基于GA-SVR的苹果可溶性固形物质量分数的高光谱检测

摘要

以建立一种高精度的无损苹果可溶性固形物含量的检测模型为目标,通过提取高光谱图像中圆形150像素感兴趣区域(ROI)内的平均光谱反射率,分别使用Savitzky-Golay平滑处理(S-G)、标准正态变量变换(SNV)和小波变换(Wavelet-Transform)对原始光谱数据进行预处理,然后利用连续投影算法(successive projection algorithm,SPA)提取特征波长,基于特征波长建立BP神经网络(BPNN)和遗传支持向量机(GA-SVR)预测模型。在GA-SVR建模过程中,采用遗传算法获取支持向量机的最优惩罚参数和核函数参数。研究结果表明,S-G预处理后的GA-SVR模型预测效果最佳,模型的预测相关系数为0.8505,预测均方根误差为0.3031,所以基于该ROI内数据建立的GA-SVR模型在提高模型性能方面是可行的。