首页|贮藏大米中霉菌菌落总数的高光谱检测研究

贮藏大米中霉菌菌落总数的高光谱检测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
[目的]为了快速、精确检测贮藏大米中的霉菌菌落总数,拟用高光谱图像技术实现无损检测.[方法]采用SG-SNV detrending的方式对原始光谱数据预处理,去除基线散射,平滑光谱曲线;然后分别利用SPA算法和CARS算法选取反映大米霉菌菌落总数特性的特征波长组合,最后采用SVR方法分别在全光谱数据和2种特征光谱数据的基础上建立预测模型,对比分析各SVR模型的预测效果.[结果]基于CARS特征选择的模型(CARS-SVR)预测效果优于基于全光谱数据的SVR模型和基于SPA特征选择的模型(SPA-SVR),其预测集决定系数(R2p)为0.8759、均方根误差(RMSEP)为0.0835.由于CARS-SVR模型的预测效果尚未达到农产品检测的精度要求,故引入GWO算法对SVR模型中的参数(c和g)寻优,优化后模型(CARS-GWO-SVR)的训练集和测试集决定系数(R2c和R2p)分别达0.9621和0.9511.[结论]利用高光谱技术对贮藏大米中的霉菌菌落总数实施无损检测具有可行性,可为其他农产品的霉菌检测提供参考依据.
Hyperspectral Detection of the Total Number of Mold Colonies in Stored Rice

丛孙丽、刘晨、鹿存莉、高伟

展开 >

无锡太湖学院,江苏省物联网应用技术重点建设实验室,江苏无锡214064

高光谱 贮藏大米 霉菌菌落数 灰狼优化 支持向量回归

国家自然科学基金无锡市软科学课题

31471413201913571004Z

2020

10.3969/j.issn.0517-6611.2020.19.055

安徽农业科学
安徽省农业科学院

安徽农业科学

影响因子：0.413
ISSN：0517-6611
年,卷(期)：2020.48(19)
  • 1
  • 12