gj2cj.s92

Transcription

1 第棽棾卷暋第棽期棽棸棻椀年棽月暋暋 暋光学精密工程斨旓旍棶棽棾暋斘旓棶棽暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋斚旔旚旈斻旙斸旑斾斝旘斿斻旈旙旈旓旑斉旑旂旈旑斿斿旘旈旑旂暋斊斿斺棶棽棸棻椀 文章编号暋棻棸棸棿灢椆棽棿斬棬棽棸棻椀棭棸棽灢棸棾棿椆灢棸椃 近红外高光谱成像技术快速鉴别国产咖啡豆品种 鲍一丹棳陈暋纳棳何暋勇灣棳刘暋飞棳张暋初棳孔汶汶 棬浙江大学生物系统工程与食品科学学院棳浙江杭州棾棻棸棸椀椄棭 摘要椇结合近红外高光谱成像技术和不同的判别分析模型对棿种国产咖啡豆品种进行了快速无损判别暎通过高光谱成像仪提取椄椃棿暙棻椃棾棿旑旐波段内的光谱数据棳去除首尾噪声波段后棳分别基于椆棽椀暙棻椂椄棸旑旐波段的全谱波段和通过连续投影算法棬斢斝斄棭选择的特征波长棳建立了偏最小二乘判别分析棬斝斕斢灢斈斄棭暍随机森林棬斠斊棭暍斔最邻近算法棬斔斘斘棭暍支持向量机棬斢斨斖棭模型和极限学习机棬斉斕斖棭椀种判别分析模型暎基于上述判别模型对咖啡豆品种进行鉴别椈然后通过准确率暍命中率和否定率棾个参数对鉴别结果进行了评价暎实验显示棳基于全谱和特征波段建立的模型均取得了较好的判别效果棳其中斉斕斖模型效果均为最优棳每个品种建模集和预测集的准确率暍命中率和否定率均在椆棾棶椀棩以上暎研究结果表明棳基于近红外高光谱成像技术结合模型判别分析方法可以实现对国产咖啡豆品种的识别棳特征波长的选择减少了变量数棳但判别效果与全谱相当暎关暋键暋词椇近红外高光谱成像椈咖啡豆椈无损判别椈判别分析模型椈极限学习机中图分类号椇斚棿棾棾棶棿暋暋文献标识码椇斄暋暋斾旓旈椇棻棸棶棾椃椄椄棷斚斝斉棶棽棸棻椀棽棾棸棽棶棸棾棿椆 斠斸旔旈斾旈斾斿旑旚旈旀旈斻斸旚旈旓旑旓旀斻旓旀旀斿斿斺斿斸旑旜斸旘旈斿旚旟斺旟旑斿斸旘旈旑旀旘斸旘斿斾旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂旚斿斻旇旑旓旍旓旂旟 斅斄斚斮旈灢斾斸旑棳斆斎斉斘斘斸棳斎斉斮旓旑旂灣棳斕斏斦斊斿旈棳斱斎斄斘斍斆旇旛棳斔斚斘斍斪斿旑灢旝斿旑 棬棳棳棾棻棸棸椀椄棳棭灣棳椇棶棶 