發(fā)布時間：2017-10-18 23:16

  本文關鍵詞：西瓜檢測部位差異對近紅外光譜可溶性固形物預測模型的影響

  更多相關文章： 小型西瓜 檢測部位 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對提升其內(nèi)部品質(zhì)十分重要。為實現(xiàn)近紅外光譜對小型西瓜表面各部位可溶性固形物含量的準確預測,減小檢測部位差異對預測模型的影響,以"京秀"西瓜為研究對象,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部位和混合所有檢測部位的西瓜可溶性固形物近紅外光譜預測模型,并分別采用連續(xù)投影算法(SPA)和競爭性自適應重加權算法(CARS)對西瓜可溶性固形物近紅外光譜變量進行特征波長篩選。結果顯示,相比于單一檢測部位的模型,混合所有檢測部位的校正集樣本建立的模型取得了較優(yōu)的預測結果。同時,利用CARS算法篩選的42個特征波長變量建模,對三種檢測部位預測集樣本的預測結果分別為赤道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化,且預測精度較高。比較發(fā)現(xiàn),利用SPA算法篩選的19個特征波長變量所建模型的預測精度較低。利用三種檢測部位的西瓜樣本建立的PLS混合預測模型,結合CARS算法進行有效特征波長變量篩選,可提高西瓜可溶性固形物預測模型的精度,實現(xiàn)西瓜表面各部位可溶性固形物含量的準確預測,減小檢測部位差異對近紅外光譜預測模型的影響。結果為今后開發(fā)便攜式設備檢測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)林科技大學機械與電子工程學院;國家農(nóng)業(yè)智能裝備工程技術研究中心;農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室;農(nóng)業(yè)智能裝備技術北京市重點實驗室;
【關鍵詞】： 小型西瓜 檢測部位 近紅外光譜 可溶性固形物
【基金】：北京市自然科學基金青年基金項目(6144024) 北京市農(nóng)林科學院青年基金項目(QNJJ201423)資助
【分類號】：TS255.7;O657.33
【正文快照】： 1.西北農(nóng)林科技大學機械與電子工程學院,陜西楊凌7121002.國家農(nóng)業(yè)智能裝備工程技術研究中心,北京1000973.農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室,北京1000974.農(nóng)業(yè)智能裝備技術北京市重點實驗室,北京100097引言西瓜是我國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：1057696