高光谱技术结合特征波长筛选和支持向量机的哈密瓜成熟度判别研究

摘要：

可溶性固形物含量(SSC)和硬度是哈密瓜划分等级的重要指标,同时也是其成熟度的表征因子.因此,为满足哈密瓜自动化分级和适宜采摘,采用高光谱技术结合特征波长筛选的方法,同时对哈密瓜的可溶性固形物含量、硬度及成熟度进行了无损检测研究.对多元散射校正(MSC)处理后的光谱分别利用连续投影算法(SPA)、竞争性自适应重加权算法(CARS)和CARS-SPA方法筛选了哈密瓜可溶性固形物和硬度的特征波长,并将原始光谱、MSC预处理后的光谱和所筛选的特征波长作为输入变量分别建立哈密瓜可溶性固形物和硬度的支持向量机(SVM)预测模型及成熟度判别模型.结果显示,MSC-CARS-SPA方法所建立的可溶性固形物和硬度SVM预测模型最优,其Rpre,RMSEP和RPD分别为0.940 4,0.402 7,2.94 1和0.825 3,35.22,1.771.同时对哈密瓜成熟度进行了判别分析,并分别建立了基于全光谱、单一的可溶性固形物或硬度特征波长和主成分分析(PCA)特征融合的哈密瓜成熟度SVM判别模型.结果显示,CARS-PCA-SVM模型的判别结果与全光谱SNV-SVM模型相同,其校正集和预测集判别正确率分别为95%和94%.研究表明,利用高光谱技术结合特征波长筛选方法可实现同时对哈密瓜可溶性固形物和硬度的定量预测及成熟度判别.

关键词：高光谱、哈密瓜、可溶性固形物、硬度、成熟度、特征波长、判别分析

所属期刊栏目：37

分类号：O657.3(分析化学)

资助基金：国家自然科学基金项目61263041;国家科技支撑项目2015BAD19B03

在线出版日期：2017-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2184-2191