高光谱影像的鲜桃可溶性固形物含量预测
发布时间:2023-11-10
浏览次数:834
鲜桃是一种营养丰富和风味甜香的水果,可溶性固形物含量(SSC)作为影响鲜桃风味的重要 成分,也成为衡量鲜桃品质的重要参考标准,因此,精准估测SSC对于鲜桃分级和评价具有重要的研究意义和应用价值。目前,随着传感器和数据分析技术的快速发展,无损估测水果可溶性固形物含量被广泛研究及应用。

鲜桃是一种营养丰富和风味甜香的水果,可溶性固形物含量(SSC)作为影响鲜桃风味的重要 成分,也成为衡量鲜桃品质的重要参考标准,因此,精准估测SSC对于鲜桃分级和评价具有重要的研究意义和应用价值。目前,随着传感器和数据分析技术的快速发展,无损估测水果可溶性固形物含量被广泛研究及应用。其中,近红外光谱、多光谱、荧光谱、电子鼻等已经成功地检测鲜果SSC。
然而,目前大部分研究基于单一特征检测,从而限制了水果SSC预测模型的进一步探究。近年来,高光谱影像不仅提供光谱维信息,还提供空间维信息,常常被广泛用来检测水果的SSC。结果表明,基于高光谱影像特征估测SSC的可行性。然而,大部分研究仅基于光谱维信息,容易导致SSC估测模型过拟合。随着深度学习在不同领域的应用,为鲜桃SSC预测提供 了新思路和新方案。堆叠自动编码器(SAE)作为深度学习方法,具有较强的特征能力,从而提高预测模型的精确性。因此,在这项研究中设计不同结构的堆叠自动编码器,分别提取高光谱影像的光谱维、空间维信息深层特征,为鲜桃SSC的定量分析提供技术路径。




通过不同品种鲜桃样本的SSC可视化,表 明 SAE-PSO-SVR模型具有较好的普适性。基于SAE提取鲜桃高光谱影像的光谱信息和空间信息深层特征,进一步通过融合信息的深层特征构建了基于SAE-PSO-SVR的鲜桃SSC估测模型,有效的提高了模型的估测精度。
相关产品
-
高光谱数据特征波长变量选择方法有哪些?
高光谱成像仪获取的数据非常的庞大,这些信息比较的冗沉,采取一定的方法提取对建模有效的波长变量,删除冗余变量,减少波长变量个数,优化模型,提高模型预测精确度非常..
-
高光谱数据预处理及高光谱数据特征波段提取方法
高光谱成像仪在获取样品的光谱数据时,会有很多信息是重复的或者是无信息变量甚至可能是影响数据模型结果的噪声数据,因此就需要对光谱数据进行预处理,提取特征波长数据..
-
高光谱成像技术:刑侦领域物证提取
在刑事侦查中,指纹因其唯一性和稳定性被誉为“物证之王”,而血指纹作为恶性案件现场的关键痕迹,其高效提取对案件侦破至关重要。然而,传统方法如Photoshop软件..
-
高光谱成像技术:解锁文物修复的无损密码
在历史的长河中,古籍、壁画等文物承载着人类文明的记忆。然而,高温、高湿、光照等环境因素不断侵蚀着这些文化瑰宝——墨水氧化导致字迹模糊,颜料褪色使壁画失去光彩,石..