超光谱技术与机器学习的应用,用于布里克斯检测糕点梨
Hongkun Ouyang1, Lingling Tang1, Jinglong Ma1
1College of Mechanical and Electrical Engineering, Sichuan Agriculture University, Ya'an 625000, China.
Plants (Basel, Switzerland)
|April 27, 2024
概括
这项研究开发了一种基因调整的支向量机器模型,使用高光谱技术准确估计脆梨糖含量. SG-CARS-GASVR模型实现了高相关系数,改善了水果质量评估.
科学领域:
- 农业科学 农业科学
- 分析化学 分析化学
- 机器学习 机器学习
背景情况:
- 糖含量对梨质量至关重要,影响识别和市场预测.
- 需要准确和高效的方法来评估梨糖水平.
研究的目的:
- 开发一种可靠的超光谱方法来估计脆梨糖含量.
- 优化支持向量机 (SVM) 模型以提高准确性.
主要方法:
- 评估的光谱数据与脆梨的实际糖含量进行了对比.
- 应用的预处理技术:标准的正常变量转换 (SNV),多变量散射校正 (MSC) 和卷积光滑 (SG).
- 利用遗传算法 (GA),竞争性自适应重量 (CARS) 和连续投影算法 (SPA) 进行波长选择和模型优化.
主要成果:
- 使用卷积光滑 (SG) 预处理的SVM模型显示了更好的准确性.
- 基因调整的SVM (GASVR) 模型与SG预处理增强了预测准确性.
- SG-CARS-GASVR模型实现了最高的相关系数 (0.8992) 和降低预测误差.
结论:
- 开发的SG-CARS-GASVR模型提供了一种可靠和高效的方法,用于使用超光谱技术检测脆梨糖含量.
- 这种方法提高了脆梨质量评估的准确性和效率.


