浅层宽度学习网络模型应用于柚子果肉高光谱数据分析

提出一种浅层宽度学习(SBLN)的模型框架,应用于近红外高光谱(NIRHSI)快速分析。通过调试SBLN模型结构参数,针对网络节点的连接权重进行自适应调试,在光谱维度上挖掘NIRHSI数据中的特征信息,结合偏最小二乘(PLS)法优化模型预测结果。实验以柚子果肉NIRHSI检测为例,建立SBLN-PLS模型定量预测柚子果肉中的有机酸(OA)含量。结果表明,最优SBLN模型结构由95个扩展节点和31个输出节点构成,对应的PLS预测均方根偏差为0.578 g·kg^(-1)。所提出的SBLN算法框架能够有效应用于柚子果肉OA含量检测的高光谱快速定量分析,有望推广应用于其他农副产品的绿色检测。