文献类型： 中文期刊

作者： 康明月 ¹ ; 王成 ¹ ; 孙鸿雁 ² ; 李作麟 ³ ; 罗斌 ¹ ;

作者机构： 1.北京市农林科学院信息技术研究中心

2.中国地质大学（北京）数理学院

3.北京市农林科学院智能装备技术研究中心

关键词： 樱桃番茄;机器学习;鲸鱼算法;近红外光谱技术

期刊名称： 光谱学与光谱分析

ISSN：

年卷期： 2023 年 011 期

页码： 3541-3550

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 基于近红外光谱技术与统计方法，提出了一种樱桃番茄内部品质快速、无损检测方法。首先采集样品的近红外光谱，采用多元散射校正（MSC）、 Savitzky-Golay卷积平滑（SG）、 Savitzky-Golay卷积一阶导数(SG 1^st)、去趋势化（De-trending）、变量标准化（SNV）5种预处理方法消除光谱干扰，筛选出最佳预处理方法；然后采用连续投影算法（SPA）、稳定性竞争性自适应重加权算法（SCARS）、遗传算法（GA）,以及引入自动有序预测因子选择算法进行改进的遗传算法（IGA）4种特征波长提取方法减少变量冗余，选择最优特征波长提取方法；最后结合回归方法——将冯诺依曼拓扑结构、轮盘赌选择、锦标赛选择和自适应权重与鲸鱼算法相结合来对算法进行改进，采用改进的鲸鱼算法优化最小二乘支持向量机方法（IWOA-LSSVM）,与基于粒子群算法优化的BP神经网络方法（PSO-BPNN）和基于鲸鱼算法优化的最小二乘支持向量机方法（WOA-LSSVM）进行对比，分别建立樱桃番茄内部品质含量的预测模型。结果表明：樱桃番茄内部品质中的可溶性固形物（SSC）含量使用De-trending-IGA-IWOA-LSSVM模型效果最佳，其中校正集决定系数和预测集决定系数分别是0.917 2和0.866 7,校正均方根误差和预测均方根误差为0.542 3和0.768 2,预测相对误差达到2.592 9;维生素C（V_C）含量使用SG-IGA-IWOA-LSSVM模型预测效果最准确，其中校正集决定系数和预测集决定系数分别为0.857 6和0.821 6,校正均方根误差和预测均方根误差分别是0.661 4和0.634 2,预测相对误差达到2.078 5。以上结果表明，采用近红外光谱技术与统计方法结合可实现对樱桃番茄内部品质的快速无损预测分析。