苹果可溶性固形物的可见/近红外无损检测

被引：16

作者：

孟庆龙 ^{[1
,2
]}

尚静 ^{[1
,2
]}

黄人帅 ^{[1
,2
]}

陈露涛 ^{[1
]}

张艳 ^{[2
]}

机构：

[1] 贵阳学院食品与制药工程学院

[2] 贵阳学院农产品无损检测工程研究中心

来源：

食品与发酵工业 | 2020年 / 46卷 / 19期

关键词：

可见/近红外光谱; 苹果; 可溶性固形物含量; BP网络; 数据降维; 无损检测;

D O I：

10.13995/j.cnki.11-1802/ts.023710

中图分类号：

TS255.7 [果蔬加工品标准与检验]; O657.33 [红外光谱分析法];

学科分类号：

083203 ; 070302 ; 081704 ;

摘要：

利用可见/近红外光谱对苹果可溶性固形物含量进行检测,并建立了最优预测模型。通过400～1 000 nm高光谱成像系统采集了120个"富士"苹果图像,分析比较了二阶导数(second derivative,SD)、标准正态变换(standard normal variation,SNV)以及多元散射校正(multi-scatter calibration,MSC) 3种光谱预处理方法对预测模型的检测效果;分别应用连续投影算法(successive proiection algorithm,SPA)和竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)对光谱数据进行降维,进而建立基于特征光谱的误差反向传播(error back propagation,BP)网络和多元线性回归(multiple linear regression,MLR)预测模型。结果表明,二阶导数预处理后的BP网络模型优于原始光谱及其他预处理方法;通过提取特征波长建立的SPA-BP网络模型的预测性能最优,其预测集相关系数rp和均方根误差(root mean square error of prediction set,RMSEP)分别为0.87和0.52。这表明基于可见/近红外光谱检测苹果可溶性固形物含量是可行的。

引用

页码：205 / 209

页数：5

共 17 条

[1] 高光谱图像技术检测大曲发酵过程中的水分含量 [J].