O mirtilo tem carne delicada e sabor único. É rico em nutrientes e é conhecido como a "rainha das frutas". Tem as funções de prevenir o envelhecimento do nervo cerebral, proteger a visão, anticâncer e aumentar a imunidade humana. Possui amplas perspectivas de mercado. O teor de açúcar de mirtilo é um indicador importante para avaliar a qualidade do mirtilo. A detecção tradicional de teor de açúcar de mirtilo é destrutiva e a detecção não destrutiva é uma importante tendência de desenvolvimento.

1. Aquisição de dados de imagem

Imagem de alta espectral de amostras de mirtilo

Extraia os dados espectrais das duas imagens hiperespectrais: selecione diferentes regiões de interesse (ROI) na superfície de cada amostra e obtenha a curva original do espectro de refletância

Correspondente à curva espectral original da área de interesse, o valor espectral médio é extraído para obter três conjuntos de matrizes de dados espectrais de 48x256

De acordo com as imagens hiperespectrais e as curvas espectrais em diferentes bandas, a banda 1 da banda 50 tem um ruído grande e imagens turvas. Ao selecionar dados,
Somente a banda 51 banda 250 (1031.11nm-1699.11nm) foram modeladas 200 bandas. Os primeiros 36 valores espectrais de mirtilo foram usados ​​para estabelecer o modelo,
e os últimos 12 foram usados ​​para testes de modelo.

2. Estabelecimento e análise do modelo

O estabelecimento do modelo de previsão de teor de açúcar de mirtilo usa principalmente o método de regressão de mínimos quadrados parciais (PLSR). Diferentes dados espectrais obtêm
diferentes modelos de previsão. Use diretamente as 200 bandas com ruído removido para modelar as 200 bandas de dados espectrais para redução da dimensão PCA, selecione o
Primeiro n principal componentes com uma taxa de contribuição cumulativa de 99,9%e depois use a modelagem do PLSR para selecionar as bandas características para o 256 espectral
Bandas em toda a área traseira usando spa e, em seguida, usam a modelagem do PLSR para executar diretamente a modelagem cíclica nas 200 bandas em toda a área traseira, primeiro combinando
dois por dois, e depois usando três por três combinações para modelar

3. Estabelecimento do modelo de previsão

Modelo PLSR de dados espectrais de algumas áreas da frente

Modelo de previsão:

y = 8.1109+0,3989x+0,2848x+….+0,809x200

Onde x1, x2, ..., x200 são os valores espectrais médios da banda 51-BAND250 e Y é o teor de açúcar dos mirtilos.

Usando o modelo de previsão, os dados espectrais de 12 mirtilos foram substituídos para obter os valores previstos do teor de açúcar, como mostrado na tabela a seguir

Tabela 1. Comparação dos valores previstos do teor de açúcar e dos valores reais do teor de açúcar de algumas áreas na frente dos mirtilos

Tabela 2. Valores previstos do teor de açúcar e valores verdadeiros para toda a área da frente dos mirtilos

Tabela 3. Valores previstos de conteúdo de açúcar e valores verdadeiros para toda a área na parte de trás dos mirtilos

O valor previsto do teor de açúcar do modelo de previsão obtido dos três conjuntos de dados e a curva do valor real do teor de açúcar dos mirtilos

O PCA foi usado para reduzir a dimensão dos dados espectrais de mirtilo. Os dados após redução da dimensão foram então usados ​​para modelagem do PLSR. Após a redução da dimensão do PCA, foram selecionados os primeiros n principais componentes com uma taxa de contribuição total de 99,9%. Sete componentes principais foram selecionados após a redução da dimensão dos dados espectrais extraídos da área parcial da frente e de toda a área da frente. Os 10 primeiros componentes principais foram extraídos após a redução da dimensão dos dados espectrais de toda a área da parte traseira. Os principais componentes selecionados após a redução da dimensão do PCA foram usados ​​para modelagem de PLSR. De acordo com a função do modelo de previsão, foram obtidos os valores previstos de conteúdo de açúcar dos três conjuntos de dados.

Primeiro use o PCA para reduzir a dimensão e depois executar a modelagem do PLSR. De acordo com a função do modelo de previsão, as curvas do valor previsto do teor de açúcar e o valor real do teor de açúcar dos três conjuntos de dados são obtidos

4. Resumo

Comparando os modelos de previsão estabelecidos com diferentes dados, os coeficientes de correlação r entre o valor previsto do teor de açúcar e o verdadeiro açúcar

O valor do conteúdo do modelo ideal de previsão de combinação de bandas selecionado pela modelagem de combinação do ciclo da banda é 0,54 e 0,61, respectivamente, que são

o maior entre os modelos estabelecidos com outras combinações de banda, e os erros relativos médios são de 12,6% e 11,9%, respectivamente, que são os

Menor entre os modelos estabelecidos com outras combinações de banda, e o erro quadrado médio da raiz do conjunto de testes é pequeno. Pode -se concluir que o

O efeito de previsão do modelo ideal selecionado após a modelagem de combinação do ciclo da banda é melhor que o de outras combinações de banda.