高光譜結合離散二進制粒子群算法對久保桃可溶性固形物含量的檢測

張立秀, 張淑娟, 孫海霞, 薛建新, 景建平, 崔添俞

山西農業大學農業工程學院, 山西 晉中 030801

引 言

“久保桃”是水蜜桃的一種早熟品種, 果型大, 汁液多, 深受消費者喜愛[1]。 可溶性固形物(SSC)是評判鮮桃內部品質的主要指標[2]。 無損、 快速檢測鮮桃可溶性固形物含量(SSC)有利于實現水果品質分級。

高光譜成像技術具有分辨率清晰, 波段數多的特點, 被廣泛用于果蔬品質的無損檢測[3]。 近年來, 高光譜技術結合相應的化學計量學方法評價新鮮水果的品質, 尤其是與口感相關的內部品質如可溶性固形物含量(SSC)、 成熟程度、 軟硬程度、 含水量[4]等方面已經取得了重大進展。 Li[5]等利用近紅外光譜技術結合連續投影法(SPA)建立了能夠預測梨硬度和可溶性固形物含量的偏最小二乘(PLS)模型。 Fan[6]等將高光譜成像技術結合競爭性自適應重加權算法(CARS)建立能夠預測蘋果的可溶性固形物含量的模型。 Wang[7]等采用高光譜圖像技術結合群采樣裕度影響分析(GSMIA)預測了庫爾勒香梨的可溶性固形物(SSC)含量。 目前采用高光譜技術結合離散二進制粒子群算法(BPSO)及基于BPSO組合算法提取光譜的特征波長, 建立最小二乘支持向量機模型, 研究久保桃的可溶性固形物含量(SSC)含量還未見報道。

離散二進制粒子群算法(BPSO)具有精度高, 收斂快的特點, 能夠快速篩選重要光譜特征[8]。 本工作選取久保桃為研究對象, 將光譜技術與基于BPSO算法形成的不同特征變量組合方法相結合, 建立久保桃的SSC含量檢測模型。 先利……