文献类型：期刊文章

作　　者：古文君[1] 田有文[1] 张芳[1] 赖兴涛[1] 何宽[1] 姚萍[1] 刘博林[2]

GU Wen-jun;TIAT You-wen;ZHANG Fang;LAI Xing-tao;HE Kuan;YAO Ping;LIU Bo-lin(College of Information and Electrical Engineering/Research Center of Liaoning Agricultural Information Engineering Technology,Shenyang Agricultural University, Shenyang 110161, China;Institute of Information and Navigation, The People's Republic of China Air Force Engineering University, Xi'an 710077, China)

机构地区：[1]沈阳农业大学信息与电气工程学院/辽宁省农业信息化工程技术研究中心,沈阳110161 [2]中国人民解放军空军工程大学信息与导航学院,西安710077

出　　处：《沈阳农业大学学报》

基　　金：国家自然科学基金项目(31601219);辽宁省科学事业公益研究基金项目(20170039)

年　　份：2017

卷　　号：48

期　　号：5

起止页码：584-590

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了实现蓝莓内部品质快速、准确检测,采用高光谱成像技术对蓝莓的糖度和硬度多指标同时进行检测研究。提出多阶段特征波长选择方法,即采用连续投影法(SPA)和逐步多元线性回归(SMLR)等特征波长选择方法同时将糖度和硬度的特征波长选择出来。通过高光谱成像系统(400~1000nm)采集了200幅蓝莓图像,首先对高光谱图像进行多元散射校正、标准正态变量变换和Savitzky-Golay平滑等光谱预处理,选取最优的预处理方法。然后利用SPA或者SMLR选择出糖度的几个特征波长,在此基础上再利用SPA或者SMLR选择出硬度的几个特征波长,从而形成四个特征波长选择方法 (SPA-SPA、SMLR-SMLR、SPA-SMLR和SMLR-SPA),采用4种多阶段特征波长选择方法提取同时反映蓝莓糖度和硬度的特征波长的组合。最后以全波长光谱信息(FS)和4种多阶段特征波长选择方法得出的光谱信息作为BP神经网络模型的输入矢量,建立了蓝莓糖度和硬度的预测模型。结果表明:Savitzky-Golay平滑为最优的预处理方法 ,结合BP神经网络,采用SPA-SPA多阶段特征波长选择方法所得的预测性能最优,糖度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.959和0.318°Brix,硬度校正集的相关系数(Rc)和校正均方根误差(RMSEC)分别达到0.956和0.153°Brix。糖度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.952和0.391°Brix,硬度预测集的相关系数(Rp)和预测均方根误差(RMSEP)分别达到0.953和0.234°Brix。该研究表明,应用高光谱成像技术可以对蓝莓糖度和硬度多指标同时进行检测研究,所获得的特征波长可为开发多光谱成像的蓝莓品质检测和分级系统提供参考。

关 键 词：多阶段特征波长选择方法  高光谱成像技术  蓝莓 糖度 硬度  

分 类 号：TP391.41] TP274.52[计算机类]