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: 乔春燕 何嘉琳 单启梅 张海红 李冬冬 邓鸿 马瑞 高坤
• 来源期刊: 食品科学
• 学科: 工学
• 关键词: 灵武长枣 VC 可见-近红外高光谱成像 无损检测
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 成分分析
• 页码范围: 194-199
• 页数: 6页
• 分类号: TS255.7
• 字数: 3919字
• 语种: 中文
• DOI: 10.7506/spkx1002-6630-201806031

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、R.、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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张海红	宁夏大学农学院	52	207	7.0	11.0
2	马瑞	宁夏大学农学院	5	15	2.0	3.0
3	李冬冬	宁夏大学农学院	15	29	3.0	4.0
4	邓鸿	宁夏大学农学院	2	7	1.0	2.0
5	单启梅	宁夏大学农学院	2	7	1.0	2.0
6	何嘉琳	宁夏大学农学院	2	7	1.0	2.0
7	乔春燕	宁夏大学农学院	1	7	1.0	1.0
8	高坤	宁夏大学农学院	1	7	1.0	1.0