文献类型：期刊文章

作　　者：孟庆龙[1,2] 张艳[2] 尚静[1,2]

MENG Qing-long;ZHANG Yan;SHANG Jing(Food and Pharmaceutical Engineering Institute,Guiyang University,Guiyang 550005,China;The Research Center 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：《激光与红外》

基　　金：国家自然科学基金项目(No.61505036);贵州省科技计划项目(No.黔科合基础[2019]1010);贵州省普通高等学校工程研究中心(No.黔教合KY字[2016]017);贵阳市科技局贵阳学院专项资金(No.GYU-KYZ[2018]01-08)资助

年　　份：2019

卷　　号：49

期　　号：8

起止页码：968-973

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：以“红”李子和“青”李子为研究对象,提出了基于高光谱成像技术结合误差反向传播(error Back Propagation,BP)网络无损检测李子硬度的方法。采用高光谱图像采集系统获取了李子样本的高光谱图像,并提取了感兴趣区域的平均光谱反射率;综合比较了不同光谱预处理方法(一阶导数(derivative)、标准正态变换(SNV)和多元散射校正(MSC))对BP网络模型检测效果的影响;并利用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映李子硬度的特征光谱。研究结果表明:derivative预处理后的光谱具有较好的李子硬度校正能力(R C=0.939,RMSEC=0.153),而SNV预处理后的光谱具有较好的李子硬度预测能力(R P=0.723,RMSEP=0.580);采用主成分分析法选择了累计贡献率超过99.99%的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,提升了BP网络模型的运行效率。这表明高光谱成像技术结合BP网络可实现李子硬度的无损检测。

关 键 词：遥感 无损检测 高光谱成像 BP网络 李子  硬度  

分 类 号：O657.3]