一种基于光谱技术、电导率测量和机器学习的瓜果质量预测方法

本发明公开了一种基于光谱技术、电导率测量和机器学习的瓜果质量预测方法，包括：瓜果经干燥、研磨成粉末，分组编号建立多个逐一编号的瓜果核心种质群体，分别检测其近红外光谱数据和电导率数据，以及检测蛋白质含量和氨基酸FAA，获得相应的数据集；对数据集的近红外光谱数据和电导率数据进行预处理，之后对预处理后的近红外光谱数据进行特征波长选择，将选择的特征波长下的吸光度值数据以及电导率数据融合在一个数据集中，划分为测试集和训练集，利用岭回归模型进行训练以及预测结果。本发明基于测量获取瓜果的光谱数据和电导率数据，并通过两者的多模态融合来对其内部蛋白质和FAA含量进行预测，该方法进一步提升了预测的准确性和稳定性。