斄斺旙旚旘斸斻旚椇斊旓旛旘斾旈旀斿旘斿旑旚斆旇旈旑斿旙斿斾旓旐斿旙旚旈斻斻旓旀斿斿斺斿斸旑旙旝斿旘斿旈斾斿旑旚旈旀旈斿斾旘斸旔旈斾旍旟斺旟斻旓旐斺旈旑旈旑旂旑斿斸旘旈旑旀旘斸灢旘斿斾旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂旚斿斻旇旑旈旕旛斿斸旑斾旀旈旜斿旊旈旑斾旙旓旀斾旈旙斻旘旈旐旈旑斸旑旚旐旓斾斿旍旙棶斄旑斿斸旘灢旈旑旀旘斸旘斿斾旇旟旔斿旘灢旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂旙旟旙旚斿旐斻旓旜斿旘旈旑旂旚旇斿旙旔斿斻旚旘斸旍旘斸旑旂斿旓旀椄椃棿棴棻椃棾棿旑旐旝斸旙旙斿旚旛旔旚旓斻斸旔旚旛旘斿旇旟旔斿旘旙旔斿斻灢旚旘斸旍旈旐斸旂斿旙旓旀斻旓旀斿斿斺斿斸旑旙斸旐旔旍斿旙棶斣旇斿旇斿斸斾斸旑斾斿旑斾旓旀旚旇斿旙旔斿斻旚旘斸旝旈旚旇旓斺旜旈旓旛旙旑旓旈旙斿旙旝斿旘斿旘斿灢旐旓旜斿斾棳斸旑斾旚旇斿旙旔斿斻旚旘斸旍斾斸旚斸旈旑旚旇斿旘斸旑旂斿旓旀椆棽椀棴棻椂椄棸旑旐旝斿旘斿斿旞旚旘斸斻旚斿斾旚旓斿旙旚斸斺旍旈旙旇斾旈旙斻旘旈旐旈旑斸旑旚旐旓斾斿旍旙旈旑旚旇斿斿旞旔斿旘旈旐斿旑旚棶斣旇斿旙斿旑旙旈旚旈旜斿旝斸旜斿旍斿旑旂旚旇旙旝斿旘斿旙斿旍斿斻旚斿斾旀旘旓旐旚旇斿旀旛旍旙旔斿斻旚旘斸斺旟斢旛斻斻斿旙旙旈旜斿斝旘旓旉斿斻旚旈旓旑旙斄旍旂旓旘旈旚旇旐棬斢斝斄棭棶斊旈旜斿斾旈旙斻旘旈旐旈旑斸旑旚旐斿旚旇旓斾旙棳旈旑斻旍旛斾旈旑旂斝斸旘旚旈斸旍斕斿斸旙旚斢旕旛斸旘斿灢斾旈旙斻旘旈旐旈旑斸旑旚斄旑斸旍旟旙旈旙棬斝斕斢灢斈斄棭棳斠斸旑斾旓旐斊旓旘斿旙旚棬斠斊棭棳斔灢旑斿斸旘斿旙旚斘斿旈旂旇斺旓旘斸旍旂旓旘旈旚旇旐棬斔斘斘棭棳斢旛旔旔旓旘旚斨斿斻旚旓旘斖斸斻旇旈旑斿棬斢斨斖棭斸旑斾斉旞旚旘斿旐斿斕斿斸旘旑旈旑旂斖斸斻旇旈旑斿棬斉斕斖棭旝斿旘斿斸旔旔旍旈斿斾旚旓旚旇斿斿旙旚斸斺旍旈旙旇旐斿旑旚旓旀斾旈旙斻旘旈旐灢旈旑斸旑旚旐旓斾斿旍旙斺斸旙斿斾旓旑旚旇斿旀旛旍旙旔斿斻旚旘斸斸旑斾旚旇斿旙斿旍斿斻旚斿斾旙斿旑旙旈旚旈旜斿旝斸旜斿旍斿旑旂旚旇旜斸旘旈斸斺旍斿旙棶斣旇斿旔旘旓旔斿旘旚旈斿旙旓旀旚旇斿旐旓斾斿旍旙旝斿旘斿斻旓旐旔斸旘斿斾斸旑斾旜斸旍旛斸旚斿斾斺旟旚旇旘斿斿旔斸旘斸旐斿旚斿旘旙棳旙斿旑旙旈旚旈旜旈旚旟棳旔旘斿斻旈旙旈旓旑斸旑斾旙旔斿斻旈旀旈斻旈旚旟棶 暋暋收稿日期椇棽棸棻棿灢棸椃灢棻棸椈修订日期椇棽棸棻棿灢棸椄灢棽棻棶暋暋基金项目椇国家椄椂棾高技术研究发展计划资助项目棬斘旓棶棽棸棻棽斄斄棻棸棻椆棸棾棭椈中央高校基本科研业务费专项资金资助项目棬斘旓棶棽棸棻棿斊斱斄椂棸棸椀棭

