换一批基于反向传播神经网络和高光谱成像的芒果可溶性固形物含量检测
Detection of soluble solids content in mango based on backpropagation algorithm neural network and hyperspectral imaging
摘要目的 比较反向传播神经网络(backpropagation algorithm neural network,BPNN)模型与偏最小二乘回归(partial least squares regression,PLSR)模型在预测芒果可溶性固形物含量(soluble solids content,SSC)方面的性能.方法 使用高光谱成像仪和全自动折光仪采集芒果的近红外高光谱及 SSC 数据,建立两种预测模型,采用多元散射校正(multiplicative scatter correction,MSC)进行光谱预处理,利用遗传算法(genetic algorithm,GA)、区间变量迭代空间收缩算法(interval variable iterative space shrinkage algorithms,IVISSA)和变量组合群体分析算法(variable combination population analysis,VCPA)提取特征波长变量,通过比较不同特征波长提取方法进一步优化对比预测模型.结果 与PLSR模型相比,BPNN模型在预测SSC方面更为有效.而在IVISSA特征波长变量提取后优化的 BPNN 模型预测能力最佳,预测集判定系数R2p、均方根误差(root mean square error of prediction,RMSEP)、残差预测偏差(residual prediction deviation,RPD)分别为0.8641、0.3924和2.7127.结论 该模型可快速、准确地检测芒果的SSC,并证明可见光-近红外高光谱成像与反向传播神经网络模型相结合有望预测芒果的SSC,为开发在线芒果SSC无损检测系统奠定基础.
更多相关知识
关键词
可见光-近红外高光谱成像芒果无损检测可溶性固形物含量反向传播神经网络visible-near-infrared hyperspectral imagingmangonon-destructive testingsoluble solids contentbackpropagation algorithm neural network
栏目名称
发布时间
2024-02-26（万方平台首次上网日期，不代表论文的发表时间）
- 浏览9
- 被引11
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
