-
题名高光谱与极限学习机的番茄品质指标无损预测方法研究
- 1
-
-
作者
黄莲飞
吴莎
黄人帅
-
机构
贵阳学院食品科学与工程学院
贵州省农产品无损检测工程研究中心
-
出处
《光谱学与光谱分析》
北大核心
2025年第11期3090-3097,共8页
-
基金
贵州省科技厅青年引导项目(黔科合基础-[2024]青年080)
贵阳学院科研资金(GYU-KY-[2025])
贵州省教育厅研究生科研基金项目(2024YJSKYJJ397)资助。
-
文摘
高光谱成像技术凭借其能够获取样品连续且丰富光谱信息、有效反映内部成分特征的独特优势,为果蔬品质关键理化指标的快速无损检测提供了新的技术路径。基于此,以番茄为研究对象,聚焦其关键理化指标——包括可溶性固形物(SSC)、番茄红素含量和维生素C含量,探索其快速无损预测方法。为提高预测模型的准确性与稳健性,首先对高光谱数据采用标准正态变换(SNV)进行预处理,以削弱散射和光谱漂移的干扰,随后基于遗传算法(GA)筛选有效特征波段。进一步分别构建了反向传播-人工神经网络(BP-ANN)与极限学习机(ELM)预测模型,对比其在不同品质指标预测中的性能差异。结果表明,ELM在番茄红素、SSC及维生素C的预测中均优于BP模型。与BP模型相比,ELM的预测集相关系数(R_(p)^(2))分别提升了7.5%、11.4%和9.8%;均方根误差(RMSEP)分别降低了25.0%、22.2%和10.4%;相对预测偏差(RPD)分别提高了20.3%、25.3%和28.0%。其中,ELM模型在番茄红素、维生素C和SSC的预测中RPD值均超过2.6,达到良好预测精度水平。该研究为番茄品质关键指标的快速无损检测提供了高效、可靠的技术方案,同时也为果蔬品质无损检测技术的应用与推广增添了基石。
-
关键词
高光谱成像技术
番茄
品质指标
无损检测
极限学习机
-
Keywords
Hyperspectral imaging technology
Tomato
Quality indicators
Non-destructive testing
Extreme learning machine
-
分类号
O433.4
[机械工程—光学工程]
-
