基于高光谱成像技术和机器学习的猕猴桃果实可溶性固形物含量预测

文献类型： 中文期刊

第一作者： 刘子涵

作者： 刘子涵;李明;赵峙尧;陈谦;李佳利;于家斌;钱建平

作者机构：

关键词： 猕猴桃;高光谱成像技术;可溶性固形物含量;机器学习;品质预测

期刊名称： 果树学报

ISSN： 1009-9980

年卷期： 2024 年 41 卷 012 期

页码： 2606-2620

收录情况： 北大核心 ; CSCD

摘要： 【目的】可溶性固形物含量（SSC）是评价猕猴桃果实品质的关键指标。旨在利用高光谱技术构建猕猴桃果实SSC预测方案，实现无损、准确评估果实内部品质。【方法】以米良一号猕猴桃果实为研究对象，对高光谱图像进行白板校正、感兴趣区域提取；采用MSC、SG平滑、SG-MSC和SG-SNV方法进行光谱数据预处理以消除噪声影响，并通过PLSR模型确定最优方法；结合CARS、SPA和RF算法分别提取与果实SSC相关的特征波段；建立PLSR、SVR、RFR、BPNN模型，比较特征波段与SSC实测值之间的耦合关系，选出最优模型，并利用PSO算法优化其预测精度，以实现果实内部品质的泛化预测。【结果】MSC方法在全波段回归中表现最佳；CARS算法有效简化模型并提取关键特征波段；SVR模型预测精度最高，经PSO优化后训练集和测试集决定系数分别为Rc2=0.949,RP2=0.913；均方根误差分别为RMSEC=0.341 2,RMSEP=0.364 9。【结论】相比于单一环节的算法优化，MSC+CARS+PSO-SVR的组合模型在猕猴桃果实可溶性固形物含量预测方面表现更优，研究结果可为果品品质监测和分级分选提供技术支持。

分类号： TP181%TP391.41%S663.4

  • 相关文献

[1]基于高光谱成像技术识别苹果轻微损伤的有效波段研究. 沈宇,房胜,王风云,李哲,张琛,郑纪业. 2020

[2]沧州金丝小枣的产量及品质预报. 樊志和,李晓芝,周人纲. 1993

[3]基于灰色系统理论用表面颜色预测果蔬品质. 张锐,王以忠,崔艳华,张平,陈绍慧,George Q. Huang. 2013

[4]基于电子舌分析建立西瓜品质特性的预测模型. 李闪闪,温雪珊,闫博宇,吕莹果,张超. 2024

[5]统计分析方法在食品品质评价中的应用. 姜雪,刘楠,孙永,牟伟丽,周德庆. 2017

[6]哈密瓜坚实度的高光谱无损检测技术. 李锋霞,马本学,何青海,吕琛,王宝,田昊. 2013

[7]高光谱图像感兴趣区域对苹果糖度模型的影响. 郭志明,黄文倩,彭彦昆,王秀,李江波. 2014

[8]基于线扫描拉曼高光谱系统的奶粉中硫氰酸钠无损检测. 刘宸,杨桂燕,王庆艳,黄文倩,王超鹏,王晓彬,陈立平. 2018

[9]高光谱成像技术在果蔬品质与安全无损检测中的原理及应用. 张保华,李江波,樊书祥,黄文倩,张驰,王庆艳,肖广东. 2014

[10]线扫描式拉曼高光谱成像技术无损检测奶粉三聚氰胺. 刘宸,杨桂燕,王庆艳,黄文倩,王晓彬,陈立平. 2017

[11]高光谱成像技术在果蔬品质安全无损检测中的应用. 卢娜,韩平,王纪华. 2017

[12]高光谱技术分析茶树叶片中叶绿素含量及分布. 赵杰文,王开亮,欧阳琴,陈全胜. 2011

[13]一种快速有效鉴定CRISPR/Cas9诱导水稻突变体的方法. 冯旭萍,彭城,张初,刘小丹,申婷婷,何勇,徐俊锋. 2018

[14]基于高光谱成像技术的草莓硬度预测. 卢娜,韩平,王纪华. 2018

[15]基于多维随机森林的番茄灰霉病高光谱图像早期检测. 高荣华,冯璐,张月,原继东,吴华瑞,顾静秋. 2022

[16]高光谱成像技术在农产品无损检测中的应用. 熊春晖,佘永新,焦逊,邵勇,贾莉,王淼,肖明,王静. 2023

[17]高光谱成像技术在茶叶中的应用研究进展. 李春华,龚雪蛟,刘东娜,王云. 2016

[18]高光谱成像技术在叶菜无损检测中的应用研究进展. 王涛,黄语燕,陈永快,廖水兰. 2024

[19]光谱技术在果品无损检测中的应用研究进展. 李明,孙小旭,顾红,李兰,程大伟,王勇健,代占武,陈锦永. 2024

[20]粮油品质安全高光谱成像检测技术的研究进展. 于宏威,王强,刘丽,石爱民,胡晖,刘红芝. 2016

作者其他论文 更多>>

微信小程序