品種の違いはリンゴの可溶性固形物含量（SSC）および近赤外光スペクトル（NIRS）の特徴に影響を与え、その結果、ある品種のリンゴを用いて構築したSSCスペクトルキャリブレーションモデルは、実際の応用において他の品種のリンゴを良好に予測することが難しい。 本研究では、アクスレッドフジリンゴ（バッチ1）を用いて偏最小二乗回帰（PLSR）キャリブレーションモデルを開発し、モデル更新手法を利用してチンタオスカーレットリンゴ（バッチ2）を予測した。 結果は、1次導関数（1D）と競合適応重み付き再サンプリング（CARS）を組み合わせて開発したPLSRキャリブレーションモデルがバッチ1のSSCを効果的に予測できることを示し、予測相関係数（Rp）と予測二乗平均平方根誤差（RMSEP）はそれぞれ0.9728と0.3838 °Brixであったが、バッチ1のPLSRモデルはバッチ2のSSCを予測することが難しかった。 したがって、較正更新、スロープ／バイアス補正（SBC）、動的直交射影（DOP）の3つの方法でモデルを更新し、異なる更新サンプル数が更新効果に与える影響を検討した。 結果は、3つの方法でモデルを更新した後、モデル予測結果のRMSEPが著しく低下したことを示した。 その中で、SBC方法が最も良い結果を得て、新しいサンプル20個を用いて更新後、バッチ2サンプルのテストセットに対するRMSEPは1.0756 °Brixから0.2334 °Brixに低下した。 実験結果から、モデル更新手法は異なる品種のリンゴを予測する際にモデルの性能低下問題を効果的に解決し、モデルの頑健性を向上させ、実用におけるSSC検出モデルの更新・維持管理に重要な指針を提供することが分かった。

リンゴ;可溶性固形物含量;近赤外光スペクトル;PLSRモデル;モデル更新