基于可見-近紅外光譜和多光譜成像技術的梨損傷檢測研究

摘要：提出了利用可見-近紅外光譜技術和多光譜成像技術檢測鴨梨損傷隨時間及程度變化的新方法.利用可見-近紅外光譜技術,分別結合偏最小二乘(panial least squares,PLS)和最小二乘支持向量機(least squares-support vector machine,LS-SVM)方法對鴨梨受損程度和受損天數進行預測.結果表明,兩種方法在鴨梨損傷后期對損傷程度的判別均具有較好的效果;LS-SVM方法對鴨梨輕度損傷的損傷天數的預測精度較高,但重度損傷天數的預測效果不如PLS方法.然后利用多光譜圖像預測鴨梨受損天數.研究發現,利用LS-SVM建立的模型預測效果較穩定,預測結果相關系數均在0.85左右.說明利用可見-近紅外光譜分析技術和多光譜成像技術能夠快速無損地檢測出鴨梨的損傷程度及時間,為鴨梨檢測提供了一種新方法. 作者： 曹芳[1]  吳迪[1]  鄭金土[2]  鮑一丹[1]  王遵義[3]  何勇[1] Author： CAO Fang[1]  WU Di[1]  ZHENG Jin-tu[2]  BAO Yi-dan[1]  WANG Zun-yi[3]  HE Yong[1] 作者單位： 浙江大學生物系統工程與食品科學學院,浙江,杭州,310029浙江省寧波市林特科技推廣中心,浙江,寧波,315010浙江萬里學院科研處,浙江,寧波,315100 期 刊： 光譜學與光譜分析   ISTICEISCIPKU Journal： SPECTROSCOPY AND SPECTRAL ANALYSIS 年，卷(期)： 2011, 31(4) 分類號： S123 關鍵詞： 可見-近紅外光譜    多光譜成像    鴨梨    最小二乘支持向量機    偏最小二乘法    機標分類號： D69 D9 機標關鍵詞： 近紅外光譜技術    多光譜成像技術    損傷程度    檢測研究    Multispectral Image    Infrared Spectroscopy    Based    鴨梨    least squares    預測效果    新方法    最小二乘支持向量機    近紅外光譜分析技術    LS-SVM    偏最小二乘    重度損傷    預測精度    預測結果    相關系數    圖像預測 基金項目： 農業部公益性行業專項項目，浙江省重大科技專項項目，浙江省自然科學基金重點項目，寧波市重人科技攻關項目，寧波市農業攻關-合作項目 基于可見-近紅外光譜和多光譜成像技術的梨損傷檢測研究[期刊論文]  光譜學與光譜分析 --2011, 31(4)曹芳  吳迪  鄭金土  鮑一丹  王遵義  何勇提出了利用可見-近紅外光譜技術和多光譜成像技術檢測鴨梨損傷隨時間及程度變化的新方法.利用可見-近紅外光譜技術,分別結合偏最小二乘(panial least squares,PLS)和最小二乘支持向量機(least squares-support vector m...

【基于可見-近紅外光譜和多光譜成像技術的梨損傷檢測研究】相關文章：

基于近紅外光譜技術的農作物病害診斷04-27

不同貯存溫度蜂花粉的可見-近紅外光譜鑒別04-26

基于主成分分析和BP神經網絡的土壤養分近紅外光譜檢測04-29

異穗卷柏的顯微與近紅外光譜鑒定研究04-26

基于BP神經網絡的啤酒酒精度近紅外光譜快速檢測04-27

紅外光譜技術應用的進展05-02

基于近紅外光譜的神經網絡預測大米直鏈淀粉含量04-28

玉米自交系品質性狀的近紅外光譜測定04-30

霉變板栗的近紅外光譜和神經網絡方法判別04-26

基于獨立成分分析的被動紅外光譜弱信號檢測04-27