高光譜影像的鮮桃可溶性固形物含量預測
發布時間:2023-11-10
瀏覽次數:531
鮮桃是一種營養豐富和風味甜香的水果,可溶性固形物含量(SSC)作為影響鮮桃風味的重要 成分,也成為衡量鮮桃品質的重要參考標準,因此,精準估測SSC對于鮮桃分級和評價具有重要的研究意義和應用價值。目前,隨著傳感器和數據分析技術的快速發展,無損估測水果可溶性固形物含量被廣泛研究及應用。
鮮桃是一種營養豐富和風味甜香的水果,可溶性固形物含量(SSC)作為影響鮮桃風味的重要 成分,也成為衡量鮮桃品質的重要參考標準,因此,精準估測SSC對于鮮桃分級和評價具有重要的研究意義和應用價值。目前,隨著傳感器和數據分析技術的快速發展,無損估測水果可溶性固形物含量被廣泛研究及應用。其中,近紅外光譜、多光譜、熒光譜、電子鼻等已經成功地檢測鮮果SSC。
然而,目前大部分研究基于單一特征檢測,從而限制了水果SSC預測模型的進一步探究。近年來,高光譜影像不僅提供光譜維信息,還提供空間維信息,常常被廣泛用來檢測水果的SSC。結果表明,基于高光譜影像特征估測SSC的可行性。然而,大部分研究僅基于光譜維信息,容易導致SSC估測模型過擬合。隨著深度學習在不同領域的應用,為鮮桃SSC預測提供 了新思路和新方案。堆疊自動編碼器(SAE)作為深度學習方法,具有較強的特征能力,從而提高預測模型的精確性。因此,在這項研究中設計不同結構的堆疊自動編碼器,分別提取高光譜影像的光譜維、空間維信息深層特征,為鮮桃SSC的定量分析提供技術路徑。
通過不同品種鮮桃樣本的SSC可視化,表 明 SAE-PSO-SVR模型具有較好的普適性。基于SAE提取鮮桃高光譜影像的光譜信息和空間信息深層特征,進一步通過融合信息的深層特征構建了基于SAE-PSO-SVR的鮮桃SSC估測模型,有效的提高了模型的估測精度。
相關產品
-
紅外光譜的發展、原理、特點、分類
紅外光譜的發展、原理、特點、分類紅外光譜的技術在各領域中的應用相繼經歷了很長時期,逐漸完善著自身技術在領域中的應用,且將低成本高性能作為發展與創新的主要方向。本..
-
近紅外光譜技術的優缺點和應用范圍
?由于近紅外光譜在光纖中良好的傳輸性,近年來也被很多發達國家廣泛應用在產業在線分析中。近紅外定量分析因其快速、正確已被列人世界谷物化學科技標準協會和美國谷物化學..
-
高光譜數據常見預處理方法有哪些?
高光譜在采集數據時會有成百上千個不同的波段數據,數據量巨大從而增加了數據處理的難度。而且在高光譜圖像采集過程中會有來自儀器與環境的干擾,獲得的光譜信號易存在噪聲..
-
高光譜成像儀光譜數據特征波長的選取方法介紹
高光譜成像儀?在對樣品進行側臉時,會采集多波段的光譜數據,全波段數據有較多的冗余信息,因此就需要采用一定的方法來選取樣本光譜的特征波段與紋理特征的重要變量。本文..