2 棾椀棸暋暋暋暋暋光学暋精密工程暋暋暋暋暋第棽棾卷暋 斄旐旓旑旂斸旍斾旈旙斻旘旈旐旈旑斸旑旚旐旓斾斿旍旙棳旚旇斿斉斕斖旐旓斾斿旍旙斺斸旙斿斾旓旑旚旇斿旀旛旍旙旔斿斻旚旘斸斸旑斾旚旇斿旙斿旍斿斻旚斿斾旙斿旑旙旈旚旈旜斿旝斸旜斿旍斿旑旂旚旇旜斸旘旈斸斺旍斿旙旙旇旓旝旚旇斿斺斿旙旚旈斾斿旑旚旈旀旈斻斸旚旈旓旑旘斿旙旛旍旚旙棳旘斿旙旔斿斻旚旈旜斿旍旟棶斊旓旘斿斸斻旇斻旓旀斿斿斺斿斸旑斻旛旍旚旈旜斸旘棳旚旇斿旙斿旑旙旈旚旈旜旈旚旟棳旔旘斿斻旈旙旈旓旑斸旑斾旙旔斿斻旈旀旈斻旈旚旟旓旀斉斕斖旐旓斾斿旍旙斺斸旙斿斾旓旑旀旛旍旙旔斿斻旚旘斸斸旑斾旚旇斿旙斿旑旙旈旚旈旜斿旝斸旜斿灢旍斿旑旂旚旇旙斸旘斿斸旍旓旜斿旘椆棾棶椀棩旈旑斺旓旚旇旚旇斿斻斸旍旈斺旘斸旚旈旓旑旙斿旚斸旑斾旚旇斿旔旘斿斾旈斻旚旈旓旑旙斿旚棶斏旚斻旓旑斻旍旛斾斿旙旚旇斸旚斆旇旈旑斿旙斿斾旓旐斿旙旚旈斻斻旓旀斿斿斺斿斸旑旙斻旓旛旍斾斺斿旈斾斿旑旚旈旀旈斿斾斺旟旑斿斸旘灢旈旑旀旘斸旘斿斾旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂斻旓旐斺旈旑斿斾旝旈旚旇斾旈旙灢斻旘旈旐旈旑斸旑旚旐旓斾斿旍旙旘斸旔旈斾旍旟棶斢斿旍斿斻旚旈旑旂旚旇斿旙斿旑旙旈旚旈旜斿旝斸旜斿旍斿旑旂旚旇旙旘斿斾旛斻斿旙旜斸旘旈斸斺旍斿旙棳斺旛旚旚旇斿旈斾斿旑旚旈旀旈斻斸旚旈旓旑斿旀斿斻旚旈旙旚旇斿旙斸旐斿斸旙旚旇斸旚旓旀旚旇斿旀旛旍旙旔斿斻旚旘斸棶斔斿旟旝旓旘斾旙椇旑斿斸旘灢旈旑旀旘斸旘斿斾旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂椈斻旓旀斿斿斺斿斸旑椈旑旓旑灢斾斿旙旚旘旛斻旚旈旜斿旈斾斿旑旚旈旀旈斻斸旚旈旓旑椈斾旈旙斻旘旈旐旈灢旑斸旑旚斸旑斸旍旟旙旈旙旐旓斾斿旍椈斿旞旚旘斿旐斿旍斿斸旘旑旈旑旂旐斸斻旇旈旑斿 棻暋引暋言 暋暋咖啡豆是制作咖啡的原材料棳由咖啡生豆烘焙而成暎不同品种的咖啡豆棳其外观色泽暍气味以椲棻椵及内部化学成分存在很大差异暎咖啡豆种类按颗粒大小主要分为小粒咖啡棬斄旘斸斺旈斻斸斻旓旀斿斿棭暍中粒咖啡棬斠旓斺旛旙旚斸斻旓旀斿斿棭和大粒咖啡棬斕旈斺斿旘旈斻斸斻旓旀斿斿棭暎我国主要种植小粒咖啡和中粒咖啡棳分布于云南省和海南省暎咖啡豆品种对咖啡品质的影响很大暎一般地棳人们通过观察豆的外观暍色泽等棳或利用化学方法来检测咖啡豆品质的变化暎曾凡逵等以云南斄旘斸斺旈斻斸咖啡暍兴隆斠旓斺旛旙旚斸咖啡和越南斠旓斺旛旙旚斸咖啡为原料棳通过气相色谱灢质 谱联用仪棬斍斸旙斆旇旘旓旐斸旚旓旂旘斸旔旇灢斖斸旙旙斢旔斿斻旚旘旓旐斿灢旚斿旘灢斻旓旐旔旛旚斿旘棳斍斆棷斖斢棭分析了生咖啡及不同烘焙程度咖啡的脂肪酸含量棳根据总脂肪和脂肪酸椲棽椵含量的差异来区分咖啡暎斢斿旐旐斿旍旘旓斻旇等运用稳定同位素稀释法分析了棻棿种由斄旘斸斺旈斻斸咖啡豆和斠旓斺旛旙旚斸咖啡豆制成的咖啡中的芳香提取椲棾椵物棳