10.3969/j.issn.1004-874X.2013.09.052
基于高光谱图像技术的沙梨无损检测
为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400~1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.
高光谱技术、沙梨、多元散射校正、无信息变量消除法、BP神经网络
40
S24(农业电气化与自动化)
国家现代农业柑橘产业技术体系建设专项资金CARS-27
2013-08-01(万方平台首次上网日期,不代表论文的发表时间)
共4页
185-188