10.3964/j.issn.1000-0593(2021)04-1182-06
可见近红外高光谱成像对灵武长枣定量损伤等级判别
利用可见近红外(Vis-NIR)高光谱成像技术对完好和损伤等级灵武长枣进行快速识别检测.采用定量损伤装置得到损伤Ⅰ,Ⅱ,Ⅲ,Ⅳ和Ⅴ级的灵武长枣,借助高光谱成像系统采集完好长枣和损伤长枣样本高光谱图像.提取感兴趣区域(region of interest,ROI)并计算样本平均光谱值.利用光谱-理化值共生距离算法(SPXY)将420个长枣样本按3:1的比例划分校正集315个和预测集105个.灵武长枣原始光谱建立偏最小二乘判别分析(PLS-DA)分类模型,得到校正集和预测集准确率分别为72.70% 和86.67%;灵武长枣原始光谱数据采用移动平均(MA)、卷积平滑(SG)、多元散射校正(MSC)、正交信号修正(OSC)、基线校准(baseline)和去趋势(de-trending)等方法进行光谱预处理并建立PLS-DA分类判别模型.通过分析比较,得到M SC-PLS-DA为最优分类判别模型,校正集准确率为76.19%,预测集准确率为86.67%,其中校正集比原始光谱建模准确率提高了3.49%,预测集准确率较原始光谱建模结果未提高;为了提高建模效果,对灵武长枣原始光谱和预处理后的光谱分别采用连续投影算法(SPA)、无信息变量消除(UVE)、竞争性自适应加权抽样(CARS)和区间变量迭代空间收缩法(iVISSA)等算法提取特征波长,建立PLS-DA分类判别模型,结果表明,MSC-CARS-PLS-DA为最优模型组合,校正集准确率为77.14%,预测集准确率为89.52%,建模准确率较原始光谱建模准确率分别提高了4.44% 和2.85%.结果表明,Vis-NIR高光谱成像技术结合MSC-CARS-PLS-DA模型可实现灵武长枣损伤等级的快速识别.
灵武长枣、高光谱、定量损伤、等级判别、偏最小二乘判别分析(PLS-DA)
41
TS255(食品工业)
宁夏特色果蔬冷链关键技术装备研发与示范项目;国家自然科学基金项目
2021-04-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
1182-1187