文献类型： 中文期刊

作者： 马文强 ¹ ; 张漫 ¹ ; 李源 ¹ ; 杨莉玲 ¹ ; 朱占江 ¹ ; 崔宽波 ¹ ;

作者机构： 1.中国农业大学现代精细农业系统集成研究教育部重点实验室;新疆农业科学院农业机械化研究所;新疆农业科学院土壤肥料与农业节水研究所

关键词： 核桃仁;脂肪含量;近红外光谱;特征波段;支持向量机回归

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2019 年 S1 期

页码： 374-379

收录情况： EI ; 北大核心 ; CSCD

摘要： 为了实现核桃仁脂肪含量的快速无损检测,在1 040～2 560 nm光谱范围内采集了核桃仁近红外光谱。首先,通过多元散射校正和标准正态化组合方法对原始光谱信息进行预处理,采用马氏距离法剔除异常样本;然后,运用竞争性自适应重加权采样算法与相关系数法相结合,进行特征波段筛选;最后,采用偏最小二乘回归和支持向量机回归算法建立了核桃仁脂肪含量的预测模型。结果显示,以筛选出的6个特征波段为输入,采用偏最小二乘回归算法建立的核桃仁脂肪质量分数预测模型的验证集决定系数为0. 86,均方根误差为1. 584 9%;采用支持向量机回归算法建立的模型验证集决定系数为0. 88,均方根误差为1. 371 6%;表明支持向量机回归算法的建模质量优于偏最小二乘回归算法。采用特征波段建立的支持向量机回归预测模型能大幅降低建模复杂度,实现核桃仁脂肪含量的快速无损检测。