论文部分内容阅读
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400～1000nm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