基于音频和近红外光谱融合技术的西瓜成熟度判别

• 作者: 吴胜斌 张俊俊 石吉勇 邹小波 郑开逸 黄晓玮
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 声学 近红外光谱 模型 西瓜成熟度 可溶性固形物
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 301-307
• 页数: 7页
• 分类号: S233.5|O657.33
• 字数: 5265字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2019.09.036

摘要

为了满足西瓜成熟度的快速无损检测需求,该研究主要利用声学技术、近红外光谱技术结合K最近邻法(k-nearest neighbor,KNN)、线性判别分析(linear discriminant analysis,LDA)和反向传播人工神经网络(back propagation artificial neural network,BP-ANN)3种化学计量学方法对不同成熟度的西瓜进行定性判别;同时采用联合区间偏最小二乘筛选法(synergy interval partial least squares,Si-PLS)分别建立声学技术、近红外光谱技术、融合技术的西瓜可溶性固形物预测模型.结果表明融合技术处理结果均优于单一信号,其LDA模型数据的西瓜成熟度模型识别率较佳,校正集和预测集的识别率分别为100.00％和91.67％.同时,基于融合技术所建立的西瓜可溶性固形物预测模型效果较佳,其校正集的均方差根误差(root mean squared error of the calibration set,RMSECV)为0.601％,预测集的均方差误差(root mean squared error of the prediction set,RMSEP)为0.725％,相比的单独音频信号其均方根误差分别降低了0.081、0.068个百分点.研究结果可为高精度的西瓜品质快速鉴别提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹小波	江苏大学食品与生物工程学院农产品加工及贮藏工程实验室	131	1877	25.0	38.0
2	黄晓玮	江苏大学食品与生物工程学院农产品加工及贮藏工程实验室	29	278	9.0	16.0
3	张俊俊	江苏大学食品与生物工程学院农产品加工及贮藏工程实验室	8	6	2.0	2.0
4	吴胜斌	江苏大学食品与生物工程学院农产品加工及贮藏工程实验室	4	10	2.0	3.0
5	郑开逸	江苏大学食品与生物工程学院农产品加工及贮藏工程实验室	2	3	1.0	1.0