基于CWT和GRNN的可见-近红外漫反射光谱检测樱桃糖度的研究

摘要：

联合使用连续小波变换(continuous wavelet transform,CWT)和广义回归神经网络(generalized regression neural networks,GRNN)建立用于测定樱桃中糖含量的CWT-GRNN预测校正模型.利用CWT提取樱桃样本数据中反映含糖量的关键光谱特征,在CWT域中选择3个具有代表性的尺度,并在每个尺度下根据樱桃样本的可见-近红外光谱的特征将其划分为4个特征区间,从而构造12个特征输入到GRNN,GRNN的光滑因子取为0.0001.CWT-GRNN模型对20个预测样本集中的樱桃含糖量的预测相对误差在2%以内.结果表明,可见-近红外光谱技术可以快速、准确和无损地测定樱桃中的含糖量,本研究提出的方法可以用于果蔬产业的品质管理与控制.

关键词：可见-近红外漫反射光谱、内部品质指标、无损检测、糖度、樱桃

所属期刊栏目：30

分类号：TS207.3(食品工业)

资助基金：浙江省重大科技专项2007C12021;国家自然科学基金项目60468002

在线出版日期：2014-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：140-143