使用便携式高光谱成像仪的田间肥城桃质量和成熟度无损猜测研讨

版块：机械制造类型：普通作者：化工产业技术分享查看：56 回复：0 获赞：0 时间：2022-05-18 18:30:08

肥城桃因其杰出的质量和丰厚的养分而广受顾客喜欢，但肥城桃作为一种呼吸性气候的生果，其水分含量很高，简单变色、变软后蜕变。在日常的生产中，老练的桃子一般采摘下来后就当即食用，而中熟的桃子被采摘下来后需求经过运送或贮存很长一段时间才干上市。在此期间，桃子的质量特点（比如可溶性固溶物含量和硬度等）会不断地快速改变，因而本文经过运用江苏双利合谱相机GaiaField-V10E收集高光谱图画，并结合化学计量学来确认肥城桃的内部质量和判别不同老练度阶段的肥城桃。

图1果园现场高光谱图画收集和光谱处理

表1 肥城桃可溶性固溶物含量和硬度含量散布及数据集区分

图1为现场图画收集相片和对高光谱图画中的光谱进行提取和处理。文章选用SPXY法将160个样品区分为100个校对集和60个猜测集，调集区分成果和目标如表1所示，图2为中熟和老练的肥城桃子的均匀光谱反射率与标准偏差的示意图。

图2 中熟和老练的肥城桃子的均匀光谱反射率与标准偏差

文章选用CARS算法和随机跳蛙(RF)算法提取有用波长，并根据特征波长树立可溶性固溶物含量（SSC）和硬度的多元线性回归（MLR）模型，建模作用如图3所示。其间SSC的RF-MLR猜测模型较好，Rv2为0.88，RMSEV为0.54，硬度的CARS-MLR猜测模型较好，Rv2为0.81，RMSEV为1.17。

图3 SSC（a）和硬度（b）实测值与猜测值散点图

图4 SFS算法提取的两个波长

在此基础上，文章选用次序前向挑选（SFS）算法提取两个有用波长（957nm，518nm）,如图4所示。随后运用LIBSVM模型对肥城桃子的老练度进行区分，如图5所示，图5a为模型选取的最佳核参数C=5.7和γ=16，图5b为模型分类辨认的准确率，分类辨认精度到达91.7%。

图5 LIBSVM模型对肥城桃子老练期的判别

参考文献：Shao Y, Wang Y , Xuan G , et al. In-field and non-invasive determination of internal quality and ripeness stages of Feicheng peach using a portable hyperspectral imager[J].Bigosystem Engineering, 212(2021):115-125.

部分来源于网络,如有侵权请联络删去。

全站外链： TEC传感器 | 猫掌外链

免责声明

1、小猪外链里发表的文章仅代表作者本人的观点，与本网站立场无关。
2、小猪外链网资源分享仅为个人学习、交流之用，同时向原著作者表达敬意。
3、小猪外链网仅提供信息存储空间服务，小猪外链网信息均来源于用户自行发布，不承担任何法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，可以按照《小猪外链网文章侵权处理流程》进行处理，同时向原著作者表达敬意。
4、内容由网友自主上传，如有侵权、违规请联系邮箱616859395@qq.com进行处理。

如果觉得本文还不错请点个赞或者打赏点金币哦~

拒绝伸手党，拿走请回复，尊重楼主，尊重你我他~

回复列表

默认热门正序倒序

肥城桃因其杰出的质量和丰厚的养分而广受顾客喜欢，但肥城桃作为一种呼吸性气候的生果，其水分含量很高，简单变色、变软后蜕变。在日常的生产中，老练的桃子一般采摘下来后就当即食用，而中熟的桃子被采摘下来后需求经过运送或贮存很长一段时间才干上市。在此期间，桃子的质量特点（比如可溶性固溶物含量和硬度等）会不断地快速改变，因而本文经过运用江苏双利合谱相机GaiaField-V10E收集高光谱图画，并结合化学计量学来确认肥城桃的内部质量和判别不同老练度阶段的肥城桃。<img src="uploadfiles/images/1429/20220518/183004_eJYVto.jpg" style="max-width:800px;max-height:300%;" title="0101.jpg"/>图1果园现场高光谱图画收集和光谱处理<img src="uploadfiles/images/1429/20220518/183006_26gZtR.jpg" title="0102.jpg" style="text-align: center; white-space: normal; max-width: 800px; max-height: 300%;"/>表1 肥城桃可溶性固溶物含量和硬度含量散布及数据集区分图1为现场图画收集相片和对高光谱图画中的光谱进行提取和处理。文章选用SPXY法将160个样品区分为100个校对集和60个猜测集，调集区分成果和目标如表1所示，图2为中熟和老练的肥城桃子的均匀光谱反射率与标准偏差的示意图。<img src="uploadfiles/images/1429/20220518/183006_5CBHtI.jpg" title="0103.jpg" style="text-align: center; white-space: normal; max-width: 800px; max-height: 300%;"/>图2 中熟和老练的肥城桃子的均匀光谱反射率与标准偏差 文章选用CARS算法和随机跳蛙(RF)算法提取有用波长，并根据特征波长树立可溶性固溶物含量（SSC）和硬度的多元线性回归（MLR）模型，建模作用如图3所示。其间SSC的RF-MLR猜测模型较好，Rv2为0.88，RMSEV为0.54，硬度的CARS-MLR猜测模型较好，Rv2为0.81，RMSEV为1.17。 <img src="uploadfiles/images/1429/20220518/183007_S57EYt.jpg" title="0104.jpg" style="text-align: center; white-space: normal; max-width: 800px; max-height: 300%;"/>图3 SSC（a）和硬度（b）实测值与猜测值散点图<img alt="" src="uploadfiles/images/1429/20220518/183007_SRbdUW.jpg" data-ke-src="https://www.dualix.com.cn/filespath/images/20220302160112.jpg" style="border: 0px; max-width: 100%; outline: none; transition: all 0.3s ease 0s;"/>图4 SFS算法提取的两个波长在此基础上，文章选用次序前向挑选（SFS）算法提取两个有用波长（957nm，518nm）,如图4所示。随后运用LIBSVM模型对肥城桃子的老练度进行区分，如图5所示，图5a为模型选取的最佳核参数C=5.7和γ=16，图5b为模型分类辨认的准确率，分类辨认精度到达91.7%。 <img src="uploadfiles/images/1429/20220518/183007_Qyx9sB.jpg" title="0105.jpg" style="text-align: center; white-space: normal; max-width: 800px; max-height: 300%;"/>图5 LIBSVM模型对肥城桃子老练期的判别 参考文献：Shao Y, Wang Y , Xuan G , et al. In-field and non-invasive determination of internal quality and ripeness stages of Feicheng peach using a portable hyperspectral imager[J].Bigosystem Engineering, 212(2021):115-125. 
 
 
 部分来源于网络,如有侵权请联络删去。

首 1 尾