微型近红外光谱仪在苹果糖度测量中的应用研究

摘要：

为了评估微型近红外光谱仪应用于现场水果糖度检测的可行性,采用粒子群算法结合反向传播(BP)神经网络建立了苹果糖度的无损高精度快速检测方法,研究了微型近红外光谱仪NIRscan以单波长和阿达玛变换两种测量模式获得的光谱数据,应用多种不同的数据预处理方法和多元线性回归、偏最小二乘法、粒子群算法(PSO)、BP神经网络等算法建立分析模型.结果表明,以阿达玛变换工作模式测得的光谱数据更好,以1阶导数结合Savizky-Golay平滑算法作数据预处理,应用PSO结合BP神经网络建立的苹果糖度预测模型具有更高的预测精度,预测相关系数和均方根误差分别为0.9911和0.1502.该微型近红外光谱仪NIRscan用于苹果糖度的现场快速和高精度无损检测具有可行性.

关键词：光谱学、苹果糖度、近红外光谱、数字显微器件、微型近红外光谱仪、阿达玛变换、粒子群优化算法、反向传播神经网络

所属期刊栏目：43

分类号：O433(光学)

资助基金：国家重大仪器设备开发专项资助项目2012YQ180132;国家自然科学基金资助项目61775133

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：735-740