基于多源信息融合的绿茶杀青叶水分含量智能感知方法

摘要：

为了实现绿茶杀青过程中水分含量的快速有效检测,利用机器视觉结合近红外光谱技术,构建绿茶杀青过程中水分含量变化的定量预测模型.首先采集杀青过程中在制品的光谱和图像信息,然后采用竞争性自适应权重取样(competitive adaptive reweighted sampling,CARS)法、变量组合集群分析(variables combination population analysis,VCPA)法、变量组合集群分析法结合迭代保留信息变量(variable combination population analysis and iteratively retains informative variables,VCPA-IRIV)法和随机蛙跳法(random frog,RF)4 种变量筛选方法提取光谱中的特征波长,并融合图像中的15个色泽和纹理特征建立线性偏最小二乘回归(partial least squares regression,PLSR)和非线性支持向量回归(support vector regression,SVR)预测模型.结果表明,与单一数据相比,基于融合数据所建立的模型能有效提高预测精度,其中基于CARS算法提取光谱特征波长融合图像的15个颜色特征,并结合归一化预处理和主成分分析(principal component analysis,PCA)建立的SVR模型效果最佳,其中校正集相关系数为0.974 2,预测集相关系数为0.971 9,相对分析误差(relative percent deviation,RPD)为4.154 6,表明模型具有极好的预测性能.综上,本研究证明融合光谱和图像技术对绿茶杀青过程中水分含量预测的可行性,克服了单一传感器预测精度低的问题,为实现绿茶杀青叶水分含量的快速无损检测和精准把控杀青质量提供理论基础.

关键词：机器视觉、近红外光谱、水分含量、绿茶杀青、数据融合

所属期刊栏目：43

分类号：TS272.2(食品工业)

资助基金：中央级科研院所基本科研业务费项目;国家重点研发计划;现代农业产业技术体系;上饶市科技计划项目

在线出版日期：2022-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：242-251