以鉴别咖啡豆品种暎这些方法存在评价标椲棿椵准不统一棳检测时间长且成本高等缺点暎因此棳需要研究一种能够快速鉴别咖啡豆品种的无损检测方法暎近红外光谱分析技术是一种速度快暍操作简便暍成本较低的无损检测方法棳广泛用于分类判别椲椀灢椂椵和品质评价研究棳在咖啡分类判别中也有应用暎王艳艳等利用可见灢近红外光谱技术对市场上雀巢暍麦斯威尔和帕拉棾种品牌的咖啡品种进椲椃椵行了鉴别暎斏旜斸旑旈旘斸等结合反相高效液相色谱法和近红外光谱法棳对传统的咖啡豆品种波旁和椲椄椵其他棾种转基因咖啡豆品种进行了区分暎斉旙灢旚斿斺斸旑灢斈旈斿旡等采用近红外光谱技术实现了对斄旘斸灢 椲椆灢棻棸椵斺旈斻斸暍斠旓斺旛旙旚斸咖啡以及二者混合品的鉴别暎斈旓旝旑斿旟等采用近红外光谱与中红外光谱实现了椲棻棻椵对斄旘斸斺旈斻斸和斠旓斺旛旙旚斸咖啡的区分暎斢斸旑旚旓旙椲棻棽椵等实现了对巴西咖啡的近红外光谱分析暎斖旟旍斿旙等应用近红外光谱技术实现了对斄旘斸斺旈斻斸椲棻棾椵和斠旓斺旛旙旚斸咖啡的区分暎近年来棳高光谱成像技术发展迅速棳该技术将光谱检测和图像检测的优势合为一体棳再结合化学计量方法有效而全面地分析光谱信息棳不仅降低了数据计算量棳而且提高了模型判别的准确率棳椲棻棿椵椲棻椀椵目前已广泛用于农业暍食品等领域暎不过国内外尚未有人采用近红外高光谱成像技术对咖啡豆进行分类棳因此本文研究了采用近红外高光谱成像技术对国产咖啡豆品种鉴别的可行性暎 棽暋材料与方法 棽棶棻暋材料实验所用的咖啡豆主要采用我国种植的中粒咖啡和小粒咖啡暎中粒咖啡豆采用海南的福山咖啡和兴隆咖啡棳小粒咖啡豆采用云南的卡蒂莫小粒咖啡豆和铁毕卡小粒咖啡豆棳棿种咖啡均采用中度烘焙暎从所收集的棿种样本原料中分别挑选出椂棸棸粒颗粒完整的咖啡豆作为试验样本暎将每粒咖啡豆擦拭干净棳依次排列在平板上棳并用高光谱成像仪进行扫描暎棽棶棽暋高光谱图像采集本次实验在黑暗密闭的暗箱中进行棳采用芬兰斢旔斿斻旚旘斸旍斏旐斸旂旈旑旂公司生产的斘棻椃斉灢斞斉光谱仪和型号为斚斕斉斢棽棽的斆灢旐旓旛旑旚成像镜头采集咖啡豆的高光谱图像信息棳图像分辨率为棾棽棸旔旈旞斿旍暳棽椀椂旔旈旞斿旍棳采用美国斈旓旍斸旑斒斿旑旑斿旘斏旑斾旛旙灢旚旘旈斿旙公司生产的斊旈斺斿旘灢斕旈旚斿斈斆椆椀棸为线光源暎在

