基于近红外漫反射光谱的损伤猕猴桃早期识别

摘要：

以贮藏1d的碰撞损伤猕猴桃、挤压损伤猕猴桃和无损猕猴桃为对象,分别建立了猕猴桃的Fisher判别模型、BP神经网络判别模型与最小二乘支持向量机(LSSVM)判别模型,综合比较了采用全光谱波长(FS)、主成分分析(PCA)提取特征变量与连续投影算法(SPA)优选特征波长作为各模型输入变量时,对各模型判别效果的影响.研究结果表明,SPA优选特征波长相比于PCA和FS有较明显的优势;3种判别模型均能基本满足实际要求,且LSSVM模型的识别性能最佳,其中SPA-LSSVM模型对预测集碰撞损伤样品、挤压损伤样品与无损样品的正确识别率分别达到100％、95％和100％,总的正确识别率为98.2％.

关键词：猕猴桃、近红外光谱、连续投影算法、最小二乘支持向量机、识别

所属期刊栏目：44

分类号：O657.33;S663.4(分析化学)

资助基金：国家自然科学基金资助项目31171720;陕西省自然科学基金资助项目2011JM3005

在线出版日期：2013-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：142-146