作者：万国玲; 刘贵珊; 何建国; 杨晓玉; 程丽娟...高光谱成像技术果糖贮藏期高效液相色谱法偏最小二乘回归
摘要：高光谱成像可将图像和光谱相结合,同时获得目标对象的图像和光谱信息,已在农产品定性和定量分析检测方面得到广泛利用。利用可见-近红外高光谱成像结合化学计量学方法对贮藏期内灵武长枣果糖含量进行无损检测。采用高效液相色谱测量长枣果糖含量的化学值,可见-近红外高光谱系统采集长枣的高光谱图像,提取每个样本感兴趣区域的平均光谱;建立长枣贮藏期的径向基核函数支持向量机(radial basis kernel function support vector machine,RBF-SVM)模型;分别选用正交信号校正法(orthogonal signal correction,OSC)、多元散射校正(multiplicative scatter correction,MSC)、中值滤波(median-filter,MF)、卷积平滑(savitzky-golay,SG)、归一化(normalization,Nor)、高斯滤波(gaussian-filter,GF)和标准正态变换(standard normalized variate,SNV)等方法对原始光谱进行预处理;为减少数据量,降低维度,提高运算速度,采用反向区间偏最小二乘法(backward interval partial least squares,BiPLS)、间隔随机蛙跳算法(interval random frog,IRF)和竞争性自适应加权算法(competitive adaptive reweighted sampling,CARS)对光谱数据提取特征变量;建立全波段和特征波段的偏最小二乘回归(partial least squares regression,PLSR)和主成分回归(principle component regression,PCR)长枣果糖含量预测模型。结果表明:RBF-SVM判别模型校正集准确率为98.04%,预测集准确率为97.14%,能很好地预测长枣的贮藏期;利用BiPLS,IRF及CARS进行降维处理,提取特征波长个数为100,63和23,占原光谱数据的80%,50.4%和18.4%;为简化模型运算过程并提高模型精度,采用CARS算法对BiPLS及IRF算法所选取的特征波长进行二次筛选,分别优选出18和15个特征波长,占原光谱数据的14.4%和12%,显著减少特征波长数;将全波段光谱与提取出的特征波长分别建立长枣果糖含量的PLSR及PCR预测模型,优选出CARS提取特征波长建立的PLSR模型效果
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
