换一批基于近红外光谱的草莓多品质参数通用预测模型研究
General Predictive Model for Multiple Strawberry Quality Parameters Based on Near-infrared Spectroscopy
摘要可溶性固形物(Soluble Solids Content,SSC)和硬度(Firmness,FI)是影响草莓口感的关键因素.该研究建立了一种基于共同特征的草莓品质参数(SSC、FI)通用预测模型.采用竞争性自适应重加权算法(Competitive Adaptive Reweighted Sampling,CARS)、连续投影法(Successive Projection Algorithm,SPA)和无信息变量消除法(Uniformative Variable Elimination,UVE)提取光谱特征,建立了偏最小二乘(Partial Least Squares Regression,PLSR)、极限学习机(Extreme Learning Machine,ELM)和最小二乘支持向量机(Least Square Support Vector Machines,LS-SVM)决策模型,并使用鲸鱼优化算法寻优LS-SVM模型的最佳参数.建立了基于SSC和FI共同特征的通用预测模型.结果表明,使用SG卷积平滑法(Savizky-Golay,SG)进行预处理可有效减少光谱的噪声.CARS-LS-SVM模型对SSC和FI的单指标预测效果最好,预测集相关系数分别为 0.937 和 0.898,残差预测偏差分别为 2.87 和 2.28;采用UVE方法分别提取的SSC和FI特征有着最高重合率.基于共同特征建立的LS-SVM双指标模型可以对SSC和FI进行有效预测,预测集相关系数分别为 0.922 和 0.871,残差预测偏差为 2.58 和 2.04.利用近红外光谱技术可以同时预测草莓的SSC和FI,该研究为草莓的多参数通用预测模型提供了理论参考.
更多相关知识
关键词
草莓近红外光谱鲸鱼优化算法最小二乘支持向量机通用预测模型strawberrynear-infrared spectroscopywhale optimization algorithmleast-squares support-vector machinegeneral predictive model
栏目名称
DOI
10.13982/j.mfst.1673-9078.2025.8.0821
发布时间
2025-10-10（万方平台首次上网日期，不代表论文的发表时间）
- 浏览2
- 被引2
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
