论文部分内容阅读
采用光谱与图像相结合,实现了核桃仁蛋白质和脂肪含量预测及基于完整度和色泽的核桃仁外观品质分级.选用新疆“温185”核桃仁,采集了862.9～1704.02 nm和382.19～1026.66 nm范围高光谱图像.采用多元散射校正(MSE)和标准正态化(SNV)方法进行预处理后,通过竞争性自适应重加权采样算法与相关系数法,对核桃仁样品的蛋白质含量、脂肪含量、总色差3个参数进行了特征波段筛选.通过偏最小二乘回归(PLSR)算法建立了全光谱波段与特征光谱波段的蛋白质和脂肪含量预测模型,与全光谱波段相比,蛋白质含量特征波段预测模型的验证集决定系数(R2)由0.66增长到0.91,均方根误差(RMSEP)由1.37％下降到0.78％;脂肪含量特征波段预测模型的验证集R2由0.83增长到0.93,RMSEP由0.98％下降到0.47％.在外观品质方面,采用全光谱波段、RGB光谱波段、总色差特征光谱波段为输入,采用决策树、K近邻和支持向量机算法建立了核桃仁外观品质分类模型.通过对比发现,采用总色差特征波段建模,可大幅减低冗余信息的干扰,同时分类准确率也高于RGB波段;在光谱信息的基础上加入图像统计特征参数信息,能够进一步提升分类的准确率,当采用决策数算法建立的色泽分类模型时,模型具有最高的分类准确率(98.6％);分类算法方面,当输入变量数目较少时,决策树算法在分类准确率和速度方面都具有明显的优势.利用高光谱技术可以实现核桃仁内部品质检测与外观分级,为核桃仁品质无损检测的提供了新的理论依据.