高光谱成像结合人工神经网络无损检测桃的硬度

为无损检测桃的内部品质,提出了结合高光谱成像技术和人工神经网络无损检测桃硬度的方法。采集了摘后贮藏了12d的140个桃在900～1 700nm的高光谱图像,以每个桃高光谱图像中40pixel×40pixel的感兴趣区域的平均光谱作为桃的原始反射光谱;利用Savitzky-Golay平滑和标准正态变量变换对光谱进行预处理;基于x-y共生距离算法划分样本,得到校正集样本105个和预测集样本35个。利用连续投影算法、无信息变量消除法和正自适应加权算法从全光谱的216个波长中分别提取了12个、103个和22个特征波长;分别建立了基于全光谱和提取的特征波长预测桃硬度的支持向量机模型和BP网络模型。结果表明,基于全光谱建立的BP网络模型具有最好的预测性能,其预测相关系数为0.856,预测均方根误差为0.931。本研究为基于桃内部品质的工业化分级提供了基础。