基于ICO-SPA特征提取的近红外高光谱小麦赤霉病粒呕吐毒素含量预测

为实现小麦呕吐毒素含量快速检测,采集了120个小麦赤霉病籽粒样本的高光谱图像,分别使用连续投影算法(SPA)、区间组合优化结合连续投影算法(ICO-SPA)对1000~2500nm范围的光谱进行特征波段提取,结合偏最小二乘回归(PLSR)、多元线性回归(MLR)和最小二乘支持向量机回归(LS-SVR)模型比较了基于三种特征变量输入的模型预测效果。结果表明,ICO-SPA提取出的22个特征波段能够反映病粒样本中淀粉、蛋白质、脂肪、纤维素等大分子含量的差异,比单独使用SPA可多提取淀粉含量信息,少提取已经被控制在同一水平的水分含量信息,能更全面真实地反映小麦感染赤霉病后内部大分子成分含量的变化,同时减少水分含量信息对近红外模型的干扰。基于ICO-SPA所选变量的建模效果优于SPA,其中以ICO-SPA-MLR效果最优,预测集相关系数、均方根误差和相对分析误差分别为0.921、0.375mg·kg^-1和2.789。这说明基于近红外高光谱技术结合ICO-SPA-MLR进行小麦赤霉病籽粒呕吐毒素定量检测是可行的。