Blueberry har delikat kød og unik smag. Den er rig på næringsstoffer og er kendt som "dronningen af ​​frugter". Det har funktionerne til at forhindre aldring af hjernens nerve, beskytte syn, anticancer og forbedre menneskelig immunitet. Det har brede markedsudsigter. Blåbærsukkerindhold er en vigtig indikator for evaluering af blåbærkvalitet. Traditionel detektion af blåbærsukkerindhold er destruktiv, og ikke-destruktiv detektion er en vigtig udviklingstendens.

1. erhvervelse af billeddata

Høj-spektralt billede af blåbærprøver

Uddrag de spektrale data fra de to hyperspektrale billeder: Vælg forskellige regioner af interesse (ROI) på overfladen af ​​hver prøve, og få den originale reflektansspektrumkurve

Tilsvarende den originale spektrale kurve for interesseområdet udvindes den gennemsnitlige spektrale værdi for at opnå tre sæt på 48x256 spektrale datamatrixer

I henhold til de hyperspektrale billeder og spektrale kurver i forskellige bånd har bånd 1-bånd 50 stor støj og slørede billeder. Når du vælger data,
Kun bånd 51-bånd 250 (1031.11nm-1699.11nm) I alt blev 200 bånd modelleret. De første 36 blåbærspektrale værdier blev brugt til at etablere modellen,
og de sidste 12 blev brugt til modelforsøg.

2. model etablering og analyse

Oprettelsen af ​​blåbærsukkerindholdsforudsigelsesmodellen bruger hovedsageligt den delvise mindstekvadratregressionsmetode (PLSR). Forskellige spektrale data får
Forskellige forudsigelsesmodeller. Brug direkte de 200 bånd med støj fjernet for at modellere de 200 bånd af spektrale data til PCA -dimensionsreduktion, vælg
Første n hovedkomponenter med en kumulativ bidragsgrad på 99,9%, og brug derefter PLSR -modellering til at vælge de karakteristiske bånd til 256 spektral
Bånd i hele bagområdet ved hjælp af SPA og bruger derefter PLSR -modellering til direkte at udføre cyklisk modellering på de 200 bånd i hele bagområdet, først kombinerer
to efter to og derefter bruge tre efter tre kombinationer til at modellere

3. Forudsigelsesmodel etablering

PLSR -model af spektrale data fra nogle områder af fronten

Forudsigelsesmodel:

y = 8.1109+0.3989x+0,2848x+….+0,809x200

Hvor x1, x2, ..., x200 er de gennemsnitlige spektrale værdier for bånd 51-bånd250, og y er sukkerindholdet i blåbær.

Ved hjælp af forudsigelsesmodellen blev de spektrale data fra 12 blåbær substitueret med at opnå de forudsagte sukkerindholdsværdier som vist i følgende tabel

Tabel 1. Sammenligning af de forudsagte sukkerindholdsværdier og de faktiske sukkerindholdsværdier for nogle områder på fronten af ​​blåbær

Tabel 2. Forudsagte sukkerindholdsværdier og sande værdier for hele området på forsiden af ​​blåbær

Tabel 3. Forudsagte sukkerindholdsværdier og sande værdier for hele området på bagsiden af ​​blåbær

Den forudsagte sukkerindholdsværdi af forudsigelsesmodellen opnået fra de tre datasæt og kurven for den faktiske sukkerindholdsværdi af blåbær

PCA blev brugt til at reducere dimensionen af ​​blåbærspektrale data. Dataene efter dimensionsreduktion blev derefter anvendt til PLSR -modellering. Efter Reduktion af PCA -dimension blev de første N -hovedkomponenter med en samlet bidragsgrad på 99,9% valgt. Syv hovedkomponenter blev valgt efter dimensionsreduktion af de spektrale data, der blev ekstraheret fra det delvise område af fronten og hele fronten. De første 10 hovedkomponenter blev ekstraheret efter dimensionsreduktion af de spektrale data for hele ryggen. De vigtigste komponenter, der blev valgt efter PCA -dimensionsreduktion, blev anvendt til PLSR -modellering. I henhold til forudsigelsesmodelfunktionen blev de forudsagte sukkerindholdsværdier for de tre datasæt opnået.

Brug først PCA til at reducere dimensionen og derefter udføre PLSR -modellering. I henhold til forudsigelsesmodelfunktionen opnås kurverne for den forudsagte sukkerindholdsværdi og den faktiske sukkerindholdsværdi af de tre datasæt

4. Resume

Sammenligning af forudsigelsesmodellerne etableret med forskellige data, korrelationskoefficienterne r mellem den forudsagte sukkerindholdsværdi og det sande sukker

Indholdsværdi af den optimale båndkombination forudsigelsesmodel valgt af Band Cycle -kombinationsmodellering er henholdsvis 0,54 og 0,61, som er

Den største blandt de modeller, der er etableret med andre båndkombinationer, og de gennemsnitlige relative fejl er henholdsvis 12,6% og 11,9%, som er

Den mindste blandt de modeller, der er etableret med andre båndkombinationer, og roden gennemsnitlig firkantfejl i testsættet er lille. Det kan konkluderes, at

Forudsigelseseffekt af den optimale model, der er valgt efter modellering af båndcyklus -kombination, er bedre end for andre båndkombinationer.