Blueberry mempunyai daging halus dan rasa yang unik. Ia kaya dengan nutrien dan dikenali sebagai "ratu buah -buahan". Ia mempunyai fungsi menghalang penuaan saraf otak, melindungi penglihatan, anti-kanser, dan meningkatkan imuniti manusia. Ia mempunyai prospek pasaran yang luas. Kandungan gula blueberry adalah penunjuk penting untuk menilai kualiti blueberry. Pengesanan kandungan gula blueberry tradisional adalah pengesanan yang merosakkan, dan tidak merosakkan adalah trend pembangunan penting.

1. Pengambilalihan data imej

Imej spektrum tinggi sampel blueberry

Ekstrak Data Spektrum Dua Imej Hyperspectral: Pilih Kawasan Kepentingan (ROI) yang berbeza di permukaan setiap sampel dan dapatkan lengkung spektrum pemantulan asal

Sepadan dengan lengkung spektrum asal kawasan kepentingan, nilai spektrum purata diekstrak untuk mendapatkan tiga set matriks data spektrum 48x256

Menurut imej hiperspectral dan lengkung spektrum dalam band yang berbeza, band 1-band 50 mempunyai bunyi yang besar dan imej kabur. Semasa memilih data,
Hanya band 51-band 250 (1031.11nm-1699.11nm) Sebanyak 200 band telah dimodelkan. Nilai spektrum 36 blueberry pertama digunakan untuk menubuhkan model,
dan 12 terakhir digunakan untuk ujian model.

2. Penubuhan dan analisis model

Penubuhan model ramalan kandungan gula blueberry terutamanya menggunakan kaedah regresi kuadrat paling rendah (PLSR). Data spektrum yang berbeza mendapat
Model ramalan yang berbeza. Terus menggunakan 200 band dengan bunyi yang dikeluarkan untuk memodelkan 200 kumpulan data spektrum untuk pengurangan dimensi PCA, pilih
Komponen utama N pertama dengan kadar sumbangan kumulatif sebanyak 99.9%, dan kemudian gunakan pemodelan PLSR untuk memilih band ciri untuk spektrum 256
Band di seluruh kawasan belakang menggunakan spa, dan kemudian gunakan pemodelan PLSR untuk secara langsung melakukan pemodelan kitaran pada 200 band di seluruh kawasan belakang, pertama menggabungkan
dua demi dua, dan kemudian menggunakan tiga hingga tiga kombinasi untuk model

3. Penubuhan Model Ramalan

PLSR model data spektrum beberapa kawasan di hadapan

Model Ramalan:

y = 8.1109+0.3989x+0.2848x+....+0.809x200

Di mana x1, x2, ..., x200 adalah nilai spektrum purata band 51-band250, dan y ialah kandungan gula blueberries.

Menggunakan model ramalan, data spektrum 12 blueberries digantikan untuk mendapatkan nilai kandungan gula yang diramalkan seperti yang ditunjukkan dalam jadual berikut

Jadual 1. Perbandingan nilai kandungan gula yang diramalkan dan nilai kandungan gula sebenar di beberapa kawasan di hadapan blueberries

Jadual 2. Ramalan nilai kandungan gula dan nilai sebenar untuk seluruh kawasan bahagian depan blueberries

Jadual 3. Ramalan nilai kandungan gula dan nilai sebenar untuk seluruh kawasan di belakang blueberries

Nilai kandungan gula yang diramalkan dari model ramalan yang diperoleh dari tiga set data dan lengkung nilai kandungan gula sebenar blueberries

PCA digunakan untuk mengurangkan dimensi data spektrum blueberry. Data selepas pengurangan dimensi kemudian digunakan untuk pemodelan PLSR. Selepas pengurangan dimensi PCA, komponen utama N yang pertama dengan kadar sumbangan sebanyak 99.9% dipilih. Tujuh komponen utama dipilih selepas pengurangan dimensi data spektrum yang diekstrak dari kawasan separa depan dan seluruh kawasan depan. 10 komponen utama pertama telah diekstrak selepas pengurangan dimensi data spektrum seluruh kawasan belakang. Komponen utama yang dipilih selepas pengurangan dimensi PCA digunakan untuk pemodelan PLSR. Menurut fungsi model ramalan, nilai kandungan gula yang diramalkan dari tiga set data diperolehi.

Mula -mula gunakan PCA untuk mengurangkan dimensi, dan kemudian lakukan pemodelan PLSR. Mengikut fungsi model ramalan, lengkung nilai kandungan gula yang diramalkan dan nilai kandungan gula sebenar dari tiga set data diperolehi

4. Ringkasan

Membandingkan model ramalan yang ditubuhkan dengan data yang berbeza, koefisien korelasi r antara nilai kandungan gula yang diramalkan dan gula sebenar

Nilai kandungan model ramalan kombinasi jalur optimum yang dipilih oleh pemodelan gabungan kitaran band adalah 0.54 dan 0.61, masing -masing,

Yang terbesar di kalangan model yang ditubuhkan dengan kombinasi band lain, dan kesilapan relatif purata masing -masing adalah 12.6% dan 11.9%, masing -masing

Terkecil di antara model yang ditubuhkan dengan kombinasi band lain, dan kesilapan rata -rata akar set ujian set kecil. Dapat disimpulkan bahawa

Kesan ramalan model optimum yang dipilih selepas pemodelan gabungan kitaran band lebih baik daripada kombinasi band lain.