%，RPD > 2.9。

2. 温度对模型性能的影响
   模型在30–35°C温度范围内表现最佳，随着温度升高（35–40°C和40–45°C），模型精度逐渐下降。这表明温度梯度对光谱数据的影响显著，需要在建模时进行温度梯度划分。

3. 单一品种与混合品种的预测效果
   PLSR模型在单一品种的预测中表现良好，R² ≥ 0.86，RMSE ≤ 2.12%，RPD ≥ 2.5。SVM模型在混合品种的分类与预测中也表现出色，准确率、召回率和F1-score均较高。

4. 田间验证结果
   最终设备在30–35°C温度范围内的检测精度最高，预测值与实际值的偏差小于1.82%，所有分类指标均超过84.38%。

结论

本研究成功开发了一种基于Vis-NIR光谱技术的原位玉米穗籽粒水分含量无损检测系统，并建立了适用于单一品种和混合品种的水分预测模型。研究结果表明，该系统在30–35°C温度范围内具有较高的检测精度和分类效果，能够为玉米收获前的快速水分检测提供重要参考。此外，研究还证明了温度梯度划分对提高模型精度的重要性。

研究亮点

1. 创新性设备设计
   研究设计了一种便携式多光谱检测设备，能够实现玉米穗籽粒水分含量的原位无损检测。

2. 高效的预测模型
   通过结合Z-score归一化与正交信号校正的预处理方法，研究建立的PLSR和SVM模型在单一品种和混合品种的水分预测中均表现出色。

3. 温度梯度的影响分析
   研究首次系统分析了籽粒温度对光谱数据及模型性能的影响，为未来相关研究提供了重要参考。

其他有价值的内容

研究还探讨了采样距离对检测性能的影响，发现10 mm的采样距离能够获得最佳的模型效果。此外，研究通过田间验证实验进一步验证了设备与模型的实用性，为智能农业的发展提供了技术支持。

本研究为玉米收获前的水分检测提供了一种高效、无损的解决方案，具有重要的科学价值和应用前景。