论文部分内容阅读
青梅富含人体所需的多种氨基酸和微量元素,极富营养价值。随着国内外对青梅食用价值和药物价值的利用研究,青梅产品也逐步从传统食品转向精深加工产品。根据青梅成分品质不同,其用途不同,加工工艺也不同。利用光谱成像技术实现青梅成分品质的无损检测对提升青梅精深加工水平具有重要意义。但是,在利用光谱图像进行青梅品质预测时,无法获知像素点所代表的理化成分的具体参考值,因此无法开展像素指标预测精度的验证与评价。本文基于预测均值、预测范围、先验知识三个方面研究了像素预测精度的评价方法,并设计了相应的评价函数,实现了像素预测结果的多指标定量化评价。本文利用基于AOTF的可见-近红外高光谱成像系统采集了青梅样本的光谱图像,并对其进行多种预处理,如兴趣区域创建、反射率校正、特征光谱提取、空间滤波和光谱滤波。同时,利用传统方法检测青梅的糖度(Brix)和酸度(PH),作为光谱建模和模型检验的参考数据。基于全波段光谱分别建立了青梅成分的线性和非线性预测模型,比较了偏最小二乘法(PLS)和径向基函数神经网络算法(RBF)在青梅成分品质预测建模中的性能。研究表明,PLS回归模型的区域预测性能优于RBF模型。利用本文提出的像素预测信度评价方法对两模型的像素预测结果进行评价,尽管PLS模型的预测值范围可靠度P稍低,但其预测均值准确度RMSE和先验知识一致度Q均高于RBF模型,(糖度PLS模型:RMSE=0.6195,P=0.1848,Q=0.0748;酸度PLS模型:RMSR=0.07,P=0.1737,Q=0.0321;基于糖度RBF模型:RMSE=1.1652,P=0,Q=0.1118;基于酸度RBF模型:RMSR=0.1152,P=0,Q=0.1843)。本文还采用遗传偏最小二乘法(GA-PLS)分别基于1~10个特征波长建立了70个简化模型。实验表明,这些模型的区域预测性能都很好,相关系数R均大于0.6,均方根误差RMSE均小于0.95。将模型进一步应用于像素指标的预测,采用本文设计的像素指标信度评价方法对像素预测结果进行评价。研究表明,中心波长为1、5、33、65、68、91nm的6个波段的光谱图像作均值滤波后建立的模型具有最高的像素预测信度,预测值均值准确度RMSE=0.6465,预测值范围可靠度P=0.0014,先验知识一致度Q=0.3523。青梅全波段、特征波长预测模型的像素预测信度评价实例表明,基于预测均值、预测范围、先验知识三个方面评价像素预测精度的方法可行,对青梅的精深加工及预测可视化水平具有重要意义。