本文關(guān)鍵詞：西瓜檢測(cè)部位差異對(duì)近紅外光譜可溶性固形物預(yù)測(cè)模型的影響

  更多相關(guān)文章： 小型西瓜 檢測(cè)部位 近紅外光譜 可溶性固形物

【摘要】：西瓜可溶性固形物含量的無損檢測(cè)對(duì)提升其內(nèi)部品質(zhì)十分重要。為實(shí)現(xiàn)近紅外光譜對(duì)小型西瓜表面各部位可溶性固形物含量的準(zhǔn)確預(yù)測(cè),減小檢測(cè)部位差異對(duì)預(yù)測(cè)模型的影響,以"京秀"西瓜為研究對(duì)象,分別采集赤道、瓜臍和瓜梗三部位的漫透射光譜信息,利用偏最小二乘算法(PLS)建立并比較單一檢測(cè)部位和混合所有檢測(cè)部位的西瓜可溶性固形物近紅外光譜預(yù)測(cè)模型,并分別采用連續(xù)投影算法(SPA)和競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)算法(CARS)對(duì)西瓜可溶性固形物近紅外光譜變量進(jìn)行特征波長(zhǎng)篩選。結(jié)果顯示,相比于單一檢測(cè)部位的模型,混合所有檢測(cè)部位的校正集樣本建立的模型取得了較優(yōu)的預(yù)測(cè)結(jié)果。同時(shí),利用CARS算法篩選的42個(gè)特征波長(zhǎng)變量建模,對(duì)三種檢測(cè)部位預(yù)測(cè)集樣本的預(yù)測(cè)結(jié)果分別為赤道R_P=0.892和RMSEP=0.684°Brix,瓜臍R_P=0.905和RMSEP=0.629°Brix,瓜梗R_P=0.899和RMSEP=0.721°Brix。模型得到了很大的簡(jiǎn)化,且預(yù)測(cè)精度較高。比較發(fā)現(xiàn),利用SPA算法篩選的19個(gè)特征波長(zhǎng)變量所建模型的預(yù)測(cè)精度較低。利用三種檢測(cè)部位的西瓜樣本建立的PLS混合預(yù)測(cè)模型,結(jié)合CARS算法進(jìn)行有效特征波長(zhǎng)變量篩選,可提高西瓜可溶性固形物預(yù)測(cè)模型的精度,實(shí)現(xiàn)西瓜表面各部位可溶性固形物含量的準(zhǔn)確預(yù)測(cè),減小檢測(cè)部位差異對(duì)近紅外光譜預(yù)測(cè)模型的影響。結(jié)果為今后開發(fā)便攜式設(shè)備檢測(cè)西瓜表面各部位可溶性固形含量提供參考依據(jù)。
【作者單位】： 西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院;國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心;農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室;農(nóng)業(yè)智能裝備技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室;
【關(guān)鍵詞】： 小型西瓜 檢測(cè)部位 近紅外光譜 可溶性固形物
【基金】：北京市自然科學(xué)基金青年基金項(xiàng)目(6144024) 北京市農(nóng)林科學(xué)院青年基金項(xiàng)目(QNJJ201423)資助
【分類號(hào)】：TS255.7;O657.33
【正文快照】： 1.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院,陜西楊凌7121002.國(guó)家農(nóng)業(yè)智能裝備工程技術(shù)研究中心,北京1000973.農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室,北京1000974.農(nóng)業(yè)智能裝備技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京100097引言西瓜是我國(guó)夏季最主要的水果之一,甘甜多汁,含有大量的葡萄糖、氨基酸、維，

本文編號(hào)：1057696