基于高光谱技术检测香水梨硬度的研究

打开文本图片集

摘 要：本文基于可见—近红外高光谱（Visible Near Infrared Reflectio，Vis-NIR）成像技术对150个香水梨进行光谱数据采集。将样本划分后，采用卷积平滑（Savitzky-Golay，S-G）、归一化（Normalize）和标准正态变换（Standard Normal Variate，SNV）3种方法对原始光谱进行预处理，利用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling，CARs）、区间变量迭代空间收缩法（Interval Variable Iterative Space Shrinkage Approach，iVISSA）和变量组合集群分析（Variable Combination Population Analysis，VCPA）对特征波长提取进行波段缩减和特征提取，建立特征波段下香水梨硬度的偏最小二乘（Partial Least Squares Regression，PLSR）预测模型，优选最佳模型。（剩余5426字）