基于高光谱成像技术和机器学习的猕猴桃果实可溶性固形物含量预测

打开文本图片集

摘    要：【目的】可溶性固形物含量（SSC）是评价猕猴桃果实品质的关键指标。旨在利用高光谱技术构建猕猴桃果实SSC预测方案，实现无损、准确评估果实内部品质。【方法】以米良一号猕猴桃果实为研究对象，对高光谱图像进行白板校正、感兴趣区域提取；采用MSC、SG平滑、SG-MSC和SG-SNV方法进行光谱数据预处理以消除噪声影响，并通过PLSR模型确定最优方法；结合CARS、SPA和RF算法分别提取与果实SSC相关的特征波段；建立PLSR、SVR、RFR、BPNN模型，比较特征波段与SSC实测值之间的耦合关系，选出最优模型，并利用PSO算法优化其预测精度，以实现果实内部品质的泛化预测。（剩余31962字）