基于CWT和GRNN的可见-近红外漫反射光谱检测樱桃糖度的研究

联合使用连续小波变换(continuous wavelet transform,CWT)和广义回归神经网络(generalized regression neural networks,GRNN)建立用于测定樱桃中糖含量的CWT-GRNN预测校正模型。利用CWT提取樱桃样本数据中反映含糖量的关键光谱特征,在CWT域中选择3个具有代表性的尺度,并在每个尺度下根据樱桃样本的可见-近红外光谱的特征将其划分为4个特征区间,从而构造12个特征输入到GRNN,GRNN的光滑因子取为0.0001。CWT-GRNN模型对20个预测样本集中的樱桃含糖量的预测相对误差在2%以内。结果表明,可见-近红外光谱技术可以快速、准确和无损地测定樱桃中的含糖量,本研究提出的方法可以用于果蔬产业的品质管理与控制。