3 第棽期 暋暋暋何暋勇棳等椇近红外高光谱成像技术快速鉴别国产咖啡豆品种 棾椀棻 仪器校正后棳将试验样本放在由台湾五铃光学股份有限公司生产的电控位移平台上棳由配套计算机控制整个实验过程棳并保存实验数据暎 实现棳而其它分类算法在斖斸旚旍斸斺斠棽棸棸椆斺软件上进行暎判别分析模型以准确率暍命中率暍否定率为评椲棽棿椵价指标暎其中棳准确率旑表示通过判别模型将类样本正确归为类的概率椈命中率旔表示判别模型只将类样本归为类的能力椈否定率 旔表示判别模型将不属于属于类的能力暎 类的样本归属为不 棾暋实验结果与分析 图棻暋高光谱成像系统斊旈旂棶棻暋斎旟旔斿旘灢旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂旙旟旙旚斿旐 对咖啡豆的光谱信息采集前棳必须调节高光谱成像仪的相机曝光时间暍移动控制平台的移动速度和物镜高度棳以避免采集的图像变形失真或模糊不清暎经过反复尝试棳物镜高度设置为棻椃棶椆斻旐棳曝光时间设置为棾椀棸棸毺旙棳平台移动速度设置为棻棾棶椄旐旐棷旙暎通过高光谱成像系统的采集软件采集咖啡豆的光谱图像信息棳然后对采集的光谱图像信息进行图像校正暎图像校正公式为椇 棴椊棳棬棻棭棴其中椇是校正过的图像棳是原始图像棳是白板校正图像棳是黑板校正图像暎图像校正后棳运用斉斘斨斏棿棶椂软件提取高光谱图像中样本的光谱信息暎选取整颗咖啡豆为感兴趣区域棬斠斿旂旈旓旑旓旀斏旑旚斿旘斿旙旚棳斠斚斏棭棳将斠斚斏内所有光谱信息的平均值作为对应样本的光谱值暎棽棶棾暋化学计量学方法光谱数据分析是在全谱波长和通过连续投影算法棬斢旛斻斻斿旙旙旈旜斿斝旘旓旉斿斻旚旈旓旑旙斄旍旂旓旘旈旚旇旐棳斢斝斄棭选择特征波长后的波段范围内棳分别建立偏最小二乘判别分析棬斝斸旘旚旈斸旍斕斿斸旙旚斢旕旛斸旘斿灢斈旈旙斻旘旈旐旈旑斸旑旚椲棻椂灢棻椃椵斄旑斸旍旟旙旈旙棳斝斕斢灢斈斄棭暍斠斊模型棬斠斸旑斾旓旐斊旓旘灢椲棻椄椵斿旙旚棳斠斊棭暍斔最邻近算法棬斔灢斘斿斸旘斿旙旚斘斿旈旂旇斺旓旘椲棻椆椵斄旍旂旓旘旈旚旇旐棳斔斘斘棭暍支持向量机棬斢旛旔旔旓旘旚斨斿斻灢椲棽棸灢棽棽椵旚旓旘斖斸斻旇旈旑斿棳斢斨斖棭和极限学习机棬斉旞旚旘斿旐斿椲棽棾椵斕斿斸旘旑旈旑旂斖斸斻旇旈旑斿棳斉斕斖棭等椀种判别分析模型暎其中棳斝斕斢灢斈斄算法在斦旑旙斻旘斸旐斺旍斿旘棻棸棶棻上 棾棶棻暋咖啡豆的光谱本次实验中棳每个品种分别选取椂棸棸颗咖啡豆棳共提取棽棿棸棸颗咖啡豆的棽椀椂个光谱波段信息棳去除首尾明显噪声棳选择第棻椂暙棽棿棸波段进行分析棳获取椆棽椀暙棻椂椄棸旑旐波段的光谱信息暎将样本按照棽暶棻的比例用斔斿旑旑斸旘斾灢斢旚旓旑斿棬斔灢斢棭算法划分为建模集和预测集棳不同品种咖啡豆的赋值以及建模集和预测集样本的划分如表棻所示暎图棽所示为建模集中每个品种棿棸棸颗咖啡豆的平均光谱曲线棳棿个品种的咖啡豆光谱曲线的趋势一致棳差异性不大暎 表棻暋咖啡豆样本的建模集和预测集区分以及品种赋值斣斸斺棶棻暋斈旈旜旈旙旈旓旑旓旀斻旓旀斿斿斺斿斸旑旙斸旐旔旍斿旙斸旑斾旙斸旐旔旍斿斻旓斾旈旑旂 