文献类型：期刊文章

作　　者：梁琨[1] 刘全祥[1] 潘磊庆[2] 沈明霞[1]

LIANG Kun;LIU Quanxiang;PAN Leiqing;SHEN Mingxia(College of Engineering/Jiangsu Province Engineering Laboratory for Modern Facility Agriculture Technology and Equipment,Nanjing Agricultural University,Nanjing 210031,China;College of Food Science and Technology,Nanjing Agricultural University,Nanjing 210095,China)

机构地区：[1]南京农业大学工学院/江苏省现代设施农业技术与装备工程实验室,江苏南京210031 [2]南京农业大学食品科技学院,江苏南京210095

出　　处：《南京农业大学学报》

基　　金：国家科技支撑计划项目(2015BAD19B03);国家自然科学基金青年基金项目(31401610);中央高校基本科研业务费专项资金(KJQN201557);南京农业大学工学院优秀青年人才科技基金项目(YQ201603);江苏省农业科技自主创新项目[CX(16)1059;CX(17)1003]

年　　份：2018

卷　　号：41

期　　号：4

起止页码：760-766

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA-PROQEUST、CSCD、CSCD2017_2018、IC、JST、RCCSE、WOS、ZGKJHX、ZR、核心刊

摘　　要：[目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度。本文旨在探究对高光谱数据特征变量筛选的有效方法来实现‘库尔勒香梨’可溶性固形物含量的快速检测。[方法]以‘库尔勒香梨’可溶性固形物含量(SSC)为研究指标,利用高光谱成像技术采集样本400~1 000 nm波长的漫反射光谱,对样本感兴趣区域(ROI)的光谱进行预处理,分别采用竞争性自适应重加权算法(CARS)、迭代保留信息变量算法(IRIV)以及CARS-IRIV算法筛选特征变量,基于不同筛选方法分别建立偏最小二乘(PLS)与最小二乘支持向量机(LS-SVM)预测模型,以预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测相对分析误差(RPD)值对模型进行评价。[结果]CARS-IRIV算法可以有效减少CARS算法提取的变量个数,并稳定模型预测精度。LS-SVM模型预测结果优于PLS模型,在LS-SVM模型中CARS-IRIV-LS-SVM预测精度最高,Rp、RMSEP和RPD值分别为0.889、0.300和2.823。[结论]CARS-IRIV是一种有效的高光谱特征变量筛选算法,在提高预测精度的同时简化了模型的运算,CARS-IRIV-LS-SVM模型结合高光谱成像技术可以对‘库尔勒香梨’SSC进行快速有效的无损检测。

关 键 词：高光谱成像技术  库尔勒香梨 可溶性固形物 竞争性自适应重加权算法  迭代保留信息变量算法  

分 类 号：O657.3] S661.2[化学类]