首页> 中文学位 >基于机器学习的水果糖分近红外光谱检测方法研究
【6h】

基于机器学习的水果糖分近红外光谱检测方法研究

代理获取

目录

第一个书签之前

展开▼

摘要

随着生活水平的提高,消费者在选购水果时也提出了更高的要求,从最初力求外部品质(大小、色泽、形状),到更注重内部营养(如糖分、酸度、维生素含量等)。近红外光谱检测技术具有无损、快速、准确等优点,广泛用于水果内部品质无损检测中。由于不同种类水果内部物理化学性质差异较大,产生的光谱响应也不同。因此,通常需要对每个品种的水果单独建模,这样对模型的维护和优化费时费力。本论文基于机器学习算法对多种类水果光谱数据进行挖掘,研究其通用模型的建模方法,以提高水果检测精度。 本文以两种四类水果(苹果和梨)的糖分为研究对象,利用近红外漫反射光谱学,结合机器学习算法对数据进行预处理、建模、波长优选等分析。对比多种光谱预处理方法,并通过非线性模型随机森林建模,验证了四类水果通用模型检测糖分的可行性。通过波长和波段优选简化模型,提高预测精度;利用基于数字光处理(Digital Light Procession,DLP)分光技术的微型化光谱模块进行光谱测量,验证通用模型和波长优选方法在分光模块上的可行性。主要研究内容和结论如下: 首先,对光谱数据进行预处理方法的研究。通过平滑去噪、基线校正、求导、多元散射校正等方法对近红外光谱数据进行预处理,与原始光谱建立的模型进行比较,优选最佳预处理方法。分析表明,对单一品种水果进行预处理效果提升不明显,且多元散射效果稍好。 其次,对多种类水果通用模型的研究。使用随机森林对多种类水果光谱建模,通过与偏最小二乘、多元线性回归模型效果进行对比,预测 Rp2由0.731提高到0.888,RMSEP由1.148下降到0.334,大大提高了模型的预测效果。证明使用该方法对多种类水果糖分通用模型研究的可行性。 然后,对特征波长优选方法的研究。使用二进制粒子群算法和遗传算法分别结合偏最小二乘进行光谱波长优选。BPSO-PLS不仅波数由1557减少到 817,减少了运算量,而且模型的Rp2由 0.731 提高 0.828,RMSCP 由1.149降低到0.742,提高了预测精度。GA-PLS从1557个波数中优选出7个波段,共 210 个波数,大大减少了计算量,模型效果和全波数型相差不大。证明了波长优选不仅能减少噪声,降低运算量,而且提高了模型预测精度。 最后,利用基于数字光处理(Digital Light Procession,DLP)分光技术的微型化光谱模块实现水果糖分的便携式快速测定。使用该模块测量水果的漫反射光谱,通过随机森林和二进制粒子群结合偏最小二乘分别进行模型分析,验证了多种类水果糖分通用模型建模方法和波数优选方法的可行性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号