블루 베리는 섬세한 육체와 독특한 맛을 가지고 있습니다. 영양소가 풍부하고 "과일의 여왕"으로 알려져 있습니다. 그것은 뇌 신경 노화를 예방하고, 시력, 항암을 보호하며, 인간 면역을 향상시키는 기능이 있습니다. 그것은 광범위한 시장 전망을 가지고 있습니다. 블루 베리 설탕 함량은 블루 베리 품질을 평가하는 데 중요한 지표입니다. 전통적인 블루 베리 설탕 함량 감지는 파괴적이며 비파괴적인 탐지는 중요한 개발 추세입니다.

1. 이미지 데이터 수집

블루 베리 샘플의 고유 한 이미지

두 Hyperspectral 이미지의 스펙트럼 데이터를 추출하십시오. 각 샘플의 표면에서 다른 관심 영역 (ROI)을 선택하고 원래 반사 스펙트럼 곡선을 얻으십시오.

관심 영역의 원래 스펙트럼 곡선에 해당하여 평균 스펙트럼 값을 추출하여 3 세트의 48x256 스펙트럼 데이터 매트릭스를 얻습니다.

다른 밴드의 Hyperspectral 이미지 및 스펙트럼 곡선에 따르면, 밴드 1 밴드 50은 큰 소음과 흐릿한 이미지를 갖습니다. 데이터를 선택할 때
밴드 51 밴드 250 (1031.11nm-1699.11nm) 만 총 200 대 밴드를 모델링했습니다. 첫 번째 36 블루 베리 스펙트럼 값은 모델을 설정하는 데 사용되었습니다.
마지막 12 개는 모델 테스트에 사용되었습니다.

2. 모델 설정 및 분석

블루 베리 설탕 컨텐츠 예측 모델의 확립은 주로 부분 최소 제곱 회귀 방법 (PLSR)을 사용합니다. 다른 스펙트럼 데이터가 얻습니다
다른 예측 모델. PCA 치수 감소를위한 200 개의 스펙트럼 데이터 대역을 모델링하기 위해 노이즈가 제거 된 200 개의 대역을 직접 사용하십시오.
누적 기여율이 99.9%인 첫 번째 N 주요 구성 요소를 사용한 다음 PLSR 모델링을 사용하여 256 스펙트럼의 특성 대역을 선택하십시오.
스파를 사용하여 전체 등 영역의 밴드를 사용한 다음 PLSR 모델링을 사용하여 전체 뒷면 영역의 200 대 밴드에서 순환 모델링을 직접 수행하여 먼저 결합합니다.
2 x 2, 3 x 3 조합을 사용하여 모델링

3. 예측 모델 설정

전면의 일부 영역의 스펙트럼 데이터의 PLSR 모델

예측 모델 :

y = 8.1109+0.3989x+0.2848x+….+0.809x200

여기서 x1, x2, ..., x200은 대역 51-band250의 평균 스펙트럼 값이고, Y는 블루 베리의 설탕 함량입니다.

예측 모델을 사용하여 12 개의 블루 베리의 스펙트럼 데이터를 대체하여 다음 표에 표시된 것처럼 예측 된 당 함량 값을 얻었습니다.

표 1. 예측 된 설탕 함량 값과 블루 베리 전면에있는 일부 지역의 실제 설탕 함량 값 비교

표 2. 블루 베리의 전면 면적에 대한 예측 설탕 함량 값 및 실제 값

표 3. 블루 베리 뒷면의 전체 영역에 대한 예상 설탕 함량 값 및 실제 값

세 가지 데이터 세트에서 얻은 예측 모델의 예측 설탕 함량 값과 블루 베리의 실제 설탕 함량 값의 곡선

PCA는 블루 베리 스펙트럼 데이터의 치수를 줄이는 데 사용되었습니다. 이어서 치수 감소 후 데이터를 PLSR 모델링에 사용 하였다. PCA 차원 감소 후, 총 기여율이 99.9% 인 첫 번째 N 주요 구성 요소가 선택되었습니다. 전면의 부분 영역 및 전면 전체 영역에서 추출 된 스펙트럼 데이터의 치수 감소 후 7 개의 주요 구성 요소가 선택되었습니다. 처음 10 개의 주요 구성 요소는 후면 전체 영역의 스펙트럼 데이터의 치수 감소 후 추출되었습니다. PCA 치수 감소 후 선택된 주요 구성 요소는 PLSR 모델링에 사용되었습니다. 예측 모델 기능에 따라, 세 세트의 데이터 세트의 예측 된 당 함량 값이 얻어졌다.

먼저 PCA를 사용하여 치수를 줄인 다음 PLSR 모델링을 수행하십시오. 예측 모델 기능에 따라 예측 된 당 함량 값의 곡선과 세 세트의 데이터 세트의 실제 설탕 함량 값이 얻어집니다.

4. 요약

예측 모델을 다른 데이터와 비교하면 예측 된 설탕 함량 값과 진정한 설탕 사이의 상관 계수 r

밴드 사이클 조합 모델링에 의해 선택된 최적 대역 조합 예측 모델의 내용 값은 각각 0.54 및 0.61이며

다른 밴드 조합으로 확립 된 모델 중 가장 큰 것은 평균 상대 오류는 각각 12.6%와 11.9%입니다.

다른 밴드 조합으로 설정된 모델 중에서 가장 작고 테스트 세트의 루트 평균 제곱 오차는 작습니다. 결론을 내릴 수 있습니다

밴드 사이클 조합 모델링 후 선택된 최적 모델의 예측 효과는 다른 밴드 조합의 것보다 낫습니다.