Чорниця має делікатну плоть та унікальний аромат. Він багатий поживними речовинами і відома як "королева фруктів". Він виконує функції запобігання старінню нерва мозку, захисту зору, протиракового та підвищення імунітету людини. Він має широкі перспективи ринку. Вміст цукру з чорничним є важливим показником для оцінки якості чорниці. Традиційне виявлення вмісту цукру чорниці є руйнівним, а неруйнівне виявлення є важливою тенденцією розвитку.

1. Збір даних зображень

Високостектральне зображення зразків чорниці

Витягніть спектральні дані двох гіперспектральних зображень: Виберіть різні області, що цікавлять (ROI) на поверхні кожного зразка та отримайте оригінальну криву спектру відбиття

Відповідно до початкової спектральної кривої області, що цікавить, середнє спектральне значення витягується для отримання трьох наборів 48х256 спектральних матриць даних

Відповідно до гіперспектральних зображень та спектральних кривих в різних діапазонах, діапазон 1-діапазон 50 має великий шум і розмиті зображення. При виборі даних,
Тільки смуга 51-діапазон 250 (1031.11nm-1699.11nm) Всього було моделюється 200 діапазонів. Перші 36 чорничних спектральних значень були використані для встановлення моделі,
і останні 12 використовувались для тестування моделі.

2. МОДЕЛЬНА ВІДПОВІДАЛЬНІСТЬ та аналіз

Встановлення моделі прогнозування вмісту цукру чорниці в основному використовує метод регресії часткових найменших квадратів (PLSR). Отримують різні спектральні дані
різні моделі прогнозування. Безпосередньо використовуйте 200 діапазонів із шумом, видаленим для моделювання 200 діапазонів спектральних даних для зменшення розмірів PCA, виберіть
Перші N основні компоненти зі швидкістю сукупного внеску 99,9%, а потім використовують моделювання PLSR для вибору характерних діапазонів для 256 Spectral
Діапазони у всій області спини за допомогою спа -центру, а потім використовуйте моделювання PLSR для безпосереднього циклічного моделювання на 200 діапазонах у всій області спини, спочатку поєднуючи
Два на два, а потім використання трьох на три комбінації для моделювання

3. Застосування моделі прогнозування

Модель PLSR спектральних даних деяких областей фронту

Модель прогнозування:

y = 8,1109+0,3989x+0,2848x+….+0,809x200

Де x1, x2, ..., x200-це середні спектральні значення смуги 51-діапазону250, а y-вміст цукру чорниці.

Використовуючи модель прогнозування, спектральні дані 12 чорниці були замінені для отримання прогнозованих значень вмісту цукру, як показано в наступній таблиці

Таблиця 1. Порівняння прогнозованих значень вмісту цукру та фактичних значень вмісту цукру деяких областей на передній частині чорниці

Таблиця 2. Прогнозовані значення вмісту цукру та справжні значення для всієї області передньої сторони чорниці

Таблиця 3. Прогнозовані значення вмісту цукру та справжні значення для всієї області на задній частині чорниці

Прогнозоване значення вмісту цукру моделі прогнозування, отримана з трьох наборів даних та кривої фактичного значення вмісту цукру чорниці

PCA використовували для зменшення розміру спектральних даних Blueberry. Дані після зменшення розмірів потім використовувались для моделювання PLSR. Після зменшення розмірів PCA було обрано перші N основні компоненти із загальною рівнем внеску 99,9%. Сім основних компонентів було обрано після зменшення розмірів спектральних даних, витягнутих з часткової області переднього та всієї області передньої частини. Перші 10 основних компонентів були вилучені після зменшення розмірів спектральних даних усієї області спини. Для моделювання PLSR були обрані основні компоненти, вибрані після зменшення розміру PCA. Відповідно до функції моделі прогнозування, були отримані прогнозовані значення вмісту цукру трьох наборів даних.

Спочатку використовуйте PCA для зменшення розміру, а потім виконуйте моделювання PLSR. Відповідно до функції моделі прогнозування, криві передбачуваного значення вмісту цукру та фактичне значення вмісту цукру трьох наборів даних отримують

4. Короткий зміст

Порівнюючи моделі прогнозування, встановлені з різними даними, коефіцієнтами кореляції r між передбачуваним значенням вмісту цукру та справжнім цукром

Значення змісту оптимальної моделі прогнозування комбінації смуги, вибраної за допомогою комбінованого моделювання циклу діапазону, відповідно 0,54 та 0,61, які є

Найбільший серед моделей, створених з іншими поєднаннями смуг, а середні відносні помилки становлять відповідно 12,6% та 11,9%, які є

Найменший серед моделей, встановлених з іншими комбінаціями смуг, а середня квадратна помилка тестового набору невелика. Можна зробити висновок, що

Ефект прогнозування оптимальної моделі, вибраної після моделювання комбінації циклу смуги, кращий, ніж у інших комбінацій смуг.