目的 构建基于近红外光谱快速判别花生冻伤的模型。方法 采用移动窗口平均平滑(moving window average, WMA)、 标 准 正 态 变 量 校 正 (standard normal variate correction, SNV)及 一 阶 导 数 (first derivative, FD) 的 组 合 预 处 理 方 法 提 升 光 谱 信 号 质 量 ; 分 别 采 用 无 信 息 变 量 消 除 法 (elimination of uninformative variables, UVE)、竞争性自适应重加权法(competitive adaptive reweighted sampling, CARS)以及二者的联合算法筛选特征波长; 最后构建基于支持向量机分类算法(support vector machine classification, SVC)的花生冻伤分类模型。结果 使用 UVE-CARS 算法筛选特征波长效果最佳, 筛选出 7 个特征波长, 构建的判别模型准确率达 95%。结论 该花生冻伤判别模型判别准确率高, 为花生冻伤快速、无损判别提供可行的技术方案, 并为基于滤光片式近红外技术的花生品质色选机的开发提供参考。
高翔 , 高炜 , 孙丽娟 , 吴静珠 * , 孙晓荣 .花生冻伤近红外光谱快速判别方法研究[J].科研仪器案例成果数据库,2024,(0).
