基于可見-近紅外光譜和多光譜成像技術(shù)的梨損傷檢測研究

摘要：提出了利用可見-近紅外光譜技術(shù)和多光譜成像技術(shù)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(shù),分別結(jié)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(shù)進行預(yù)測.結(jié)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(shù)的預(yù)測精度較高,但重度損傷天數(shù)的預(yù)測效果不如PLS方法.然后利用多光譜圖像預(yù)測鴨梨受損天數(shù).研究發(fā)現(xiàn),利用LS-SVM建立的模型預(yù)測效果較穩(wěn)定,預(yù)測結(jié)果相關(guān)系數(shù)均在0.85左右.說明利用可見-近紅外光譜分析技術(shù)和多光譜成像技術(shù)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(tǒng)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(guān)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(guān)鍵詞： 近紅外光譜技術(shù)    多光譜成像技術(shù)    損傷程度    檢測研究    Multispectral Image    Infrared Spectroscopy    Based    鴨梨    least squares    預(yù)測效果    新方法    最小二乘支持向量機    近紅外光譜分析技術(shù)    LS-SVM    偏最小二乘    重度損傷    預(yù)測精度    預(yù)測結(jié)果    相關(guān)系數(shù)    圖像預(yù)測 基金項目： 農(nóng)業(yè)部公益性行業(yè)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(guān)項目，寧波市農(nóng)業(yè)攻關(guān)-合作項目 基于可見-近紅外光譜和多光譜成像技術(shù)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(shù)和多光譜成像技術(shù)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(shù),分別結(jié)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(shù)的梨損傷檢測研究】相關(guān)文章：

基于近紅外光譜技術(shù)的農(nóng)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(jīng)網(wǎng)絡(luò)的土壤養(yǎng)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(jīng)網(wǎng)絡(luò)的啤酒酒精度近紅外光譜快速檢測04-27

紅外光譜技術(shù)應(yīng)用的進展05-02

基于近紅外光譜的神經(jīng)網(wǎng)絡(luò)預(yù)測大米直鏈淀粉含量04-28

玉米自交系品質(zhì)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(jīng)網(wǎng)絡(luò)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