Las diferencias entre variedades afectan el contenido de sólidos solubles (SSC) y las características del espectro de infrarrojo cercano (NIRS) de las manzanas, lo que lleva a que un modelo de calibración espectral SSC establecido con una variedad de manzana tenga dificultades para predecir bien otras variedades en aplicaciones prácticas. Este estudio utilizó manzanas Fuji rojas de Aksu (lote 1) para desarrollar un modelo de calibración de regresión por mínimos cuadrados parciales (PLSR) y predijo las manzanas rojo escarlata de Qingdao (lote 2) utilizando métodos de actualización del modelo. Los resultados mostraron que el modelo PLSR desarrollado combinando la primera derivada (1D) y el muestreo adaptativo competitivo reponderado (CARS) puede predecir efectivamente el SSC del lote 1, con coeficiente de correlación de predicción (Rp) y error cuadrático medio de predicción (RMSEP) de 0.9728 y 0.3838 °Brix respectivamente, pero el modelo PLSR del lote 1 tuvo dificultad para predecir el SSC del lote 2. Por lo tanto, el modelo se actualizó con tres métodos: actualización de calibración, corrección de pendiente/desviación (SBC), proyección ortogonal dinámica (DOP), y se estudió el efecto del número de muestras actualizadas en la efectividad de la actualización. Los resultados mostraron que el RMSEP de las predicciones del modelo disminuyó significativamente después de la actualización con los tres métodos. El método SBC logró los mejores resultados, y el RMSEP para el conjunto de prueba del lote 2 se redujo de 1.0756 °Brix a 0.2334 °Brix después de la actualización usando 20 muestras nuevas. Los resultados experimentales indican que los métodos de actualización del modelo pueden resolver efectivamente la baja precisión del modelo al predecir manzanas de diferentes variedades, mejorando la robustez del modelo y proporcionando una guía importante para el mantenimiento y la actualización de modelos de detección de SSC en aplicaciones prácticas.

manzana; contenido de sólidos solubles; espectroscopía de infrarrojo cercano; modelo PLSR; actualización de modelo