Abstract Benchtop and portable devices based on near infrared (NIR) spectroscopy are increasingly used to evaluate the quality parameters of fruits. This study aims to compare the analytical performance of a benchtop spectrometer (XDS) and a handheld ultra-compact spectrometer (MicroNIR) and to investigate calibration transfer between these devices for quality parameters of apples (soluble solids content, titratable acidity, pulp firmness, and starch-iodine index). Regression analyses were performed on a subset of apples measured with both spectrometers. The coefficient of determination (R²) and the root mean square error of cross-validation (RMSECV) values ​​obtained with Partial Least Squares (PLS) models were similar, which suggests that MicroNIR offers similar performance to the XDS device. For example, for soluble solids content, it was observed a R² = 0.89 with a RMSECV = 0.62 and a R² = 0.91 with a RMSECV = 0.57 for XDS and MicroNIR respectively. For the transfer, calibration models were built using XDS spectra and different regression methods. The best performances were obtained with Least Squares Support Vector Machines (LS-SVM). The Direct Standardization method was applied to achieve calibration transfer. Only two transfer samples were enough to significantly reduce the root mean square error of prediction (RMSEP) values with a relative reduction varying from 74 % to 93 % for PLS and Multiple Linear Regression (MLR) models respectively. It showed the potential of a simple calibration transfer method to allow the use of historical database registered with benchtop instrument.

中文翻译：

---

用于快速无损测定苹果果实品质的手持式超紧凑型 NIR 光谱仪的评估

摘要 基于近红外 (NIR) 光谱的台式和便携式设备越来越多地用于评估水果的质量参数。本研究旨在比较台式光谱仪 (XDS) 和手持式超紧凑型光谱仪 (MicroNIR) 的分析性能，并研究这些设备之间苹果质量参数（可溶性固形物含量、可滴定酸度、果肉硬度和淀粉碘指数）。对用两个光谱仪测量的苹果子集进行了回归分析。使用偏最小二乘 (PLS) 模型获得的决定系数 (R²) 和交叉验证的均方根误差 (RMSECV) 值相似，这表明 MicroNIR 提供与 XDS 设备相似的性能。例如，对于可溶性固体含量，XDS 和 MicroNIR 分别观察到 R² = 0.89，RMSECV = 0.62 和 R² = 0.91，RMSECV = 0.57。对于转移，使用 XDS 光谱和不同的回归方法建立校准模型。使用最小二乘支持向量机 (LS-SVM) 获得最佳性能。直接标准化方法用于实现校准传输。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。XDS 和 MicroNIR 分别为 57。对于转移，使用 XDS 光谱和不同的回归方法建立校准模型。使用最小二乘支持向量机 (LS-SVM) 获得最佳性能。直接标准化方法用于实现校准传输。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别从 74% 到 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。XDS 和 MicroNIR 分别为 57。对于转移，使用 XDS 光谱和不同的回归方法建立校准模型。使用最小二乘支持向量机 (LS-SVM) 获得最佳性能。直接标准化方法用于实现校准传输。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。使用最小二乘支持向量机 (LS-SVM) 获得最佳性能。直接标准化方法用于实现校准传输。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。使用最小二乘支持向量机 (LS-SVM) 获得最佳性能。直接标准化方法用于实现校准传输。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。仅两个转移样本就足以显着降低预测均方根误差 (RMSEP) 值，PLS 和多元线性回归 (MLR) 模型的相对降低幅度分别为 74% 至 93%。它显示了一种简单的校准传输方法的潜力，允许使用在台式仪器上注册的历史数据库。