Το βατόμουρο έχει λεπτή σάρκα και μοναδική γεύση. Είναι πλούσιο σε θρεπτικά συστατικά και είναι γνωστό ως "βασίλισσα των φρούτων". Έχει τις λειτουργίες της πρόληψης της γήρανσης του νεύρου του εγκεφάλου, της προστασίας της όρασης, του αντικαρκινού και της ενίσχυσης της ανθρώπινης ανοσίας. Έχει ευρείες προοπτικές της αγοράς. Η περιεκτικότητα σε ζάχαρη από βατόμουρο είναι ένας σημαντικός δείκτης για την αξιολόγηση της ποιότητας του βατόμουρου. Η παραδοσιακή ανίχνευση περιεχομένου ζάχαρης από βατόμουρο είναι καταστροφική και η μη καταστρεπτική ανίχνευση αποτελεί σημαντική τάση ανάπτυξης.
1. Λήψη δεδομένων εικόνας
Υψηλής ποιότητας εικόνας των δειγμάτων βατόμουρου
Εξαγάγετε τα φασματικά δεδομένα των δύο υπερφασματικών εικόνων: Επιλέξτε διαφορετικές περιοχές ενδιαφέροντος (ROI) στην επιφάνεια κάθε δείγματος και λάβετε την αρχική καμπύλη φάσματος ανάκλασης
Αντιστοιχεί στην αρχική φασματική καμπύλη της επιφάνειας ενδιαφέροντος, η μέση φασματική τιμή εξάγεται για να ληφθεί τρία σύνολα 48x256 φασματικών δεδομένων δεδομένων
Σύμφωνα με τις υπερφασματικές εικόνες και τις φασματικές καμπύλες σε διαφορετικές ζώνες, η ζώνη 1-ζώνης 50 έχει μεγάλο θόρυβο και θολή εικόνες. Κατά την επιλογή δεδομένων,
Μόνο ζώνη 51-ζώνης 250 (1031.11nm-1699.11nm) συνολικά 200 ζώνες διαμορφώθηκαν. Οι πρώτες 36 φασματικές τιμές βατόμουρου χρησιμοποιήθηκαν για την καθιέρωση του μοντέλου,
και τα τελευταία 12 χρησιμοποιήθηκαν για δοκιμές μοντέλων.
2. Εγκατάσταση και ανάλυση μοντέλου
Η ίδρυση του μοντέλου πρόβλεψης περιεχομένου ζάχαρης από βατόμουρο χρησιμοποιεί κυρίως τη μέθοδο παλινδρόμησης μερικών ελάχιστων τετραγώνων (PLSR). Διαφορετικά φασματικά δεδομένα παίρνουν
διαφορετικά μοντέλα πρόβλεψης. Χρησιμοποιήστε απευθείας τις 200 ζώνες με θόρυβο που αφαιρέθηκαν για να μοντελοποιήσετε τις 200 ζώνες φασματικών δεδομένων για μείωση της διάστασης PCA, επιλέξτε το
Πρώτα n κύρια συστατικά με ποσοστό σωρευτικής εισφοράς 99,9%και στη συνέχεια χρησιμοποιήστε τη μοντελοποίηση PLSR για να επιλέξετε τις χαρακτηριστικές ζώνες για το 256 Spectral
Οι ζώνες σε ολόκληρη την πίσω περιοχή χρησιμοποιώντας το σπα και στη συνέχεια χρησιμοποιούν τη μοντελοποίηση PLSR για να εκτελούν άμεσα κυκλική μοντελοποίηση στις 200 μπάντες σε ολόκληρη την πλάτη, συνδυάζοντας πρώτα
δύο με δύο, και στη συνέχεια χρησιμοποιώντας τρεις με τρεις συνδυασμούς για μοντέλο
3. Εγκατάσταση μοντέλου πρόβλεψης
Μοντέλο φασματικών δεδομένων PLSR ορισμένων περιοχών του εμπρόσθιου
Μοντέλο πρόβλεψης:
y = 8.1109+0.3989x+0.2848x+…+0.809x200
Όπου x1, x2, ..., x200 είναι οι μέσες φασματικές τιμές της ζώνης 51-band250 και y είναι η περιεκτικότητα σε ζάχαρη των βατόμουρων.
