论文部分内容阅读
探索草莓品质无损检测的新方法是目前农产品无损检测领域的研究热点之一。高光谱技术是在光谱技术与传统成像技术的基础上发展起来的一种先进的无损检测技术，可同时获取农产品的图像及光谱信息，能够对检测对象内外品质进行全面检测。针对目前草莓糖度与水分测定方法检测效率低、可能破坏检测对象等问题，将高光谱与偏最小二乘法、主成分分析法以及神经网络技术相结合，对草莓糖度与水分含量进行预测。 本文以丰香草莓、晶瑶草莓为研究对象，利用高光谱成像系统对草莓的光谱数据进行采集，使用手持糖度仪与烘箱干燥法测定草莓的糖度与水分值。利用SpectraSENS、ENVI、MATLAB软件完成草莓光谱数据的预处理与降维，最终建立草莓水分、糖度的预测模型。 1.选用HyperSIS型农产品高光谱成像系统以线阵方式采集草莓光谱数据，通过SpectraSENS软件对原始光谱进行反射率校正。利用K-S法对草莓糖度与水分值进行样本集划分，为后续数据处理与建模奠定数据基础。 2.通过比较几种高光谱预处理方法与特征信息提取方法的处理结果，确定丰香草莓水分光谱最佳预处理方式为Savitzky-Golay+1stD+SNV，丰香草莓糖度与晶瑶草莓水分的最佳预处理方式为 Moving+2ndD+MSC，晶瑶草莓糖度的最佳预处理方式为 Savitzky-Golay+2ndD+SNV。本文将相关系数法与光谱差异法相结合，从520个原始波段中筛选出81个草莓水分特征波长，76个草莓糖度特征波长。运用主成分分析法，提取了7个主成分变量，对于原始光谱信息的保留程度超过99.4％。 3.将提取的特征波长与主成分变量分别建立草莓糖度与水分的PLS、BP神经网络、BP-PCA预测模型。结果表明，BP神经网络模型与BP-PCA模型要优于偏最小二乘模型的预测结果，最佳水分预测模型为81特征波长建立的BP神经网络模型，该模型对丰香草莓水分预测其校正集相关系数为0.9532、标准差为0.3204，验证集相关系数为0.9415、标准差为0.5723，对晶瑶草莓水分预测其校正集相关系数为0.9846、标准差为0.3110，验证集相关系数为0.9436、标准差为0.3422；最佳草莓糖度预测模型为7个主成分建立的BP-PCA模型。该模型对丰香草莓糖度预测其校正集相关系数为0.9919、标准差为0.1351、验证集相关系数为0.9338、标准差为0.2800，对晶瑶草莓糖度预测其校正集相关系数为0.9912、标准差为0.2203，验证集相关系数为0.9265、标准差为0.4786。