基于高光谱成像的贵长猕猴桃硬度快速预测

Rapid Prediction for the Firmness of Guichang Kiwifruit by Hyperspectral Imaging

尚静 ¹冯树南 ²谭涛 ²吴美芝 ²陈海江 ²孟庆龙¹

扫码查看

作者信息

1. 贵阳学院食品与制药工程学院,贵州贵阳 550005;贵州省农产品无损检测工程研究中心,贵州贵阳 550005
2. 贵阳学院食品与制药工程学院,贵州贵阳 550005
折叠

摘要

为了提高猕猴桃硬度预测的效率.应用可见/近红外(390～1030 nm)高光谱成像系统获取贵长猕猴桃的高光谱图像信息,并提取每个样品感兴趣区域的反射光谱,采用标准正态变换消除原始反射光谱中的噪声干扰;基于竞争性自适应重加权(competitive adaptive reweighted sampling,CARS)与连续投影算法筛选特征变量,建立误差反向传播神经网络和多元线性回归(multi linear regression,MLR)模型检测贵长猕猴桃硬度.结果表明:应用CARS从256个变量中筛选了35个特征变量,运算效率提升了近11倍(即运算时间从5.84 s降到了0.54 s);构建的CARS-MLR检测模型具有较大的rc=0.95和rp=0.92,较小的RMSEC=1.65 kg/cm2和RMSEP=1.99 kg/cm2,且RPD值(2.47)大于2,表明CARS-MLR模型具有非常好的检测性能,利用高光谱成像技术以及化学计量学可以实现贵长猕猴桃硬度的快速无损检测.

关键词

贵长猕猴桃/硬度/高光谱成像/化学计量学/无损检测

引用本文复制引用

基金项目

贵州省科技计划项目(黔科合基础[2020]1Y270)

贵阳学院专项(GYU-KY)

出版年

2023

食品工业科技

北京一轻研究院

食品工业科技

CSTPCD北大核心

影响因子：0.842

ISSN：1002-0306

被引量2

参考文献量14

段落导航