基于光谱技术的Bipls算法结合CARS算法的苹果可溶性固形物含量检测

摘要：

可溶性固形物含量是判断苹果内部品质的重要参考属性之一.利用高光谱技术获取苹果感兴趣区域的反射光谱,以S-G平滑(Savitzky-Golay smoothing)和直接正交信号校正(Direct orthogonal signal correction,DOSC)算法对光谱数据进行梯度预处理后,用后向区间偏最小二乘法(Bipls)优选出3,5,6,7,8,9,13,14,15,16,17,18,19,20,21,23等16个子区间,共计177个波长.结合竞争自适应重加权采样算法(CARS)再作进一步筛选,提取出449.6,512.9,544.8,547.2,594.3,596.8,928.2 nm等7个特征波长,利用偏最小二乘算法(PLS)建立基于特征波长的可溶性固形物含量检测模型,所得模型评价为Rc=0.9062,RMSEC为0.4822,Rp=0.8716,RMSEP为0.6140.该算法模型预测性能同Bipls和Bipls-SPA模型相比更为优异,证明了Bipls结合CARS算法在提高苹果可溶性固体物含量检测精度方面的有效性.

关键词：可溶性固形物含量、后向区间偏最小二乘、竞争自适应重加权采样、偏最小二乘

所属期刊栏目：40

分类号：O433.4(光学)

资助基金：四川省教育厅自然科学项目17ZB0333

在线出版日期：2019-05-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：389-395