可见-近红外高光谱成像技术对灵武长枣VC含量的无损检测方法 |
| |
作者姓名: | 何嘉琳 乔春燕 李冬冬 张海红 邓鸿 单启梅 高坤 马瑞 |
| |
作者单位: | (宁夏大学农学院,宁夏?银川 750021) |
| |
基金项目: | 国家自然科学基金地区科学基金项目(31160346);大学生创新创业训练计划项目(201610749020);宁夏回族自治区“十三五”优势特色学科建设项目 |
| |
摘 要: | 为探究基于高光谱成像技术预测灵武长枣VC含量的可行性并寻找最佳预测模型。采集100?个长枣样本在波长400~1?000?nm处的高光谱图像,对光谱数据进行预处理;应用遗传算法(genetic algorithm,GA)、连续投影算法(successive projection algorithm,SPA)和竞争性正自适应加权(competitive adaptive reweighted sampling,CARS)算法对原始光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘(partial least squares regression,PLS)和最小二乘支持向量机(least squares support vector machine,LSSVM)VC含量预测模型。结果表明,采用标准正态变换预处理算法效果最优,其PLS模型的交叉验证相关系数为0.839?5,交叉验证均方根误差为16.248?2;利用GA、SPA和CARS从全光谱的125?个波长中分别选取出12、5?个和26?个特征波长;基于CARS建立的PLS模型效果最优,其Rc、Rp、校正均方根误差、预测均方根误差分别为0.896?2、0.889?2、10.746?2%、12.145?3%。研究结果表明基于高光谱成像技术对灵武长枣VC含量的无损检测是可行的。
|
关 键 词: | 灵武长枣 VC 可见-近红外高光谱成像 无损检测 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《食品科学》浏览原始摘要信息 |
|
点击此处可从《食品科学》下载全文 |