本文基于可见一近红外高光谱(Visible Near Infrared Reflectio,Vis-NIR)成像技术对150个香水梨进行光谱数据采集。将样本划分后,采用卷积平滑(Savitzky-Golay,S-G)、归一化(Normalize)和标准正态变换(Standard Normal Variate,SNV)3种...本文基于可见一近红外高光谱(Visible Near Infrared Reflectio,Vis-NIR)成像技术对150个香水梨进行光谱数据采集。将样本划分后,采用卷积平滑(Savitzky-Golay,S-G)、归一化(Normalize)和标准正态变换(Standard Normal Variate,SNV)3种方法对原始光谱进行预处理,利用竞争性自适应加权算法(Competitive Adaptive Reweighted Sampling,CARs)、区间变量迭代空间收缩法(Interval Variable Iterative Space Shrinkage Approach,iVISSA)和变量组合集群分析(Variable Combination Population Analysis,VCPA)对特征波长提取进行波段缩减和特征提取,建立特征波段下香水梨硬度的偏最小二乘(Partial Least Squares Regression,PLSR)预测模型,优选最佳模型。结果表明,VCPA法建立的PLSR模型优于初始模型R2=0.933。展开更多
文摘本文基于可见一近红外高光谱(Visible Near Infrared Reflectio,Vis-NIR)成像技术对150个香水梨进行光谱数据采集。将样本划分后,采用卷积平滑(Savitzky-Golay,S-G)、归一化(Normalize)和标准正态变换(Standard Normal Variate,SNV)3种方法对原始光谱进行预处理,利用竞争性自适应加权算法(Competitive Adaptive Reweighted Sampling,CARs)、区间变量迭代空间收缩法(Interval Variable Iterative Space Shrinkage Approach,iVISSA)和变量组合集群分析(Variable Combination Population Analysis,VCPA)对特征波长提取进行波段缩减和特征提取,建立特征波段下香水梨硬度的偏最小二乘(Partial Least Squares Regression,PLSR)预测模型,优选最佳模型。结果表明,VCPA法建立的PLSR模型优于初始模型R2=0.933。