品，品种很多。柿子品种按口味区分为甜柿和涩柿。　　甜柿营养价值丰富、甜脆爽口，独具风味。但由于柿果成熟期集中，采后在短期内极易变软而不耐贮藏，直接影响了其流通、商品价值和生产者的利益。　　水果货架期是指水果结束储藏状态后，进入经营环节，*终被消费者食用的流通期1.因此，快速判别甜柿的货架期具有重要的意义。　　近红外无损检测技术近年来已经被广泛应用于农产品内部品质的检验、不同成熟度的检验、品种及产地的鉴别6-7等。近年来国内外学者也逐步将此技术应用于水果的货架期的检测，刘辉军等对柑橘相隔10d的不同货架期的样品光谱进行主成分特征提取，所建模型对样品货架期的预测准确率均在90%以上。DoloresPez-Marin19等应用近红外光谱技术，选取在冷库贮藏7、14、28d后的220个油桃果实，对其采后货架期进行预测，能准确的预测57%~84%的样本。但是，近红外光谱分析技术对柿子货架期的研究还没有报道。因此，本研究应用近红外漫反射光谱技术对甜柿货架期进行快速定性判别分析。　　1材料与方法1.1.其中，定标集用来建立甜柿货架期的判别模型，验证集用来验证判别模型的可靠性。然后，分别对400~2400nm全光谱进行一阶导数、二阶导数、二阶导数和标准多正常化和去散射处理（standardnormalvariateanddefend，SNVD）。处理后主成分累积贡献率如表3所示，不同光谱预处理的累积贡献率不同，只有原始光谱、一阶导数处理、二阶导数+SNVD处理的光谱前8个主成分的贡献率能达到99%.其中，二阶导数+SNVD处理的方法主成分累积贡献率*高。因此，本表4不同波段的判别结果波段/nm样本数判断错误的样本数正确分类率/%结果表明，长波近红外1 100~2400nm范围的模型判断的正确率*高，达到96.7%.这可能是因为甜柿光谱的吸收峰都集中在长波近红外的范围内，因此，甜柿货架期的判别模型选用1100~2400nm. 2.4判别模型与预测结果为了研究甜柿的货架期，选取常温贮藏10、30、50d的柿子，采用PCA方法提取样品光谱数据的前3个主成分，得到3维坐标空间图，如所示。　　不同贮藏期的三维效果图从可以看出，3个不同时间贮藏的甜柿可以被完全分离开，也就说明判别模型能够用来预测甜柿的货架期。该模型的交互验证相关系数（RCV）为0.8956，交互验证误差（SECV）为0. 2074，正确分类率达到97.8%~100%.验证模型的可靠性，随机选取18个不同贮藏期的果实进行检测，结果见表5.16个正确，2个不确定，模型的预测准确率达到88.表5采用PCA方法的统计结果贮藏时间/d正确个数不确定个数错误个数定标集预测集定标集预测集定标集预测集3结语应用二阶导数结合标准正常化和去散射处理的光谱预处理方法，在1100~2400nm波长内建立判别模型效果*好。结果表明判别模型的交互验证相关系数（RCV）为0.8956，交互验证误差（SECV）为0.2074，正确分类率达到97.8%~100%.预测集的判断正确率达到88.9% ~100%.这说明通过光谱预处理和波段选择，能够提高模型的判断准确率。以后，还可以从增大样本的数量，增加检测次数等方面提高和完善模型的预测准确率。