不同成熟度猕猴桃糖度紫外/可见光谱检测

发布时间：2022-12-09 05:13

　　猕猴桃糖度是判别其成熟度的关键指标,为构建预测不同成熟度猕猴桃糖度的最优模型。利用紫外/可见（200 nm～1 000 nm）光谱采集系统获取不同成熟期"贵长"猕猴桃的反射光谱,比较3种光谱预处理方法[一阶导数、多元散射校正、标准正态变换（standard normal variation,SNV）]对光谱的预处理效果,应用竞争性自适应重加权算法（competitive adaptive reweighted sampling,CARS）从预处理后的全光谱中选取特征光谱,基于全光谱和特征光谱分别构建预测猕猴桃糖度的误差反向传播（error back propagation,BP）网络模型。结果表明:SNV预处理效果最优,采用CARS从1 024个全波段中选取了29个特征波长,提升了预测模型的检测效率,构建的SNV-CARS-BP模型的预测性能最优,其预测集决定系数RP2=0.901,均方根误差（root mean squares errors for prediction,RMSEP）为0.643%,剩余预测偏差（residual predictive deviation,RPD）为3... 

【文章页数】：6 页

【文章目录】：
1 材料与方法
    1.1 试验材料
    1.2 试验仪器
    1.3 方法
        1.3.1 反射光谱采集
        1.3.2 糖度的测定
        1.3.3 光谱处理及模型评价
            1.3.3. 1 光谱预处理及特征波长提取
            1.3.3. 2 建模方法及模型评价方法
2 结果与分析
    2.1 反射光谱及预处理
    2.2 猕猴桃糖度统计分析
    2.3 特征波长提取
    2.4 BP网络建模结果
3 结论


【参考文献】：
期刊论文
[1]高光谱成像快速检测壳聚糖涂膜草莓可溶性固形物[J]. 邵园园,王永贤,玄冠涛,高宗梅,刘艺,韩翔,高冲.  农业工程学报. 2019(18)
[2]基于高光谱成像技术的苹果表面缺陷无损检测[J]. 孟庆龙,张艳,尚静.  食品研究与开发. 2019(05)
[3]猕猴桃贮藏保鲜技术研究进展[J]. 白俊青,李锐,罗安伟,寇莉萍,方沂蒙.  食品研究与开发. 2018(17)
[4]冰糖橙可溶性固形物和pH值近红外光谱检测[J]. 王旭.  食品研究与开发. 2017(03)
[5]采前喷施壳聚糖复合膜对猕猴桃软腐病的防控及其保鲜作用[J]. 张承,李明,龙友华,吴小毛.  食品科学. 2016(22)
[6]10个猕猴桃品种在贵州主产区的引种表现[J]. 龙友华,张承,吴小毛,尹显慧.  贵州农业科学. 2015(07)
[7]高光谱成像结合人工神经网络无损检测桃的硬度[J]. 郭文川,董金磊.  光学精密工程. 2015(06)
[8]采后猕猴桃可溶性固形物含量的高光谱无损检测[J]. 董金磊,郭文川.  食品科学. 2015(16)
[9]高光谱技术结合CARS算法的库尔勒香梨可溶性固形物定量测定[J]. 詹白勺,倪君辉,李军.  光谱学与光谱分析. 2014(10)



本文编号：3714896