基于高光谱散摄图像的苹果压缩硬度和汁液含量无算监测

摘要：

压缩硬度和汁液含量是衡量苹果内部品质的两项重要指标。采用高光谱散射图像技术对苹果压缩硬度和汁液含量进行预测。已有研究表明，高光谱图像含有丰富的波谱信息，光谱值与测量值之间存在严重的非线性关系，简单的线性建模方法不能达到较高的预测精度。最小二乘支持向量机（Least Squares Support Vector Machine，LS-SVM）作为一种非线性建模工具，已用于解决小样本、非线性和高维数等实际问题。针对580个‘RedDelicious’苹果的高光谱散射图像，提取600-1000nm范围内的波谱信息，采用LS-SVM建立苹果的压缩硬度和汁液含量模型。研究结果表明，LS-SVM压缩硬度预测模型的相关系数为Rp=O．795，预测均方差为RMSEP=10．4KN／m，汁液含量的相关系数为Rp=0．568，预测均方差为RMSEP=1．20cm^2，高于传统的偏微分最小二乘（PartialLeastSquares，PLS）建立的压缩硬度，模型精度Rp=0．744，RMSEP=11．4KN／m，汁液含量模型精度Rp=0．539，RMSEP=1．23cm^2

关键词：最小二乘支持向量机、苹果、压缩硬度、汁液含量、高光谱散射图像

所属期刊栏目：33

分类号：TS207.3(食品工业)

资助基金：国家自然科学基金60805014;中央高校基本科研业务费专项资金JUSRP20913,JUSRP21132

在线出版日期：2012-06-02（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：71-74,78