广东农业科学
廣東農業科學
엄동농업과학
GUANGDONG AGRICULTURAL SCIENCES
2013年
9期
185-188
,共4页
王海建%洪添胜%代芬%欧阳玉平%罗瑜清%倪慧娜
王海建%洪添勝%代芬%歐暘玉平%囉瑜清%倪慧娜
왕해건%홍첨성%대분%구양옥평%라유청%예혜나
高光谱技术%沙梨%多元散射校正%无信息变量消除法%BP神经网络
高光譜技術%沙梨%多元散射校正%無信息變量消除法%BP神經網絡
고광보기술%사리%다원산사교정%무신식변량소제법%BP신경망락
为探讨基于高光谱图像技术对沙梨糖度无损检测的可行性,采集80个沙梨样本在400～1 000 nm内的高光谱图像数据及其对应的糖度,采用变量标准化、多元散射校正(MSC)、平滑滤波、基线校正等方法对原始光谱数据进行预处理,发现MSC预处理效果最佳,再通过无信息变量消除法对MSC预处理后的光谱数据进行压缩,最后分别建立BP神经网络和PLS沙梨糖度预测模型.结果表明:无信息变量消除法将光谱变量压缩到234个,有效减少了建模的输入变量,建立的PLS预测模型和BP神经网络的预测相关系数均在0.85以上,而PLS预测模型的相关系数为0.9508,均方根误差为0.268,优于BP神经网络模型.
為探討基于高光譜圖像技術對沙梨糖度無損檢測的可行性,採集80箇沙梨樣本在400～1 000 nm內的高光譜圖像數據及其對應的糖度,採用變量標準化、多元散射校正(MSC)、平滑濾波、基線校正等方法對原始光譜數據進行預處理,髮現MSC預處理效果最佳,再通過無信息變量消除法對MSC預處理後的光譜數據進行壓縮,最後分彆建立BP神經網絡和PLS沙梨糖度預測模型.結果錶明:無信息變量消除法將光譜變量壓縮到234箇,有效減少瞭建模的輸入變量,建立的PLS預測模型和BP神經網絡的預測相關繫數均在0.85以上,而PLS預測模型的相關繫數為0.9508,均方根誤差為0.268,優于BP神經網絡模型.
위탐토기우고광보도상기술대사리당도무손검측적가행성,채집80개사리양본재400～1 000 nm내적고광보도상수거급기대응적당도,채용변량표준화、다원산사교정(MSC)、평활려파、기선교정등방법대원시광보수거진행예처리,발현MSC예처리효과최가,재통과무신식변량소제법대MSC예처리후적광보수거진행압축,최후분별건립BP신경망락화PLS사리당도예측모형.결과표명:무신식변량소제법장광보변량압축도234개,유효감소료건모적수입변량,건립적PLS예측모형화BP신경망락적예측상관계수균재0.85이상,이PLS예측모형적상관계수위0.9508,균방근오차위0.268,우우BP신경망락모형.
