近紅外光譜校正的魯棒性評估果實品質
格思里，JA（2005）近紅外光譜校正的魯棒性，澳大利亞昆士蘭州羅克漢普頓，中央昆士蘭大學，博士論文，果實品質評估。
魯棒性 - 就是系統的健壯性
建立一個基于近紅外光譜水果內部品質屬性評估的預測模型，必須具有一定程度的魯棒性，這必須是跨品種、區域和時間及按實際水果級別數。在這篇論文發起的時候，同期有很多有關以近紅外線校正模型的發展的水果內部品質屬性評估報告，但沒有提及可靠性報告（“魯棒性”） 中是跨越時間、品種或生長區的報告。由于使用不同的儀器，要在當中做一個數據再分析報告是比較難。
現建一個以蔡司MMS1光譜感測器為分光中心的測量平臺，當中包括使用鹵素燈光源，透射光學部件設計，以近紅外區域的短波直接對水果測量。被測量水果包括堅果仁、瓜類和柑橘水果，大量數據被收集，測量成份包括：總可溶性固形物total soluble solids、干物質dry matter及油濃度oil concentration。校準程序進行了優化和魯棒性評估，數據來自跨產區，收獲時間、季節和品種。
在一般情況下，建基于吸光度導數的全球改進的偏*小二乘回歸（MPLS）校準模型，會相對只使用多元線性回歸或獨立驗證種群樣預測的MPLS模型更好。魯棒性是*受到在不同生長地區及品種的生長季節影響。在校正魯棒性方面，各種校準更新程序進行評估。由驗證樣板總體中隨機抽加入校準人樣板總體相等于或優于其他樣品附加的方法(以馬氏距離的抽樣法，選擇由中心樣板總體或鄰近樣板總體)。在這些學習中的全球馬氏距離（GH）已被計算
使用的獨立驗證的人口從校準人口的分數和負荷。在實踐中，它被推薦更新使用一些新的人口樣本進行時生長**的平均價值超過1 .0 10的模型，該模型的預測性能進行監測與預測樣本生長**。
