基于高光谱成像技术的大曲酸度值预测及其可视化

摘要

酸度值是大曲质量评价的重要指标,提出了一种基于高光谱成像技术快速检测大曲发酵过程中酸度值的方法.通过采集大曲高光谱图像并提取感兴趣区域(region of interest,ROI)的平均光谱,采用多元散射校正(muhiplicative scatter correction,MSC)、标准正态变量校正(standard normal variable correction,SNV)和S-G卷积平滑后一阶导(savitzky-golay smoothing first derivative,SGFD)3种预处理方法,再通过连续投影算法(successive projection algorithm,SPA)选取最优的特征波长,分别建立偏最小二乘回归(partial least squares regression,PLSR)和最小二乘支持向量机(least squares-support vector machine,LS-SVM)预测模型,结果显示,基于SPA从SNV预处理光谱中筛选的8个最优特征波长建立的LS-SVM模型预测大曲酸度值效果最好,其中预测集决定系数(determination coefficient of prediction,Rp2)为0.913 2,预测集均方根误差(root mean square error of prediction,RMSEP)为0.008 1.通过将ROI反射率输入最优的SNV+ SPA+ LS-SVM预测模型中,生成了大曲酸度值可视化云图,实现了不同发酵时期的酸度值及其分布的直观显示.结果 表明,利用高光谱成像技术可实现大曲酸度值快速检测和可视化分布.