Hyperspectral Characterization of Soluble Solids in Nanguo Pear under Different Freezing-Thawing Conditions
扫码查看
点击上方二维码区域，可以放大扫码查看
原文链接
NETL
NSTL
维普
万方数据
采用高光谱方法表征在不同冷冻复温条件下南果梨可溶性固形物含量变化的特征,设置不同的冷冻复温条件(临界温度、循环次数、保温时间以及降温速率),采集其高光谱反射的光谱图像,并进行可溶性固形物含量测定.采用4种不同的预处理方式[多元散射校正(multiplicative scatter correction,MSC)、标准正态变量交换(standard normal variate,SNV)、平滑-标准正态变量交换(Savitzky-Golay standard normal variate,S-G-SNV)、平滑-多元散射校正(Savitzky-Golay multiplicative scatter correction,S-G-MSC)]并结合竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)所识别的特征光谱,通过偏最小二乘法(partial least squares method,PLS)建立南果梨不同冷冻-复温条件下获得的可溶性固形物模型.结果表明:高光谱能够良好反映南果梨可溶性固形物的含量变化.在不同循环次数下,S-G-MSC-CARS-PLS模型精度最高;在不同降温速率下,MSC-CARS-PLS模型精度最高;在不同保温时间下,SNV-CARS-PLS模型精度最高;在不同临界温度下,S-G-SNV-CARS-PLS模型精度最高.
NETL
NSTL
维普
万方数据
