基于高光谱图像技术的长枣糖度无损检测

被引：21

作者：

徐爽 ^{[1
]}

何建国 ^{[1
]}

易东 ^{[2
]}

贺晓光 ^{[3
]}

机构：

[1] 宁夏大学物理电气信息学院

[2] 银川能源学院

[3] 宁夏大学农学院

来源：

食品与机械 | 2012年 / 28卷 / 06期

关键词：

高光谱图像; 长枣; 糖度; 无损检测;

D O I：

暂无

中图分类号：

S665.1 [枣];

学科分类号：

090201 ;

摘要：

基于高光谱图像技术对长枣含糖量进行无损检测。由长枣高光谱图像获取反射光谱进行多元散射校正处理,再采用主成分分析获得主成分数据作为BP神经网络的输入变量,建立长枣糖度预测模型。结果表明,采用BP神经网络预测长枣糖度模型优于PLS,模型的相关系数和均方根误差分别为0.927 4和1.712 5。利用高光谱图像技术对长枣糖度的无损检测是可行的。

引用

收藏

页码：168 / 170

页数：3

相关论文

共 10 条

[1] 基于高光谱散射图像的苹果压缩硬度和汁液含量无损检测 [J].

万相梅 ;

黄敏 ;

朱启兵 .

食品工业科技, 2012, 33 (06) :71-74+78

[2] 基于高光谱成像技术的苹果内外品质同时检测 [J].

单佳佳 ;

彭彦昆 ;

王伟 ;

李永玉 ;

吴建虎 ;

张雷蕾 .

农业机械学报, 2011, 42 (03) :140-144

[3] 基于高光谱成像及神经网络技术检测玉米含水率 [J].

李江波 ;

苏忆楠 ;

饶秀勤 .

包装与食品机械, 2010, 28 (06) :1-4

[4] 利用高光谱成像技术和多变量校正方法检测苹果的硬度(英文) [J].

赵杰文 ;

陈全胜 ;

Saritporn Vittayapadung ;

Sumpun Chaitep .

农业工程学报, 2009, 25 (11) :226-231

[5] 基于高光谱图像技术的农产品品质无损检测 [J].

田有文 ;

王晓娟 .

农机化研究, 2009, 31 (10) :220-222+226

[6] 高光谱图像技术在农产品检测中的应用进展 [J].

王雷 ;

乔晓艳 ;

董有尔 ;

张姝 ;

尚艳飞 .

应用光学, 2009, 30 (04) :639-645

[7] 鲜枣品种和可溶性固形物含量近红外光谱检测 [J].

张淑娟 ;

王凤花 ;

张海红 ;

赵聪慧 ;

杨国强 .

农业机械学报, 2009, 40 (04) :139-142

[8] 脐橙糖度的高光谱图像无损检测技术 [J].

郭恩有 ;

刘木华 ;

赵杰文 ;

陈全胜 .

农业机械学报, 2008, (05) :91-93+103

[9] 基于高光谱图像技术的雪花梨品质无损检测 [J].

洪添胜 ;

乔军 ;

Michael ONgadi ;

赵祚喜 ;

李震 .

农业工程学报, 2007, (02) :151-155

[10] Apple mealiness detection using hyperspectral scattering technique [J].

Huang, Min ;

Lu, Renfu .

POSTHARVEST BIOLOGY AND TECHNOLOGY, 2010, 58 (03) :168-175