| 高光谱技术结合CARS算法的库尔勒香梨可溶性固形物定量测定 |
| |
| 引用本文： | 詹白勺,倪君辉,李军.高光谱技术结合CARS算法的库尔勒香梨可溶性固形物定量测定[J].光谱学与光谱分析,2014,34(10):2752-2757. |
| |
| 作者姓名： | 詹白勺 倪君辉 李军 |
| |
| 作者单位： | 台州学院机械工程学院,浙江 台州,318000 |
| |
| 基金项目： | 国家自然科学基金项目(61134011)资助 |
| |
| 摘 要： | 由于高光谱数据量大、维数高,光谱噪声明显、散射严重等特征导致光谱建模时关键变量提取较为困难,同时,高光谱图像的获取会受非单色光、杂散光、温度等多种因素的影响,从而使高光谱数据与待测性质之间有一定非线性关系。为此,提出采用正自适应加权算法(CARS)对可见-近红外高光谱高维数据进行关键变量筛选,并与全光谱和经典变量提取方法SPA,MC-UVE,GA和GA-SPA方法进行比较。以200个库尔勒香梨为研究对象,采用SPXY方法将样本划分为校正集和预测集,校正集和预测集分别包含150个和50个样本。基于不同方法筛选的变量,分别建立线性PLS模型及非线性LS-SVM模型,r2,RMSEP和RPD用于模型性能的评估。综合比较发现,GA,GA-SPA和CARS变量筛选方法能够有效地筛选出原始高光谱数据中具有强信息且对外界影响因素不敏感的变量,适用于高光谱数据关键变量的提取,其中CARS变量筛选效果最佳,基于CARS获取的关键变量构建的非线性LS-SVM库尔勒香梨SSC含量预测模型获得了最优的预测结果,r2pre,RMSEP和RPD分别为0.851 2,0.291 3和2.592 4。研究表明,CARS方法是一种有效的高光谱关键变量筛选方法,利用高光谱数据,非线性LS-SVM模型比线性PLS模型更适合于香梨品质的定量预测。
|
| 关 键 词： | 可见-近红外高光谱 库尔勒香梨 可溶性固形物 变量选择 建模分析 |
| 收稿时间： | 2014/5/16 |
Hyperspectral Technology Combined with CARS Algorithm to Quantitatively Determine the SSC in Korla Fragrant Pear |
| |
| ZHAN Bai-shao
,
NI Jun-hui
,
LI Jun.Hyperspectral Technology Combined with CARS Algorithm to Quantitatively Determine the SSC in Korla Fragrant Pear[J].Spectroscopy and Spectral Analysis,2014,34(10):2752-2757. |
| |
| Authors: | ZHAN Bai-shao NI Jun-hui LI Jun |
| |
| Institution: | ZHAN Bai-shao;NI Jun-hui;LI Jun;School of Mechanical Engineering,Taizhou University; |
| |
| Abstract: | |
| |
| Keywords: | Vis-NIR hyperspectral imaging Korla fragrant pear SSC Variable selection Modeling analysis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
