基于高光谱和CARS-IRIV算法的‘库尔勒香梨’可溶性固形物含量检测

• 作者: 刘全祥 梁琨 沈明霞 潘磊庆
• 来源期刊: 南京农业大学学报
• 学科: 农学
• 关键词: 高光谱成像技术 库尔勒香梨 可溶性固形物 竞争性自适应重加权算法 迭代保留信息变量算法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 食品与工程
• 页码范围: 760-766
• 页数: 7页
• 分类号: O657.3|S661.2
• 字数: 6357字
• 语种: 中文
• DOI: 10.7685/jnau.201709030

摘要

[目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度.本文旨在探究对高光谱数据特征变量筛选的有效方法来实现‘库尔勒香梨’可溶性固形物含量的快速检测.[方法]以‘库尔勒香梨’可溶性固形物含量(SSC)为研究指标,利用高光谱成像技术采集样本400～1 000 nm波长的漫反射光谱,对样本感兴趣区域(ROI)的光谱进行预处理,分别采用竞争性自适应重加权算法(CARS)、迭代保留信息变量算法(IRIV)以及CARS-IRIV算法筛选特征变量,基于不同筛选方法分别建立偏最小二乘(PLS)与最小二乘支持向量机(LS-SVM)预测模型,以预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测相对分析误差(RPD)值对模型进行评价.[结果]CARS-IRIV算法可以有效减少CARS算法提取的变量个数,并稳定模型预测精度.LS-SVM模型预测结果优于PLS模型,在LS-SVM模型中CARS-IRIV-LS-SVM预测精度最高,Rp、RMSEP和RPD值分别为0.889、0.300和2.823.[结论]CARS-IRIV是一种有效的高光谱特征变量筛选算法,在提高预测精度的同时简化了模型的运算,CARS-IRIV-LS-SVM模型结合高光谱成像技术可以对‘库尔勒香梨’SSC进行快速有效的无损检测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘磊庆	南京农业大学食品科技学院	87	1264	19.0	31.0