Yabanmersini hassas et ve eşsiz lezzet vardır. Besin açısından zengindir ve "meyvelerin kraliçesi" olarak bilinir. Beyin sinir yaşlanmasını önleme, görme, anti-kanser anti-kanser ve insan bağışıklığını arttırma işlevlerine sahiptir. Geniş piyasa beklentileri var. Yaban mersini şekeri içeriği, yaban mersini kalitesini değerlendirmek için önemli bir göstergedir. Geleneksel yaban mersini şekeri içeriği tespiti yıkıcıdır ve tahribatsız tespit önemli bir gelişme eğilimidir.

1. görüntü veri edinimi

Yabanmersini örneklerinin yüksek spektral görüntüsü

İki hiperspektral görüntünün spektral verilerini çıkarın: Her numunenin yüzeyinde farklı ilgi bölgelerini (ROI) seçin ve orijinal yansıtma spektrum eğrisini elde edin

İlgilenilen alanın orijinal spektral eğrisine karşılık gelen ortalama spektral değer, 48x256 spektral veri matrisinden oluşan üç set elde etmek için çıkarılır.

Farklı bantlardaki hiperspektral görüntülere ve spektral eğrilere göre, bant 1-bant 50'nin büyük gürültü ve bulanık görüntüleri vardır. Veri seçerken,
Sadece bant 51-bant 250 (1031.11nm-1699.11nm) Toplam 200 bant modellenmiştir. Modeli oluşturmak için ilk 36 yaban mersini spektral değeri kullanıldı,
ve son 12'si model testi için kullanıldı.

2. Model kuruluşu ve analizi

Yaban mersini şekeri içeriği tahmin modelinin kurulması esas olarak kısmi en küçük kareler regresyon yöntemini (PLSR) kullanır. Farklı spektral veriler alır
farklı tahmin modelleri. PCA boyutu azaltma için 200 bant spektral veri modelini modellemek için doğrudan 200 bandı kullanın,
İlk N%99,9'luk bir kümülatif katkı oranı olan ana bileşenler ve daha sonra 256 spektral için karakteristik bantları seçmek için PLSR modellemesini kullanın
SPA kullanarak tüm arka alandaki bantlar ve ardından tüm arka alandaki 200 bantta doğrudan döngüsel modelleme yapmak için PLSR modellemesini kullanın, önce birleştirerek
İKİ İKİ YAPILDI ve sonra modellemek için üç ve üç kombinasyon kullanmak

3. Tahmin modeli kuruluşu

Cephenin bazı alanlarının spektral verilerinin PLSR modeli

Tahmin Modeli:

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

Burada x1, x2, ..., x200, bant 51-band250'nin ortalama spektral değerleridir ve y yaban mersini şeker içeriğidir.

Tahmin modeli kullanılarak, aşağıdaki tabloda gösterildiği gibi öngörülen şeker içeriği değerlerini elde etmek için 12 yaban mersininin spektral verileri değiştirildi.

Tablo 1. Yaban mersini önündeki bazı alanların öngörülen şeker içeriği değerlerinin ve gerçek şeker içeriği değerlerinin karşılaştırılması

Tablo 2. Yaban mersini ön tarafının tüm alanı için öngörülen şeker içeriği değerleri ve gerçek değerler

Tablo 3.. Yaban mersini arkasındaki tüm alan için öngörülen şeker içeriği değerleri ve gerçek değerler

Üç veri kümesinden elde edilen tahmin modelinin öngörülen şeker içeriği değeri ve yaban mersini gerçek şeker içeriği değerinin eğrisi

Blueberry spektral verilerinin boyutunu azaltmak için PCA kullanıldı. Daha sonra boyut azaltma sonrası veriler PLSR modellemesi için kullanıldı. PCA boyutu azaltılmasından sonra, toplam katkı oranı% 99,9 olan ilk N ana bileşenleri seçilmiştir. Önün kısmi alanından ve önün tüm alanından çıkarılan spektral verilerin boyut azaltılmasından sonra yedi ana bileşen seçilmiştir. İlk 10 ana bileşen, sırtın tüm alanının spektral verilerinin boyut azaltılmasından sonra çıkarıldı. PLSR modellemesi için PCA boyut azaltma işleminden sonra seçilen temel bileşenler kullanılmıştır. Tahmin modeli işlevine göre, üç veri kümesinin öngörülen şeker içeriği değerleri elde edildi.

Önce boyutu azaltmak için PCA kullanın ve ardından PLSR modellemesi yapın. Tahmin modeli işlevine göre, tahmin edilen şeker içeriği değerinin eğrileri ve üç veri kümesinin gerçek şeker içeriği değeri elde edilir.

4. Özet

Farklı verilerle oluşturulan tahmin modellerinin karşılaştırılması, öngörülen şeker içeriği değeri ile gerçek şeker arasındaki korelasyon katsayıları r

Bant döngüsü kombinasyon modellemesi tarafından seçilen optimal bant kombinasyonu tahmin modelinin içerik değeri, sırasıyla 0.54 ve 0.61'dir.

Diğer bant kombinasyonları ile kurulan modeller arasında en büyüğü ve ortalama göreceli hatalar sırasıyla% 12.6 ve% 11.9'dur.

Diğer bant kombinasyonları ile kurulan modeller arasında en küçük ve test setinin kök ortalama kare hatası küçüktür. Sonuç olarak

Bant döngüsü kombinasyon modellemesinden sonra seçilen optimal modelin tahmin etkisi, diğer bant kombinasyonlarından daha iyidir.