您好，欢迎访问安徽省农业科学院 机构知识库！

高光谱成像结合宽度学习系统的青枣可溶性固形物含量检测

文献类型： 中文期刊

作者： 李鹏 1 ; 张萌 2 ; 李传宗 1 ; 韩立国 1 ; 刘华明 1 ;

作者机构： 1.阜阳师范大学计算机与信息工程学院安徽省智能计算与信创应用工程研究中心

2.安徽省农业科学院农业经济与信息研究所

关键词： 水果;光谱学;机器学习;可溶性固形物含量;宽度学习系统

期刊名称： 中国食品学报

ISSN： 1009-7848

年卷期： 2025 年 25 卷 008 期

页码： 324-334

收录情况： EI ; 北大核心 ; CSCD

摘要： 利用高光谱成像结合宽度学习系统（BLS）探究青枣可溶性固形物含量（SSC）检测方法。采用高光谱成像系统和数显折光仪分别获取青枣的光谱数据和SSC值，将BLS模型与6种光谱预处理方法和6种关键波长选择方法相结合，建立基于全波长和关键波长的预测模型，并将BLS模型的性能与5种经典光谱建模算法进行对比。在全波长条件下，标准正态变量变换（SNV）结合BLS模型得到最佳的预测结果，预测集的相关系数RP为0.871，均方根误差（RMSEP）为0.656。在关键波长条件下，综合考虑预测精度和关键波长数目，优选出的关键波长选择算法为区间变量迭代空间收缩算法结合连续投影算法（IVISSA-SPA），该方法提取21个关键波长，结合BLS模型得到的RP为0.851,RMSEP为0.697。此外，BLS模型的表现优于传统的光谱建模算法。研究表明，利用高光谱成像结合BLS模型可以实现青枣的SSC检测，同时为高光谱成像检测水果的品质属性提供了新的建模方法。

  • 相关文献

[1]氨基酸水溶肥对促进草莓产量、品质及生长特性的影响. 宁志怨,钱小强,伊兴凯,黄锡桂,张殿兴,夏世祥,田峰,范奥奇,张明龙,候纯旺,孔晶晶. 2020

[2]优质黄瓤小西瓜品种秀雅. 张其安. 2005

[3]基于机器视觉技术的动物行为自动识别和分类. 钱蓉,詹凯,王重龙. 2016

[4]福美锌在蔬菜和水果中残留分析及膳食暴露与风险评估. 褚玥,孙明娜,董旭,童舟,肖青青,王梅,高同春,段劲生. 2020

[5]安徽省主要水果生产现状及变化趋势研究. 黄晓春,王光宇,石迪生. 2012

[6]安徽省水果生产现状及产业化发展的几点建议. 孙其宝,仇艺红,俞飞飞,孙俊. 2002

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：安徽省农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台