可见-近红外高光谱成像技术对灵武长枣VC含量的无损检测方法

为探究基于高光谱成像技术预测灵武长枣VC含量的可行性并寻找最佳预测模型。采集100?个长枣样本在波长400～1?000?nm处的高光谱图像,对光谱数据进行预处理;应用遗传算法（genetic algorithm,GA）、连续投影算法（successive projection algorithm,SPA）和竞争性正自适应加权（competitive adaptive reweighted sampling,CARS）算法对原始光谱数据提取特征波长;分别建立基于全光谱和特征波长的偏最小二乘（partial least squares regression,PLS）和最小二乘支持向量机（least squares support vector machine,LSSVM）VC含量预测模型。结果表明,采用标准正态变换预处理算法效果最优,其PLS模型的交叉验证相关系数为0.839?5,交叉验证均方根误差为16.248?2;利用GA、SPA和CARS从全光谱的125?个波长中分别选取出12、5?个和26?个特征波长;基于CARS建立的PLS模型效果最优,其Rc、Rp、校正均方根误差、预测均方根误差分别为0.896?2、0.889?2、10.746?2%、12.145?3%。研究结果表明基于高光谱成像技术对灵武长枣VC含量的无损检测是可行的。     

基于介电频谱灵武长枣维生素C含量预测方法的研究

为探究基于介电频谱预测灵武长枣维生素C含量的可行性,寻找最佳预测模型,利用LCR测试仪测试1kHz～1 MHz条件下采后10 d内长枣介电谱变化规律;以CARS法、GA法、SPA法、UVE法筛选特征频率点并建立PLS、LSSVM长枣VC含量预测模型。结果表明,UVE算法为最佳频谱筛选方法,筛选特征频率点38个;UVE-PLS为最佳预测模型,其Rc、RMSEC、Rp、RMSEP值分别为0.9871、3.9322、0.9460、4.0400,验证模型预测值与实测值无显著差异(P0.05),说明基于介电频谱预测灵武长枣VC含量的方法是可行的。