河南农业大学学报

2020, v.54;No.220(04) 664-672

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

利用高光谱成像技术预测牛肉pH值及其空间分布
Prediction of beef pH value and its spatial distribution using hyperspectral imaging technique

乔芦;贺晓光;王松磊;王彩霞;李娜;陈前;禹文杰;

摘要(Abstract):

利用可见/近红外高光谱(400~1 000 nm)成像技术对黄牛肉pH值进行预测。对229个黄牛肉样本的原始光谱信息利用Kennard-Stone(KS)算法进行样本集划分及光谱预处理,分别采用竞争性自适应加权算法(competitive adaptive reweighed sampling, CARS)、无信息消除变量法(uninformative variable elimination, UVE)、β权重系数法及变量组合集群分析法(variable combination population analysis, VCPA)对特征波长进行提取,最后结合偏最小二乘回归(partial least squares regression, PLSR)、多元线性回归(multiple linearity Regression, MLR)和主成分回归(principal component regression, PCR)方法对全波段及特征波段进行建模分析,进而优选出最佳模型。结果表明,利用KS算法划分后的样本集,结合最大归一化法预处理后的光谱数据所建立的预测模型的R_C~2和R_P~2分别为0.842 3和0.783 7,效果较好;利用CARS、UVE、β权重系数法和VCPA分别选出19、16、14和11个特征波长;基于CARS提取特征波长建立的PLSR模型效果最优,其决定系数R_C~2和R_P~2分别为0.845 3和0.740 6,均方根误差为0.069 0。利用CARS-PLSR模型计算牛肉样本中像素点的pH值,并通过选取742 nm处的伪色彩图像直观表示牛肉样本的pH值的空间分布情况。

关键词(KeyWords): 泾源黄牛;高光谱成像技术;分布可视化;pH值

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(31660484)

作者(Author): 乔芦;贺晓光;王松磊;王彩霞;李娜;陈前;禹文杰;

Email:

DOI: 10.16445/j.cnki.1000-2340.2020.04.015

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享