基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测 |
| |
作者姓名: | 张伏 曹炜桦 崔夏华 王新月 付三玲 张亚坤 |
| |
作者单位: | 1. 河南科技大学农业装备工程学院;2. 机械装备先进制造河南省协同创新中心;3. 江苏大学现代农业装备与技术教育部重点实验室;4. 河南科技大学物理工程学院 |
| |
基金项目: | 国家自然科学基金项目(61771224);;河南省科技攻关计划项目(212102110029);;河南省高等教育教学改革研究与实践项目(研究生教育)成果(2019SJGLX063Y)资助; |
| |
摘 要: | 圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350~1 000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15~800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R2)和均方根误差(RMSE)分别为0.578 5和0.563 9;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进...
|
关 键 词: | 可见/近红外光谱 圣女果 改进BP神经网络模型 竞争自适应重加权采样算法 |
|