| 高光谱成像结合BP网络无损检测李子的硬度 |
| |
| 引用本文： | 孟庆龙,张艳,尚静. 高光谱成像结合BP网络无损检测李子的硬度[J]. 激光与红外, 2019, 49(8): 968-973 |
| |
| 作者姓名： | 孟庆龙 张艳 尚静 |
| |
| 作者单位： | 贵阳学院食品与制药工程学院,贵州贵阳550005;贵阳学院农产品无损检测工程研究中心,贵州贵阳550005;贵阳学院农产品无损检测工程研究中心,贵州贵阳,550005 |
| |
| 基金项目： | 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 |
| |
| 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(RC=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(RP=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 |
Nondestructive detectionon firmness of plums based on hyperspectral imaging and BP network |
| |
| MENG Qing-long,ZHANG Yan,SHANG Jing. Nondestructive detectionon firmness of plums based on hyperspectral imaging and BP network[J]. Laser & Infrared, 2019, 49(8): 968-973 |
| |
| Authors: | MENG Qing-long ZHANG Yan SHANG Jing |
| |
| Affiliation: | 1.Food and Pharmaceutical Engineering Institute,Guiyang University,Guiyang 550005,China;2.The Research Center of Nondestructive Testing for Agricultural Products,Guiyang University,Guiyang 550005,China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing nondestructive detection hyperspectral imaging BP network plums firmness |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《激光与红外》浏览原始摘要信息 |
|
点击此处可从《激光与红外》下载全文 |
|
