期刊文章详细信息
基于高光谱成像技术的南果梨酸度无损检测方法
Non-destructive Testing Method for Acidity of Nanguo Pear Based on Hyperspectral Imaging Technology
文献类型:期刊文章
ZHANG Fang;DENG Zhaolong;TIAN Youwen;GAO Xin;WANG Kaitian;XU Zhengyu(College of Information and Electrical Engineering,Shenyang Agricultural University,Shenyang 110161,China;Hefei Treasury,Hefei 230031,China)
机构地区:[1]沈阳农业大学信息与电气工程学院,沈阳110161 [2]合肥市财政局,合肥230031
基 金:辽宁省教育厅基础研究项目(JYTMS20231285)。
年 份:2024
卷 号:55
期 号:2
起止页码:231-239
语 种:中文
收录情况:BDHX、BDHX2023、CAB、CAS、CSCD、CSCD_E2023_2024、JST、RCCSE、ZGKJHX、核心刊
摘 要:南果梨是一种重要的水果品种,其酸度是评估果品质量的重要指标之一。然而,传统的南果梨酸度检测方法通常需要破坏性采样和化学分析,不仅耗时费力,而且容易导致样品污染和浪费。因此,旨在探索一种基于高光谱成像技术的无损检测方法,以实现对南果梨酸度的快速、准确、无损检测。首先,采集室温20℃下不同贮藏天数南果梨的高光谱数据,其光谱波长范围为400~1000 nm,并且通过理化实验测量南果梨样本的可滴定酸;其次,采用多元散射校正(multipli⁃cative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、Savitzky-Golay平滑滤波等多种方法对光谱数据进行预处理,建立偏最小二乘回归模型(partial least squares regression,PLSR),选择出建模效果最佳的预处理方法,结果显示MSC方法效果最优;然后结合连续投影算法(successie projection algorithm,SPA)提取特征波段,在700~900 nm范围内确定9个特征光谱变量;最后,以提取出的9个特征光谱变量作为输入矢量,分别建立PLSR模型、极限学习机(extreme learning machine,ELM)模型以及遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm op⁃timization,PSO)优化的BP神经网络模型。研究结果表明,基于MSC预处理和SPA算法特征提取的PSO-BP模型预测精度最高,效果最好,预测集决定系数R^(2)_(p)=0.911,RMSEP=0.032。可见,基于高光谱成像技术的SPA-PSO-BP模型可用于南果梨酸度的检测,为南果梨的品质评价提供参考。
关 键 词:高光谱成像技术 南果梨 酸度 BP神经网络 PSO-BP模型
分 类 号:TS255.3]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...