领学术科研之先,创食品科技之新
—— 中国食品杂志社
期刊集群
基于Fisher判别分析可分性信息融合的马铃薯VC含量高光谱检测方法
来源:导入 阅读量: 110 发表时间: 2024-04-29
作者: 郭林鸽,殷勇,于慧春,袁云霞
关键词: 高光谱成像;Fisher判别分析;马铃薯;VC含量检测;模型
摘要:

为提高马铃薯VC含量检测结果的准确性和可靠性,提出一种基于Fisher判别分析(Fisher discriminant analysis,FDA)可分性数据融合的检测模型输入变量构建方法。首先,利用高光谱成像技术采集200 个马铃薯的高光谱信息,通过对比6 种预处理方法和原始数据的建模结果,确定多元散射校正为光谱数据的预处理方法;其次,采用竞争性自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)及CARS-SPA组合算法3 种方法提取相应特征波长,通过对比分析最终确定34 个有效特征波长;然后,将有效特征波长进行FDA可分性数据融合,根据融合的新变量对样本间差异性判别能力的大小进行筛选,确定构建检测模型的输入变量;最后,分别对FDA融合前后筛选的变量建立偏最小二乘模型和反向传播神经网络(back propagation neural network,BPNN)模型,并对检测结果进行对比分析。结果表明,将CARS算法提取的34 个特征波长进行FDA融合,采用前3 个融合变量作为构建检测模型的输入变量时,其所建BPNN模型的相关系数由0.972 6提高至0.999 0,均方根误差由0.772 3降低至0.172 7,不仅能够极大地降低数据分析维度,而且能够提高检测结果的准确性。因此,基于FDA可分性数据融合构建检测模型输入变量可以提高马铃薯VC含量检测结果的准确性。

电话: 010-87293157 地址: 北京市丰台区洋桥70号

版权所有 @ 2023 中国食品杂志社 京公网安备11010602060050号 京ICP备14033398号-2