论文部分内容阅读
猕猴桃内部品质的优劣直接影响猕猴桃的口感,也是决定猕猴桃采摘时间及储存时间的重要指标,目前,检测猕猴桃内部品质的方法主要是采用理化试验方法进行抽样有损检测,过程繁琐且不实用,主观性强,无法实现工业化检测。因此,提出一种快速准确、无损检测猕猴桃内部品质的方法具有重要意义。本文主要检测猕猴桃的可溶性固形物含量、硬度及干物质含量,是利用猕猴桃内有机物中含有的光谱敏感基团在高光谱下的吸收能力不同,通过分析处理检测出猕猴桃对应的品质含量,进而分类销售提高经济收益,也可依据其内部品质含量指导果农的种植方式和管理过程。基于高光谱技术检测猕猴桃的可溶性固形物含量,采用多元散射校正法对猕猴桃高光谱图像进行光谱预处理,利用连续投影算法结合核主成分分析法对预处理后的高光谱信息提取特征光谱波段,将之输入到粒子群算法优化的已训练的最小二乘支持向量机中进行可溶性固形物含量检测,将该方法提取的4个特征光谱波段与单独的核主成分分析法、竞争性自适应加权法结合核主成分分析法分别提取的7个、3个特征光谱波段进行检测结果对比,结果表明,该方法获得的训练集及测试集均方根误差和相关系数分别为0.2882/0.9103、0.3192/0.8936,检测效果优于其他两种。基于高光谱技术的猕猴桃硬度检测,主要采用标准正态变换对高光谱信息进行光谱预处理;为提取有效反映猕猴桃硬度的高光谱信息,利用联合区间偏最小二乘法优选出最佳组合区间[16 17 19]三个子区间,共32个光谱波段,再结合核主成分分析法降维处理,提取出前2个主成分作为特征光谱波段输入到已训练的偏最小二乘检测器中进行硬度检测,同时将区间偏最小二乘法提取的10个特征光谱波段、联合区间偏最小二乘法提取的32个特征光谱波段输入检测器,结果表明,该方法获得的训练集及测试集均方根误差和相关系数分别为0.2698/0.9315、0.3573/0.8738,可有效检测出猕猴桃的硬度且检测模型得到大程度的简化。基于高光谱技术的猕猴桃干物质含量检测,采用多元散射校正法进行光谱预处理,为消除高光谱信息冗余性和共线性,利用无信息变量消除法结合连续投影算法对预处理后的高光谱信息提取出5个特征光谱波段,输入到已训练的最小二乘支持向量机中检测,结果表明,该方法获得的训练集及测试集均方根误差和相关系数分别为0.2826/0.9060、0.3129/0.8943,适用于猕猴桃的干物质含量检测;将该方法提取的5个特征光谱波段与217个全光谱波段及无信息变量消除法提取的66个特征光谱波段进行检测结果对比,表明无信息变量消除法结合连续投影算法提取的特征光谱波段更能反映猕猴桃的干物质含量。