Afine are carne delicată și aromă unică. Este bogat în nutrienți și este cunoscut sub numele de „regina fructelor”. Are funcțiile de prevenire a îmbătrânirii nervului cerebral, protejarea vederii, anti-cancer și îmbunătățirea imunității umane. Are perspective largi de piață. Conținutul de zahăr de afine este un indicator important pentru evaluarea calității afinei. Detectarea tradițională a conținutului de zahăr de afine este distructivă, iar detectarea nedistructivă este o tendință importantă de dezvoltare.
1. Achiziția datelor de imagine
Imaginea spectrală mare a probelor de afine
Extrageți datele spectrale ale celor două imagini hiperspectrale: selectați regiuni de interes diferite (ROI) pe suprafața fiecărui eșantion și obțineți curba spectrului de reflectanță originală
Corespunzând curbei spectrale originale a zonei de interes, valoarea spectrală medie este extrasă pentru a obține trei seturi de 48x256 matrice de date spectrale
Conform imaginilor hiperspectrale și a curbelor spectrale în diferite benzi, banda 1 bandă 50 are zgomot mare și imagini încețoșate. Când selectați date,
Doar banda 51 bandă 250 (1031.11nm-1699.11nm) Au fost modelate un total de 200 de benzi. Primele 36 de valori spectrale de afine au fost utilizate pentru a stabili modelul,
iar ultimele 12 au fost utilizate pentru testarea modelului.
2. Model de înființare și analiză
Înființarea modelului de predicție a conținutului de zahăr de afine folosește în principal metoda de regresie parțială cu cel puțin pătrate (PLSR). Diferite date spectrale obțin
diferite modele de predicție. Utilizați direct cele 200 de benzi cu zgomot eliminat pentru a modela cele 200 de benzi de date spectrale pentru reducerea dimensiunii PCA, selectați
Prima n componente principale cu o rată de contribuție cumulată de 99,9%, apoi utilizați modelarea PLSR pentru a selecta benzile caracteristice pentru cele 256 spectrale
benzi din întreaga zonă din spate folosind SPA, apoi utilizați modelarea PLSR pentru a efectua direct modelarea ciclică pe cele 200 de benzi din întreaga zonă din spate, combinând mai întâi
două pe două, și apoi folosind trei pe trei combinații pentru a modela
3. stabilirea modelului de predicție
Modelul PLSR de date spectrale ale unor zone ale frontului
Model de predicție:
y = 8.1109+0,3989x+0,2848x+….+0,809x200
Unde x1, x2, ..., x200 sunt valorile spectrale medii ale benzii 51-band250, iar Y este conținutul de zahăr al afinei.
Folosind modelul de predicție, datele spectrale ale 12 afine au fost înlocuite pentru a obține valorile previzionate ale conținutului de zahăr, așa cum se arată în tabelul următor
Tabelul 1. Comparația valorilor previzionate ale conținutului de zahăr și a valorilor reale de conținut de zahăr din unele zone din fața afine
Tabelul 2. Valorile conținutului de zahăr prevăzut și valorile adevărate pentru întreaga zonă a părții din față a afine
Tabelul 3. Valorile conținutului de zahăr prevăzut și valorile adevărate pentru întreaga zonă din spatele afinei
Valoarea prevăzută a conținutului de zahăr a modelului de predicție obținut din cele trei seturi de date și curba valorii reale de conținut de zahăr a afine
PCA a fost utilizat pentru a reduce dimensiunea datelor spectrale de afine. Datele după reducerea dimensiunii au fost apoi utilizate pentru modelarea PLSR. După reducerea dimensiunii PCA, au fost selectate primele n componente principale cu o rată totală de contribuție de 99,9%. Șapte componente principale au fost selectate după reducerea dimensiunii datelor spectrale extrase din zona parțială a frontului și a întregii zone a frontului. Primele 10 componente principale au fost extrase după reducerea dimensiunii datelor spectrale ale întregii zone a spatelui. Componentele principale selectate după reducerea dimensiunii PCA au fost utilizate pentru modelarea PLSR. Conform funcției modelului de predicție, s -au obținut valorile previzionate ale conținutului de zahăr ale celor trei seturi de date.
Mai întâi utilizați PCA pentru a reduce dimensiunea, apoi efectuați modelarea PLSR. Conform funcției modelului de predicție, se obțin curbele valorii prevăzute ale conținutului de zahăr și valoarea reală a conținutului de zahăr a celor trei seturi de date
4. Rezumat
Comparând modelele de predicție stabilite cu date diferite, coeficienții de corelație r între valoarea prevăzută a conținutului de zahăr și zahărul adevărat
Valoarea conținutului modelului optim de predicție a combinației de bandă selectat de modelarea combinației ciclului de bandă este de 0,54 și, respectiv, 0,61, care sunt
Cele mai mari dintre modelele stabilite cu alte combinații de bandă, iar erorile relative medii sunt de 12,6% și, respectiv, 11,9%, care sunt
Cel mai mic dintre modelele stabilite cu alte combinații de bandă, iar eroarea pătrată medie a rădăcinii a setului de teste este mică. Se poate concluziona că
Efectul de predicție al modelului optim selectat după modelarea combinației ciclului de bandă este mai bună decât cea a altor combinații de bandă.
