高光谱成像结合宽度学习系统的青枣可溶性固形物含量检测

文献类型： 中文期刊

第一作者： 李鹏

作者： 李鹏;张萌;李传宗;韩立国;刘华明

作者机构：

关键词： 水果;光谱学;机器学习;可溶性固形物含量;宽度学习系统

期刊名称： 中国食品学报

ISSN： 1009-7848

年卷期： 2025 年 25 卷 008 期

页码： 324-334

收录情况： EI ; 北大核心 ; CSCD

摘要： 利用高光谱成像结合宽度学习系统（BLS）探究青枣可溶性固形物含量（SSC）检测方法。采用高光谱成像系统和数显折光仪分别获取青枣的光谱数据和SSC值，将BLS模型与6种光谱预处理方法和6种关键波长选择方法相结合，建立基于全波长和关键波长的预测模型，并将BLS模型的性能与5种经典光谱建模算法进行对比。在全波长条件下，标准正态变量变换（SNV）结合BLS模型得到最佳的预测结果，预测集的相关系数RP为0.871，均方根误差（RMSEP）为0.656。在关键波长条件下，综合考虑预测精度和关键波长数目，优选出的关键波长选择算法为区间变量迭代空间收缩算法结合连续投影算法（IVISSA-SPA），该方法提取21个关键波长，结合BLS模型得到的RP为0.851,RMSEP为0.697。此外，BLS模型的表现优于传统的光谱建模算法。研究表明，利用高光谱成像结合BLS模型可以实现青枣的SSC检测，同时为高光谱成像检测水果的品质属性提供了新的建模方法。

分类号： TS255.7%TP18%O657.3

  • 相关文献

[1]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. 刘子涵,李明,赵峙尧,陈谦,李佳利,于家斌,钱建平. 2024

[2]高光谱成像与混合波长选择的宽度学习系统预测猪肉TVB-N含量和pH值. 罗毅智1,2,3,唐书奇4,金青婷5,丘广俊1,齐海军1,孟繁明3,6,李鹏7. 2025

[3]不同耐热型春玉米品种对高温的光谱特征响应. 陶志强,陈源泉,邹娟秀,李超,袁淑芬,闫鹏,师江涛,隋鹏. 2016

[4]基于太赫兹时域光谱的转基因与非转基因棉花种子鉴别. 沈晓晨,李斌,李霞,龙园. 2017

[5]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

[6]应用高光谱仪探测叶片反射光谱中的荧光. 张永江,刘良云,王纪华,赵春江,王人潮. 2007

[7]基于高光谱成像技术与CARS算法的玉米种子含水率检测. 王超鹏,黄文倩,樊书祥,张保华,刘宸,王晓彬,陈立平. 2016

[8]基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算. 依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群. 2019

[9]玉米小斑病叶片生化变化的红外光谱分析. 时有明,李栋玉,易时来,晏翠琼. 2019

[10]FTIR研究南方锈病侵染对玉米叶片中蛋白质和碳水化合物的影响. 时有明,李栋玉,刘刚,易时来. 2014

[11]基于大样本土壤光谱数据库的氮含量反演. 王乾龙,李硕,卢艳丽,彭杰,史舟,周炼清. 2014

[12]一种离散点插值算法用于重建光谱反射率. 杨萍,廖宁放,FM Abed,李宝聚. 2008

[13]类特异性分子印迹聚合物微球的识别机理及其光谱学研究. 佘永新,王淼,史晓梅,刘佳佳,吕晓玲,肖航,曹维强,王静. 2010

[14]LIBS结合图像筛选方法提高钢铁中Cu、Cr、Mn元素检测稳定性研究. 郑培超,刘少剑,王金梅,陈光辉,李刚,刘旭峰,田宏武,董大明,郭连波. 2024

[15]基于直接正交信号校正的水稻冠层叶瘟光谱诊断. 刘飞,冯雷,柴荣耀,孙光明,楼兵干,孙测,何勇. 2010

[16]不同耐密性玉米品种对密度的光谱特征响应. 唐丽媛,马玮,李连禄,赵明. 2013

[17]玉米花粉中营养物质的傅里叶变换红外光谱特征. 时有明,李栋玉,易时来. 2015

[18]中红外光谱法结合支持向量机快速鉴别蜂蜜品种. 徐天扬,杨娟,孙晓荣,刘翠玲,李熠,周金慧,陈兰珍. 2018

[19]自适应蚁群优化算法的近红外光谱特征波长选择方法. 郭志明,黄文倩,彭彦昆,王秀,汤修映. 2014

[20]枣晚熟鲜食新品种-鲁枣11号. 单公华. 2014

作者其他论文 更多>>

微信小程序