近日，設施所無損檢測與智能分選研究團隊提出了不同積分時間下柚果可溶性固形物含量的可見/近紅外全透射光譜無損檢測模型的建立與模型傳遞新方法並進行實驗驗證，相關論文在國際知名期刊LWT-FOOD SCIENCE AND TECHNOLOGY（中科院農林科學一區TOP，IF=6.0）上發表。設施所徐賽研究員為論文第一作者和通訊作者，我院陸華忠教授為論文共同通訊作者。

　　柚果作為華南重要經濟水果，其厚皮大果徑和複雜的內部組織結構給可溶性固形物等品質指標的無損檢測帶來挑戰，尤其在流水線動態分選時，不同果徑引起的光譜積分時間差異常導致檢測模型失效。為破解這一難題，本研究基於可見/近紅外全透射光譜，優化光路設計並建立SNV＋CARS＋PLSR檢測模型；同時引入DS模型傳遞技術，使模型能夠在多種積分時間條件下快速遷移且保持穩定精度，僅需少量校準樣本即可實現大批量柚果的快速智能分選。該方法突破了傳統模型泛化不足的瓶頸，為柚果采後品質在線分選提供了高效可靠的技術支撐，助力產業提升品質管控能力和市場競爭力。

　　本研究獲得國家重點研發計劃課題（2022YFD2002203）、廣東省鄉村振興戰略專項課題（2024TS-1–2）等項目（課題）資助。

　　原文鏈接：https://doi.org/10.1016/j.lwt.2025.117796