金银花贮藏过程中绿原酸含量的高光谱无损检测模型研究

• 作者: 刘云宏 王庆庆 石晓微 高秀薇
• 来源期刊: 农业工程学报
• 学科: 物理学
• 关键词: 光谱分析 无损检测 模型 高光谱成像 金银花 绿原酸 特征波长 贮藏
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 291-299
• 页数: 9页
• 分类号: O433
• 字数: 7132字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.13.035

摘要

绿原酸(chlorogenic acid,CGA)是评价金银花品质的重要指标.为了实现金银花贮藏期间CGA含量变化的快速有效检测,该文采集了500个不同贮藏时间(0～20 d)的金银花高光谱图像,构建CGA含量的高光谱检测模型.为了提高模型性能,采用savizky-golay卷积平滑(SG),移动窗口平滑(moving average),标准正态变量(standard normal variable,SNV),基线校正(baseline correction,BC),多元散射校正(multiplicative scatter correction,MSC),正交信号校正(orthogonal signal correction,OSC)6种预处理方法并建立偏最小二乘回归(partial least squares regression,PLSR)模型,确定SNV方法为最佳预处理方法,其预测集的R2为0.9766,RMSE为0.2711％.为了简化校准模型,利用无信息变量消除(uninformative variable elimination,UVE),连续投影算法(successive projections algorithm,SPA),竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)以及UVE-CARS、UVE-SPA等方法对SNV预处理后的光谱提取特征波长.然后,分别基于全光谱数据和所选特征变量数据,建立线性偏最小二乘回归(PLSR)和非线性BP神经网络模型.结果表明:UVE-CARS算法可以有效地减少提取变量个数(共提取26个,仅占全光谱范围的3.2％),PLSR和BP模型的预测集R2分别为0.9746和0.9784,RMSE分别为0.2863％和0.2503％.非线性BP模型预测结果整体优于线性PLSR模型,在BP模型中,UVE-CARS-BP预测精度最高,预测集的R2和RMSE的值分别为0.9784,0.2503％.综上,基于高光谱成像技术建立的SNV-UVE-CARS-BP模型,可以实现金银花贮藏过程中CGA含量变化的快速无损预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘云宏	河南科技大学食品与生物工程学院	88	706	14.0	21.0
5	石晓微	河南科技大学食品与生物工程学院	6	16	2.0	4.0
6	王庆庆	河南科技大学食品与生物工程学院	4	9	1.0	3.0
7	高秀薇	河南科技大学食品与生物工程学院	1	1	1.0	1.0