本文主要研究内容
作者朱晓琳,李光辉,张萌（2019）在《基于CARS-MIV-SVR的库尔勒香梨可溶性固体含量预测方法》一文中研究指出：为了实现库尔勒香梨依据可溶性固体含量(SSC)分级定等和按质论价,推动采后处理向标准化、产业化方向健康发展,利用高光谱成像技术研究出了一种快速、有效、无损检测库尔勒香梨SSC的方法。以表面无损伤的157个库尔勒香梨作为研究样本,应用高光谱成像采集系统获取400～1 000 nm波长范围内高光谱图像并用ENVI5.3软件提取感兴趣区域(ROI),获得高光谱数据。采用Kennard-Stone(KS)样本集划分方法将全部样本按照2∶1的比例划分为校正集(105)和预测集(52)。对比标准变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)和二阶导数(SD)等数据预处理方法对建模精度的影响,最终选用SNV方法对光谱曲线进行平滑去噪。该研究提出竞争性自适应重加权算法与平均影响值算法的组合算法(CARS-MIV)选择特征波长。在竞争性自适应重加权算法(CARS)方法中,建模样本由蒙特卡罗算法随机选择生成,变量回归系数会随之发生变化,因而回归系数的绝对值不能全面反映变量重要性,从而影响模型检测精度。为降低这种影响,应用平均影响值(MIV)算法对选出的自变量进行二次筛选,筛选出相关性较大的变量用以建模分析,并与CARS、连续投影算法(SPA)、蒙特卡罗无信息变量消除算法(MCUVE)等经典特征波长选择算法进行比较。最后分别以全波长(FS)光谱信息和四种特征波长选择方法得出的光谱信息作为输入矢量,应用支持向量回归(SVR)建立库尔勒香梨可溶性固体含量定量预测数学模型,以校正集相关系数(R_c)、校正集均方根误差(RMSEC)、预测集相关系数(R_p)和预测集均方根误差(RMSEP)四个参数来评估模型的预测精度。比较分析发现, CARS-MIV-SVR模型效果最佳,校正集相关系数(R_c)为0.985 94,预测集相关系数(R_p)达到0.946 31,校正集和预测集均方根误差分别为0.185 85和0.403 33。结果证明:CARS-MIV特征波长选择方法能够有效增强库尔勒香梨光谱数据特征波长选择的稳定性和精确性,提高模型的预测精度。利用高光谱技术结合CARS-MIV-SVR模型能够满足库尔勒香梨可溶性固体含量测定需求,实现库尔勒香梨的分级定等和按质论价。
Abstract
wei le shi xian ku er le xiang li yi ju ke rong xing gu ti han liang (SSC)fen ji ding deng he an zhi lun jia ,tui dong cai hou chu li xiang biao zhun hua 、chan ye hua fang xiang jian kang fa zhan ,li yong gao guang pu cheng xiang ji shu yan jiu chu le yi chong kuai su 、you xiao 、mo sun jian ce ku er le xiang li SSCde fang fa 。yi biao mian mo sun shang de 157ge ku er le xiang li zuo wei yan jiu yang ben ,ying yong gao guang pu cheng xiang cai ji ji tong huo qu 400～1 000 nmbo chang fan wei nei gao guang pu tu xiang bing yong ENVI5.3ruan jian di qu gan xing qu ou yu (ROI),huo de gao guang pu shu ju 。cai yong Kennard-Stone(KS)yang ben ji hua fen fang fa jiang quan bu yang ben an zhao 2∶1de bi li hua fen wei jiao zheng ji (105)he yu ce ji (52)。dui bi biao zhun bian liang bian huan (SNV)、duo yuan san she jiao zheng (MSC)、yi jie dao shu (FD)he er jie dao shu (SD)deng shu ju yu chu li fang fa dui jian mo jing du de ying xiang ,zui zhong shua yong SNVfang fa dui guang pu qu xian jin hang ping hua qu zao 。gai yan jiu di chu jing zheng xing zi kuo ying chong jia quan suan fa yu ping jun ying xiang zhi suan fa de zu ge suan fa (CARS-MIV)shua ze te zheng bo chang 。zai jing zheng xing zi kuo ying chong jia quan suan fa (CARS)fang fa zhong ,jian mo yang ben you meng te ka luo suan fa sui ji shua ze sheng cheng ,bian liang hui gui ji shu hui sui zhi fa sheng bian hua ,yin er hui gui ji shu de jue dui zhi bu neng quan mian fan ying bian liang chong yao xing ,cong er ying xiang mo xing jian ce jing du 。wei jiang di zhe chong ying xiang ,ying yong ping jun ying xiang zhi (MIV)suan fa dui shua chu de zi bian liang jin hang er ci shai shua ,shai shua chu xiang guan xing jiao da de bian liang yong yi jian mo fen xi ,bing yu CARS、lian xu tou ying suan fa (SPA)、meng te ka luo mo xin xi bian liang xiao chu suan fa (MCUVE)deng jing dian te zheng bo chang shua ze suan fa jin hang bi jiao 。zui hou fen bie yi quan bo chang (FS)guang pu xin xi he si chong te zheng bo chang shua ze fang fa de chu de guang pu xin xi zuo wei shu ru shi liang ,ying yong zhi chi xiang liang hui gui (SVR)jian li ku er le xiang li ke rong xing gu ti han liang ding liang yu ce shu xue mo xing ,yi jiao zheng ji xiang guan ji shu (R_c)、jiao zheng ji jun fang gen wu cha (RMSEC)、yu ce ji xiang guan ji shu (R_p)he yu ce ji jun fang gen wu cha (RMSEP)si ge can shu lai ping gu mo xing de yu ce jing du 。bi jiao fen xi fa xian , CARS-MIV-SVRmo xing xiao guo zui jia ,jiao zheng ji xiang guan ji shu (R_c)wei 0.985 94,yu ce ji xiang guan ji shu (R_p)da dao 0.946 31,jiao zheng ji he yu ce ji jun fang gen wu cha fen bie wei 0.185 85he 0.403 33。jie guo zheng ming :CARS-MIVte zheng bo chang shua ze fang fa neng gou you xiao zeng jiang ku er le xiang li guang pu shu ju te zheng bo chang shua ze de wen ding xing he jing que xing ,di gao mo xing de yu ce jing du 。li yong gao guang pu ji shu jie ge CARS-MIV-SVRmo xing neng gou man zu ku er le xiang li ke rong xing gu ti han liang ce ding xu qiu ,shi xian ku er le xiang li de fen ji ding deng he an zhi lun jia 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的朱晓琳,李光辉,张萌，发表于刊物光谱学与光谱分析2019年11期论文，是一篇关于光谱分析论文,可溶性固体含量论文,变量选择论文,支持向量回归论文,光谱学与光谱分析2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：光谱分析论文; 可溶性固体含量论文; 变量选择论文; 支持向量回归论文; 光谱学与光谱分析2019年11期论文;