10.13995/j.cnki.11-1802/ts.201703036
基于可见-近红外光谱预测灵武长枣脆度及模型优化
利用可见-近红外光谱对在4℃下冷藏24 h的灵武长枣脆度进行检测,并建立了最优模型.通过400~1 000 nm高光谱成像系统采集了112个长枣图像,对原始光谱与经SNV,MSC、S-G、1ST、2ND、SNV+ 1ST、MSC+ 1ST、SNV+ 2ND、MSC+ 2ND、SNV+ S-G、MSC+ S-G预处理后光谱的偏最小二乘回归(PLSR)模型进行了对比分析;采用主成分分析法(PCA)、连续投影算法(SPA)、竞争性自适应重加权法(CARS)提取特征波长,分别建立偏最小二乘回归(PLSR)和主成分回归(PCR)模型;将经预处理后的简化PLSR模型与全波段PLSR模型进行了对比分析.结果表明,采用标准归一化法(SNV)预处理后的PLSR模型优于原光谱及其他预处理方法;提取特征波长后建立的CARS-PLSR模型优于CARS-PCR模型和全波段PLSR模型,其相关系数(RP)和预测均方根误差(RMSEP)分别为0.919、1.121.这表明,基于可见-近红外光谱检测冷藏灵武长枣脆度是可行的,SNV-CARS-PLSR模型最佳.
可见-近红外光谱、灵武长枣、脆度、模型优化
43
TS2;R72
2015年国家自然基金31560481;农业科技成果转化项目2014G30000045
2017-05-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
205-211