تؤثر اختلافات الأصناف على محتوى المادة الصلبة الذائبة (SSC) وخصائص الطيف القريب من الأشعة تحت الحمراء (NIRS) للتفاح، مما يؤدي إلى صعوبة توقع التفاح من أصناف أخرى بشكل جيد باستخدام نموذج معايرة طيف SSC المبني على صنف واحد. استخدمت هذه الدراسة تفاح آكسو ريد فوستي (الدفعة 1) لتطوير نموذج معايرة الانحدار بأقل المربعات الجزئية (PLSR)، وتم التنبؤ بتفاح تشينغداو فيرهونغ (الدفعة 2) باستخدام طرق تحديث النموذج. أظهرت النتائج أن نموذج PLSR المطور باستخدام المشتقة من الدرجة الأولى (1D) والاختيار المعاد الوزن التنافسي المتكيف (CARS) يمكنه التنبؤ بفعالية بـ SSC للدفعة 1، حيث كانت معاملات الارتباط التنبؤية (Rp) وجذر متوسط مربعات الخطأ التنبؤية (RMSEP) 0.9728 و0.3838 °Brix على التوالي، لكن نموذج PLSR للدفعة 1 كان من الصعب عليه توقع SSC للدفعة 2. لذلك، تم تحديث النموذج باستخدام ثلاث طرق: تحديث المعايرة، تصحيح الميل/الانحراف (SBC)، والإسقاط المتعامد الديناميكي (DOP)، وتم دراسة تأثير عدد العينات المحدّثة على نتائج التحديث. أظهرت النتائج أن RMSEP لتوقعات النموذج انخفضت بشكل ملحوظ بعد التحديث بثلاث الطرق. حققت طريقة SBC أفضل النتائج، حيث انخفض RMSEP في مجموعة اختبار عينات الدفعة 2 من 1.0756 °Brix إلى 0.2334 °Brix بعد التحديث باستخدام 20 عينة جديدة. توضح النتائج التجريبية أن طرق تحديث النموذج يمكنها حل مشكلة ضعف أداء النموذج عند التنبؤ بأنواع مختلفة من التفاح، مما يعزز متانة النموذج ويوفر توجيهًا هامًا لصيانة وتحديث نماذج الكشف عن SSC في التطبيقات العملية.

التفاح;محتوى المادة الصلبة الذائبة;الطيف القريب من الأشعة تحت الحمراء;نموذج PLSR;تحديث النموذج