典型文献
基于近红外光谱技术检测苹果气调贮藏期可溶性固形物含量
文献摘要：
目的 基于近红外光谱技术结合偏最小二乘(partial least square,PLS)法和最小二乘支持向量机回归(least square-support vector regression,LS-SVR)法建立苹果气调贮藏期可溶性固形物(soluble solids content,SSC)含量预测模型.方法 在分析了气调贮藏期苹果细胞结构和SSC变化的基础上,采集了可见-近红外(visible-near infrared,Vis-NIR)波段和长波近红外(long wave near infrared,LWIR)波段下不同贮藏时间的苹果漫反射光谱信息,利用主成分分析方法(principal component analysis,PCA)分析不同贮藏期苹果光谱信息分布特征,使用Kennard-Stone(K-S)算法以3:1比例对样本集进行划分,使用多元散射校正(multiplicative scatter correction,MSC)和卷积平滑(savitzky-golay,S-G)平滑对光谱进行预处理,利用连续投影算法(successive projections algorithm,SPA)和竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)法对光谱进行特征波长提取,并建立SSC预测模型.结果 在LWIR波段下,经MSC+S-G预处理和CARS提取特征波长后建立的PLS模型取得了较好的预测精度,模型相关系数为0.900,均方根误差为0.478;经MSC+S-G预处理和CARS提取特征波长后建立的LS-SVR模型取得了更好的预测精度,模型相关系数为0.927,均方根误差为0.507.结论 构建的基于可见/近红外光谱无损预测模型可实现对气调贮藏期苹果SSC的准确预测,为高效贮藏技术提供了理论基础.
文献关键词：
贮藏苹果;可溶性固形物;可见/近红外光谱;主成分分析;预测模型
中图分类号：
作者姓名：
沈懋生;赵娟
作者机构：
西北农林科技大学机械与电子工程学院,杨凌 712100
文献出处：
引用格式：
[1]沈懋生;赵娟-.基于近红外光谱技术检测苹果气调贮藏期可溶性固形物含量)[J].食品安全质量检测学报,2022(17):5495-5503
A类：
最小二乘支持向量机回归,LWIR,savitzky,golay,MSC+S,贮藏苹果
B类：
近红外光谱技术,气调贮藏,贮藏期,可溶性固形物含量,技术结合,偏最小二乘,partial,least,square,PLS,support,vector,regression,SVR,soluble,solids,content,SSC,含量预测,细胞结构,visible,near,infrared,Vis,NIR,波段,长波,long,wave,贮藏时间,漫反射光谱,光谱信息,主成分分析方法,principal,component,analysis,信息分布,Kennard,Stone,样本集,多元散射校正,multiplicative,scatter,correction,连续投影算法,successive,projections,algorithm,SPA,竞争自适应,重加权,competitive,adaptive,reweighted,sampling,CARS,特征波长提取,提取特征,准确预测,贮藏技术
AB值：
0.317354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
