獼猴桃糖度是判別其成熟度的關鍵指標,為構建預測不同成熟度獼猴桃糖度的最優(yōu)模型。利用紫外/可見（200 nm～1 000 nm）光譜采集系統(tǒng)獲取不同成熟期"貴長"獼猴桃的反射光譜,比較3種光譜預處理方法[一階導數(shù)、多元散射校正、標準正態(tài)變換（standard normal variation,SNV）]對光譜的預處理效果,應用競爭性自適應重加權算法（competitive adaptive reweighted sampling,CARS）從預處理后的全光譜中選取特征光譜,基于全光譜和特征光譜分別構建預測獼猴桃糖度的誤差反向傳播（error back propagation,BP）網(wǎng)絡模型。結果表明:SNV預處理效果最優(yōu),采用CARS從1 024個全波段中選取了29個特征波長,提升了預測模型的檢測效率,構建的SNV-CARS-BP模型的預測性能最優(yōu),其預測集決定系數(shù)RP2=0.901,均方根誤差（root mean squares errors for prediction,RMSEP）為0.643%,剩余預測偏差（residual predictive deviation,RPD）為3... 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 材料與方法
    1.1 試驗材料
    1.2 試驗儀器
    1.3 方法
        1.3.1 反射光譜采集
        1.3.2 糖度的測定
        1.3.3 光譜處理及模型評價
            1.3.3. 1 光譜預處理及特征波長提取
            1.3.3. 2 建模方法及模型評價方法
2 結果與分析
    2.1 反射光譜及預處理
    2.2 獼猴桃糖度統(tǒng)計分析
    2.3 特征波長提取
    2.4 BP網(wǎng)絡建模結果
3 結論


【參考文獻】：
期刊論文
[1]高光譜成像快速檢測殼聚糖涂膜草莓可溶性固形物[J]. 邵園園,王永賢,玄冠濤,高宗梅,劉藝,韓翔,高沖.  農(nóng)業(yè)工程學報. 2019(18)
[2]基于高光譜成像技術的蘋果表面缺陷無損檢測[J]. 孟慶龍,張艷,尚靜.  食品研究與開發(fā). 2019(05)
[3]獼猴桃貯藏保鮮技術研究進展[J]. 白俊青,李銳,羅安偉,寇莉萍,方沂蒙.  食品研究與開發(fā). 2018(17)
[4]冰糖橙可溶性固形物和pH值近紅外光譜檢測[J]. 王旭.  食品研究與開發(fā). 2017(03)
[5]采前噴施殼聚糖復合膜對獼猴桃軟腐病的防控及其保鮮作用[J]. 張承,李明,龍友華,吳小毛.  食品科學. 2016(22)
[6]10個獼猴桃品種在貴州主產(chǎn)區(qū)的引種表現(xiàn)[J]. 龍友華,張承,吳小毛,尹顯慧.  貴州農(nóng)業(yè)科學. 2015(07)
[7]高光譜成像結合人工神經(jīng)網(wǎng)絡無損檢測桃的硬度[J]. 郭文川,董金磊.  光學精密工程. 2015(06)
[8]采后獼猴桃可溶性固形物含量的高光譜無損檢測[J]. 董金磊,郭文川.  食品科學. 2015(16)
[9]高光譜技術結合CARS算法的庫爾勒香梨可溶性固形物定量測定[J]. 詹白勺,倪君輝,李軍.  光譜學與光譜分析. 2014(10)



本文編號：3714896