利用高光谱图像技术检测猕猴桃可溶性固形物

摘要

本研究利用高光谱图像技术检测“西选”和“华优”两个品种的猕猴桃可溶性固形物,比较基于单独品种建立的可溶性固形物模型和基于混合品种猕猴桃建立的可溶性固形物模型的优劣.各取100个“西选”和“华优”品种的猕猴桃作为样本,采集这200个猕猴桃样本的高光谱图像(865.11-1711.71nm)中感兴趣区域的平均光谱,结合x-y共生距离算法划分样本.利用单独品种样本建立可溶性固形物模型时,得到67个校正集样本和33个预测集样本,利用混合品种样本建立可溶性固形物模型时,得到134个校正集样本和66个预测集样本.利用连续投影算法(successive projections algorithm,SPA)从全光谱(full spectra,FS)中选出有效波长,利用单独品种样本建立模型时,SPA选出9个有效波长,利用混合品种样本建立模型时,SPA选出19个有效波长.分别用全光谱和SPA选出的有效波长建立猕猴桃可溶性固形物的偏最小二乘(partial least squares,PLS)模型和最小二乘支持向量机(least square support vector machine,LSSVM)模型.结果表明,所有建立的LSSVM模型的校正性能和预测性能均优于PLS模型.“西选”、“华优”单独品种和混合品种的最好可溶性固形物模型分别是SPA-LSSVM、FS-LSSVM和FS-LSSVM,其预测相关系数分别为0.766、0.971和0.911,预测均方根误差分别为0.968、0.589和1.137.该研究表明,利用高光谱图像技术无损检测猕猴桃可溶性固形物是可行的,开发具体品种的猕猴桃可溶性固形物预测模型可以提高预测精度和计算机运行速度.