Blueberry má jemné maso a jedinečnou chuť. Je bohatý na živiny a je známý jako „královna ovoce“. Má funkce zabránit stárnutí mozku, chránit zrak, protirakovinné a zvyšování lidské imunity. Má široké tržní vyhlídky. Obsah borůvkového cukru je důležitým indikátorem pro hodnocení kvality borůvek. Tradiční detekce obsahu borůvkového cukru je destruktivní a nedestruktivní detekce je důležitým vývojovým trendem.
1. Sběr dat obrázků
Vysoce spektrální obraz vzorků borůvek
Extrahujte spektrální data dvou hyperspektrálních obrázků: Vyberte různé oblasti zájmu (ROI) na povrchu každého vzorku a získejte původní křivku spektra odrazivosti spektra
Odpovídající původní spektrální křivce oblasti zájmu je průměrná spektrální hodnota extrahována za účelem získání tří sad 48x256 spektrálních dat matic
Podle hyperspektrálních obrázků a spektrálních křivek v různých pásech má pás 1-pásma 50 velký hluk a rozmazané obrázky. Při výběru dat,
Pouze pás 51-pásmo 250 (1031.11nm-1699.11nm) bylo modelováno celkem 200 pásů. Prvních 36 borůvkových spektrálních hodnot bylo použito k vytvoření modelu,
a posledních 12 bylo použito pro testování modelu.
2. Zřízení a analýza modelu
Zřízení modelu predikce obsahu borůvkového cukru používá hlavně metodu regrese nejmenších čtverců (PLSR). Různá spektrální data získají
různé modely predikce. Přímo použijte 200 pásů s hlukem odstraněným k modelování 200 pásů spektrálních dat pro redukci dimenze PCA, vyberte
První n hlavní komponenty s kumulativní mírou příspěvků 99,9%a poté pomocí modelování PLSR vyberte charakteristické pásy pro 256 spektrálních
Pásy v celé zadní oblasti pomocí lázní a poté pomocí modelování PLSR přímo provádějí cyklické modelování na 200 pásů v celé zadní oblasti, nejprve kombinujte
dva po dvou, a pak pomocí tří po tři kombinace k modelu
3. Zřízení modelu predikce
PLSR model spektrálních dat v některých oblastech fronty
Model predikce:
y = 8,1109+0,3989x+0,2848x+….+0,809x200
Kde x1, x2, ..., x200 jsou průměrné spektrální hodnoty pásma 51-band250 a y je obsah cukru borůvek.
Pomocí predikčního modelu byla nahrazena spektrální data 12 borůvek za účelem získání predikovaných hodnot obsahu cukru, jak je uvedeno v následující tabulce
Tabulka 1.. Porovnání předpokládaných hodnot obsahu cukru a skutečné hodnoty obsahu cukru v některých oblastech na přední straně borůvek
Tabulka 2. Předpokládané hodnoty obsahu cukru a skutečné hodnoty pro celou oblast přední strany borůvek
Tabulka 3. Předpokládané hodnoty obsahu cukru a skutečné hodnoty pro celou oblast na zadní straně borůvek
Předpokládaná hodnota obsahu cukru modelu predikce získaná ze tří sad dat a křivky skutečné hodnoty obsahu cukru u borůvek
PCA byla použita ke snížení dimenze borůvkových spektrálních dat. Data po snížení dimenze byla poté použita pro modelování PLSR. Po snížení dimenze PCA byly vybrány první hlavní složky N s celkovou mírou příspěvku 99,9%. Po zmenšení rozměru spektrálních dat extrahovaných z částečné oblasti přední a celé oblasti přední části bylo vybráno sedm hlavních složek. Prvních 10 hlavních složek bylo extrahováno po snížení dimenze spektrálních dat celé oblasti zadní části. Hlavní složky vybrané po redukci dimenze PCA byly použity pro modelování PLSR. Podle funkce predikčního modelu byly získány predikované hodnoty obsahu cukru ve třech sadách dat.
Nejprve použijte PCA ke snížení dimenze a poté proveďte modelování PLSR. Podle funkce predikčního modelu jsou získány křivky předpokládané hodnoty obsahu cukru a skutečná hodnota obsahu cukru tří dat
4. shrnutí
Porovnání predikčních modelů stanovených s různými daty, korelační koeficienty R mezi předpokládanou hodnotou obsahu cukru a skutečným cukrem
Hodnota obsahu optimálního modelu predikce kombinace pásma vybraného modelováním kombinace pásmového cyklu je 0,54 a 0,61, respektive, které jsou
Největší z modelů vytvořených s jinými kombinacemi pásma a průměrné relativní chyby jsou 12,6%, respektive 11,9%, které jsou
Nejmenší z modelů vytvořených s jinými kombinacemi pásma a kořenová střední čtvercová chyba testovací sady je malá. Lze dojít k závěru, že
Predikční účinek optimálního modelu vybraného po kombinaci kombinace cyklu pásma je lepší než u jiných kombinací pásma.