Χρησιμοποιώντας το μοντέλο πρόβλεψης, τα φασματικά δεδομένα των 12 βακκίνια υποκαθιστώντας για να ληφθούν οι προβλεπόμενες τιμές περιεχομένου ζάχαρης όπως φαίνεται στον παρακάτω πίνακα
Πίνακας 1. Σύγκριση των προβλεπόμενων τιμών περιεχομένου ζάχαρης και των πραγματικών τιμών περιεχομένου ζάχαρης ορισμένων περιοχών στο μπροστινό μέρος των βατόμουρων
Πίνακας 2. Προβλεπόμενες τιμές περιεχομένου ζάχαρης και πραγματικές τιμές για ολόκληρη την περιοχή της μπροστινής πλευράς των βακκίνια
Πίνακας 3. Προβλεπόμενες τιμές περιεχομένου ζάχαρης και πραγματικές τιμές για ολόκληρη την περιοχή στο πίσω μέρος των βακκίνια
Η προβλεπόμενη τιμή περιεχομένου ζάχαρης του μοντέλου πρόβλεψης που λαμβάνεται από τα τρία σύνολα δεδομένων και την καμπύλη της πραγματικής περιεκτικότητας σε ζάχαρη της τιμής των βακκίνια
Το PCA χρησιμοποιήθηκε για να μειώσει τη διάσταση των φασματικών δεδομένων βατόμουρου. Στη συνέχεια χρησιμοποιήθηκαν τα δεδομένα μετά τη μείωση των διαστάσεων για τη μοντελοποίηση PLSR. Μετά τη μείωση της διάστασης PCA, επιλέχθηκαν τα πρώτα κύρια συστατικά N με συνολικό ποσοστό εισφοράς 99,9%. Επτά κύρια συστατικά επιλέχθηκαν μετά τη μείωση των διαστάσεων των φασματικών δεδομένων που εξήχθησαν από τη μερική περιοχή του μπροστινού και ολόκληρης της περιοχής του μέσου. Τα πρώτα 10 κύρια συστατικά εξήχθησαν μετά τη μείωση των διαστάσεων των φασματικών δεδομένων ολόκληρης της περιοχής της πλάτης. Τα κύρια συστατικά που επιλέχθηκαν μετά τη μείωση της διάστασης PCA χρησιμοποιήθηκαν για τη μοντελοποίηση PLSR. Σύμφωνα με τη λειτουργία του μοντέλου πρόβλεψης, ελήφθησαν οι προβλεπόμενες τιμές περιεχομένου ζάχαρης των τριών συνόλων δεδομένων.
Πρώτα χρησιμοποιήστε το PCA για να μειώσετε τη διάσταση και στη συνέχεια να εκτελέσετε τη μοντελοποίηση PLSR. Σύμφωνα με τη λειτουργία του μοντέλου πρόβλεψης, λαμβάνονται οι καμπύλες της προβλεπόμενης τιμής περιεχομένου ζάχαρης και η πραγματική τιμή περιεχομένου ζάχαρης των τριών συνόλων δεδομένων
4. Περίληψη
Συγκρίνοντας τα μοντέλα πρόβλεψης που δημιουργήθηκαν με διαφορετικά δεδομένα, τους συντελεστές συσχέτισης r μεταξύ της προβλεπόμενης τιμής περιεχομένου ζάχαρης και της πραγματικής ζάχαρης
Η τιμή περιεχομένου του βέλτιστου μοντέλου πρόβλεψης συνδυασμού ζώνης που επιλέχθηκε από τη μοντελοποίηση συνδυασμού κύκλου ζώνης είναι 0,54 και 0,61, αντίστοιχα, που είναι
Το μεγαλύτερο μεταξύ των μοντέλων που δημιουργήθηκαν με άλλους συνδυασμούς ζώνης και τα μέσα σχετικά σφάλματα είναι 12,6% και 11,9% αντίστοιχα, τα οποία είναι τα
Το μικρότερο μεταξύ των μοντέλων που δημιουργήθηκαν με άλλους συνδυασμούς ζώνης και το μέσο τετραγωνικό σφάλμα της ρίζας του συνόλου δοκιμών είναι μικρό. Μπορεί να συναχθεί ότι το
Η επίδραση πρόβλεψης του βέλτιστου μοντέλου που επιλέχθηκε μετά τη μοντελοποίηση συνδυασμού κύκλου μπάντας είναι καλύτερη από αυτή των άλλων συνδυασμών ζώνης.
