PDF 摘 要：【目的】核桃仁中的可溶性蛋白质含量是影响核桃品质的重要指标，比较核桃仁可溶性蛋白质含量不同模型之间的预测性能。【方法】以180份核桃仁样品作为研究对象，采集样品的近红外漫反射光谱。使用6种不同预处理方法对光谱信息进行处理，比较BP神经网络法和支持向量回归（SVR）建立核桃仁蛋白质的预测模型。【结果】2种方法对不同组合的预处理方法所建立模型的决定系数均大于0.81，相比于SVR模型的预测模型性能，MSC+FD+BP神经网络所 建的预测模型性能更优，建模集的决定系数R2为0.871，均方根误差为0.089 5，RPD为2.875；验证集的R2 为0.825，均方根误差为0.105 9，RPD值为2.233。【结论】BP神经网络算法在特征波段的核桃仁可溶性蛋白质含量预测建模中，模型质量优于SVR算法。MSC+FD+CARS+BP神经网络建模方式更适用核桃仁可溶性蛋白质含量的预测，为使用近红外光谱分析核桃仁质量提供了参考依据。