Blueberry har känsligt kött och unik smak. Den är rik på näringsämnen och är känd som "drottningen av frukt". Det har funktionerna att förhindra åldrande av hjärnan, skydda synen, anticancer och förbättra mänsklig immunitet. Det har breda marknadsutsikter. Blueberry Sugar -innehåll är en viktig indikator för att utvärdera blåbärskvalitet. Traditionell upptäckt av blåbärsockerinnehåll är destruktivt och icke-förstörande upptäckt är en viktig utvecklingstrend.
1. Bilddataförvärv
Högspektral bild av blåbärsprover
Extrahera spektrala data för de två hyperspektrala bilderna: Välj olika regioner av intresse (ROI) på ytan på varje prov och få den ursprungliga reflektansspektrumkurvan
Motsvarande den ursprungliga spektrala kurvan för området av intresse, extraheras det genomsnittliga spektralvärdet för att få tre uppsättningar av 48x256 spektrala datamatriser
Enligt de hyperspektrala bilderna och spektrala kurvorna i olika band har band 1-band 50 stora brus och suddiga bilder. När du väljer data,
Endast band 51-band 250 (1031.11nm-1699.11nm) Totalt 200 band modellerades. De första 36 blåbärsspektralvärdena användes för att fastställa modellen,
och de senaste 12 användes för modelltestning.
2. Modell Etablering och analys
Upprättandet av förutsägelsemodellen Blueberry Sugar Content använder huvudsakligen den partiella minsta kvadratregressionsmetoden (PLSR). Olika spektrala data får
olika förutsägelsemodeller. Använd direkt 200 band med brus för att modellera 200 band med spektrala data för PCA -dimensionreduktion, välj den
Första N huvudkomponenter med en kumulativ bidragsgrad på 99,9%och använd sedan PLSR -modellering för att välja de karakteristiska band för 256 -spektralen
band i hela bakre området med spa och använd sedan PLSR -modellering för att direkt utföra cyklisk modellering på 200 band i hela bakre området, först kombinerar först
två efter två, och sedan använda tre för tre kombinationer för att modellera
3. Förutsägelsemodellanläggning
PLSR -modell av spektrala data för vissa områden i fronten
Förutsägelsemodell:
y = 8.1109+0,3989x+0,2848x+….+0,809x200
Där x1, x2, ..., x200 är de genomsnittliga spektralvärdena för band 51-band250, och y är sockerinnehållet i blåbär.
Med användning av förutsägelsemodellen ersattes spektraldata för 12 blåbär för att erhålla de förutsagda sockerinnehållsvärdena som visas i följande tabell
Tabell 1. Jämförelse av de förutsagda sockerinnehållsvärdena och de faktiska sockerinnehållsvärdena för vissa områden på framsidan av blåbär
Tabell 2. Förutsagda sockerinnehållsvärden och verkliga värden för hela området på framsidan av blåbär
Tabell 3. Förutsagda sockerinnehållsvärden och verkliga värden för hela området på baksidan av blåbär
Det förutsagda sockerinnehållsvärdet för den förutsägelsemodell som erhållits från de tre uppsättningarna av data och kurvan för det faktiska sockerinnehållsvärdet för blåbär
PCA användes för att minska dimensionen av blåbärsspektrala data. Data efter dimensionreduktion användes sedan för PLSR -modellering. Efter PCA -dimensionsminskning valdes de första N huvudkomponenterna med en total bidragsgrad på 99,9%. Sju huvudkomponenter valdes efter dimensionens reduktion av de spektrala data extraherade från det delvisa området på fronten och hela frontområdet. De första 10 huvudkomponenterna extraherades efter dimensionens reduktion av spektraldata för hela ryggen. De viktigaste komponenterna som valts efter PCA -dimensionreduktion användes för PLSR -modellering. Enligt funktionsmodellfunktionen erhölls de förutsagda sockerinnehållsvärdena för de tre uppsättningarna av data.
Använd först PCA för att minska dimensionen och sedan utföra PLSR -modellering. Enligt funktionsfunktionen för prediktionsmodell erhålls kurvorna för det förutsagda sockerinnehållsvärdet och det faktiska sockerinnehållsvärdet för de tre uppsättningarna av data
4. Sammanfattning
Jämför de förutsägelsemodeller som är etablerade med olika data, korrelationskoefficienterna R mellan det förutsagda sockerinnehållsvärdet och det verkliga sockret
Innehållsvärdet för den optimala bandkombinationsprognosmodellen som väljs av bandcykelkombinationsmodelleringen är 0,54 respektive 0,61
den största bland modellerna som är etablerade med andra bandkombinationer, och de genomsnittliga relativa felen är 12,6% respektive 11,9%, vilka är de
Minsta bland modellerna som är etablerade med andra bandkombinationer, och rotens kvadratfel i testuppsättningen är liten. Det kan dras slutsatsen att
Förutsägelseffekt av den optimala modellen som valts efter bandcykelkombinationsmodelleringen är bättre än för andra bandkombinationer.
