基于近红外光谱和SSA-ELM的苹果糖度预测

摘要：

目的:剔除近红外光谱存在大量冗余信息以及提高苹果糖度预测模型的精度,建立快速无损检测苹果糖度的方法.方法:提出一种基于小波包变换的特征波长筛选和樽海鞘算法改进极限学习机的苹果糖度预测模型.针对苹果光谱数据具有维度高而复杂的特点,对光谱数据进行降维处理,分别对比全波段和偏最小二乘法、连续投影法和小波包变换等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对极限学习机(extreme learning machine,ELM),模型性能受其初始权值和隐含层偏置选择的影响,运用樽海鞘群算法进行ELM模型的初始权值和隐含层偏置优化,提出一种基于樽海鞘算法改进极限学习机的苹果糖度预测模型.结果:与遗传算法(genetic algorithm,GA)改进ELM(GA-ELM)、粒子群算法改进ELM (PSO-ELM)和ELM相比,基于SSA-ELM的苹果糖度预测模型的预测精度最高.结论:通过智能算法优化ELM模型的参数可以有效提高ELM模型的苹果糖度预测精度.

关键词：近红外光谱;苹果;糖度;极限学习机;樽海鞘算法;特征波长;小波包变换

所属期刊栏目：37

资助基金：江苏省高校专项课题编号:2020JDKT158

在线出版日期：2021-12-21（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：121-126