文献类型：期刊文章

作　　者：尚静[1] 张艳[2] 孟庆龙[1]

SHANG Jing;ZHANG Yan;MENG Qing-long(Food and Pharmaceutical Engineering Institute,Guiyang University,Guiyang 550005,China;The ResearchCenter of Nondestructive Testing for Agricultural Products,Guiyang University,Guiyang 550005,China)

机构地区：[1]贵阳学院食品与制药工程学院,贵州贵阳550005 [2]贵阳学院农产品无损检测工程研究中心,贵州贵阳550005

出　　处：《保鲜与加工》

基　　金：国家自然科学基金项目(61505036);贵州省科技厅-贵阳学院科技合作计划项目(黔科合LH字[2014]7174号);贵州省普通高等学校工程研究中心(黔教合KY字[2016]017);贵州省教育厅青年科技人才成长项目(黔教合KY字[2018]290);贵阳市科技局贵阳学院专项资金(GYU-KYZ〔2018〕01-08)

年　　份：2019

卷　　号：19

期　　号：3

起止页码：8-14

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、RCCSE、ZGKJHX、核心刊

摘　　要：为了能快速无损鉴别苹果的品种,基于高光谱成像技术结合模式识别算法,分别建立了判别苹果品种K最近邻(KNN)识别模型与偏最小二乘判别分析(PLS-DA)识别模型。综合比较了不同光谱预处理方法(二阶微分(SD)、标准正态变换(SNV)和多元散射校正(MSC))对各模型识别效果的影响,并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映苹果品种的特征光谱。结果表明:采用主成分分析法选择了累计贡献率超过99.9%的前10个主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维;MSC预处理方法对光谱反射率预处理的效果最好;2种判别模型均能基本满足实际要求,且MSC+KNN识别模型的识别性能最优,对预测集样本的正确识别率高达100%。

关 键 词：高光谱成像 模式识别 主成分分析 无损检测

分 类 号：S661.1]