基于可见/近红外光谱和变量选择的脐橙可溶性固形物含量在线检测

• 作者: 孙通 江水泉
• 来源期刊: 食品与机械
• 关键词: 可见/近红外 变量选择 竞争自适应重加权采样 遗传算法 可溶性固形物 脐橙
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 安全与检测
• 页码范围: 89-93
• 页数: 5页
• 字数: 3677字
• 语种: 中文
• DOI: 10.13652/j.issn.1003-5788.2020.02.016

摘要

为联合可见/近红外光谱技术和变量选择方法在线检测脐橙主要内部品质指标可溶性固形物(SSC),分别选定脐橙校正集和预测集样本141个和47个,脐橙运输速度为0.3 m/s,利用USB4000微型光谱仪在线采集脐橙样本的可见/近红外光谱,先分别采用无信息变量消除(UVE)和遗传算法(GA)对650～950 nm波段范围的波长变量进行预筛选,再分别利用竞争自适应重加权采样(CARS)及连续投影算法(SPA)对波长变量进一步筛选,并应用偏最小二乘(PLS)方法分别建立脐橙SSC的在线预测模型,并与原始光谱等建立的预测模型进行比较.结果表明,对于脐橙SSC,预筛选方法GA优于UVE方法,变量选择方法CARS优于SPA方法;GA-CARS及GA-SPA联合变量选择方法优于对应的单一变量选择方法CARS及SPA.在上述变量选择方法中,GA-CARS方法获得的结果最优,其所建立的脐橙SSC的PLS模型的校正集和预测集相关系数分别为0.933和0.824,校正集和预测集均方根误差分别为0.429％和0.670％,性能优于原始光谱建立的PLS模型,且建模波长变量数由1385个下降为78个,仅占原波长变量数的5.63％.由此表明,GA-CARS联合变量选择方法可以有效筛选脐橙SSC的波长变量,提高预测模型的稳定性和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江水泉		5	28	2.0	5.0
2	孙通		1	0	0.0	0.0