本研究系統(tǒng)量化分析不同感興趣區(qū)域(region of interest,ROI)特征(部位、形狀、尺度)與獼猴桃可溶性固形物含量(soluble solids content,SSC)預(yù)測(cè)精度的相關(guān)性規(guī)律,以構(gòu)建集成高光譜成像與ROI優(yōu)選的獼猴桃SSC預(yù)測(cè)模型框架。針對(duì)全果ROI區(qū)域光譜數(shù)據(jù),分別利用多元散射校正(multiplicative scatter correction,MSC)、Savitzky-Golay(SG)平滑、標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate,SNV)及SNV-SG平滑方法進(jìn)行預(yù)處理,建立偏最小二乘回歸模型以預(yù)測(cè)獼猴桃SSC,并通過(guò)性能分析確定模型處理策略。進(jìn)一步分別提取獼猴桃赤道、花萼、果梗處不同形狀、尺度組合ROI光譜信息進(jìn)行模型預(yù)測(cè)精度對(duì)比。結(jié)果表明,SNV預(yù)處理效果最佳,全果ROI預(yù)測(cè)集的決定系數(shù)(RP2)=0.832 7、預(yù)測(cè)均方根誤差(root mean square error of prediction,RMSEP)=0.387 1。ROI特征對(duì)獼猴桃SSC預(yù)測(cè)準(zhǔn)確性有顯著影響,呈現(xiàn)“赤道>花萼>果梗”“圓形>方形”“小尺度>大尺度”的影響規(guī)律;而赤道處小圓形ROI預(yù)測(cè)結(jié)果最優(yōu),RP2=0.917 3、RMSEP=0.221 7。本研究驗(yàn)證了高光譜圖像ROI優(yōu)選對(duì)模型性能的關(guān)鍵作用,明確了“赤道-圓形-小尺度”的組合特征優(yōu)勢(shì),可為利用高光譜技術(shù)提高獼猴桃SSC預(yù)測(cè)效果提供有效途徑。
2023年第44卷 2022年第43卷 2021年第42卷 2020年第41卷 2019年第40卷 2018年第39卷 2017年第38卷 2016年第37卷 2015年第36卷 2014年第35卷 2013年第34卷 2012年第33卷 2011年第32卷 2010年第31卷 2009年第30卷 2008年第29卷 2007年第28卷 2006年第27卷 2005年第26卷 2004年第25卷 2003年第24卷 2002年第23卷 2001年第22卷 2000年第21卷 1999年第20卷 1998年第19卷 1997年第18卷 1996年第17卷 1995年第16卷 1994年第15卷 1993年第14卷 1992年第13卷 1991年第12卷 1990年第11卷 1989年第10卷 1988年第09卷 1987年第08卷 1986年第07卷 1985年第06卷 1984年第05卷 1983年第04卷 1982年第03卷 1981年第02卷 1980年第01卷
電話: 010-87293157
地址: 北京市豐臺(tái)區(qū)洋橋70號(hào)
版權(quán)所有 @ 2023 中國(guó)食品雜志社 京公網(wǎng)安備11010602060050號(hào) 京ICP備14033398號(hào)-2