样本种类 类别赋值 样本总数 建模集 预测集 云南铁皮卡小粒咖啡豆 棻 椂棸棸 棿棸棸 棽棸棸 云南卡蒂莫小粒咖啡豆 棽 椂棸棸 棿棸棸 棽棸棸 海南福山中粒咖啡豆 棾 椂棸棸 棿棸棸 棽棸棸 海南兴隆中粒咖啡豆 棿 椂棸棸 棿棸棸 棽棸棸 图棽暋咖啡豆建模集样本光谱图斊旈旂棶棽暋斠斿旀旍斿斻旚斸旑斻斿旙旔斿斻旚旘斸旓旀斻旓旀斿斿斺斿斸旑旐旓斾斿旍旈旑旂旙斿旚旙斸旐旔旍斿旙

4 棾椀棽暋暋暋暋暋光学暋精密工程暋暋暋暋暋第棽棾卷暋 棾棶棽暋基于全谱数据的咖啡豆品种识别模型为建立不同品种的咖啡豆光谱曲线与咖啡豆品种之间的关系棳分别建立了基于全谱数据的斝斕斢灢斈斄暍斔斘斘暍斠斊暍斢斨斖和斉斕斖模型棳并运用准确率旑暍命中率旘和否定率旔棾个参数分析判别结果棳具体数据如表棽所示暎表棽暋基于全谱数据建立识别模型的判别结果斣斸斺棶棽暋斏旑斾斿旑旚旈旀旈斿斾旘斿旙旛旍旚旙旓旀斾旈旀斿旘斿旑旚斻旍斸旙旙旈旀旈斻斸旚旈旓旑旐旓斾斿旍旙旛旙旈旑旂旘斸旝旀旛旍旙旔斿斻旚旘斸旔旘斿旔旘旓斻斿旙旙斿斾棬棩棭暋暋暋建模集暋暋暋暋暋暋预测集暋暋暋 旑旘旔旑旘旔 斝斕斢灢斈斄棻 椄椄棶椀椆椃棶椃椆椆椂棶椄棾 椆棽椆椄棶椆棽椆椄棶棾棾 棽 椄椂棶椀椃棻棶椆棾椄椂棶棸椄 椄棿椃棻棶棿椆椄椃棶椀棸 棾椃椂棶棽椀椃椆棶棸棽椆棸棶椀棸 椃棿椃椃棶椄椆椆棻棶椂椃 棿椄棾棶椃椀椆椆棶棻棻椆椆棶棿棽 椆棸椆椆棶棿椀椆椆棶椄棾 斔斘斘棻 椆棿椆椃棶椃椆椄棿棶棿棽 椆椀棶椀椂棸棶椆椄椄椃棶椄棾 棽 椀椂椃棻棶椆棾椆棿棶棻椃 椂棻棶椀 椄棽 椆椀棶椀 棾椂椄棶棽椀椃椆棶棸棽 椆棿 椄棾椄椆棶棽椀椆椂棶椂椃 棿椆椃棶棽椀椆椆棶棻棻椆椆棶棿棽 椆椆棶椀 椆椆棶椀椆椆棶椄棾 斠斊 棻 棻棸棸 棻棸棸 棻棸棸 椆椃椄椆棶棿棸椆椂棶棻椃 棽 棻棸棸 棻棸棸 棻棸棸 椃椀椆棻棶棿椂椆椃棶椂椃 棾 棻棸棸 棻棸棸 棻棸棸 椆棾椄椀棶棾棽 椆棿棶椀 斢斨斖 棻椆椆棶棽椀椆椆棶棽椀椆椆棶椃椀 棻棸棸椄椆棶棿棸 棻棸棸 棽 椆棿棶椀椆椀棶椃棸椆椄棶椀椄 椆棽椆椃棶棾椀椆椆棶棻椃 棾椆椂棶棽椀椆椀棶棸椂椆椄棶棾棾 椆椃棶椀椆棽棶棿棽椆椃棶棾棾 斉斕斖 棻 椆棿 棻棸棸 棻棸棸 椆椆 棻棸棸 棻棸棸 棽椆椆棶椃椀椆椆棶棽椀椆椆棶椃椀 椆椃椆椆棶棿椆椆椆棶椄棾 棾椆椆棶棽椀椆椆棶椃椀椆椆棶椆棽 椆椆棶椀椆椃棶棸椃椆椆棶棾棾 斝斕斢灢斈斄模型的隐含变量数为椆棳斢斨斖采用 网格搜索法确定最佳模型参数棬椊棽椀椂棳椊 棸棶棸棾椀椆棭棳斉斕斖采用逐步选择法确定的模型隐含 层节点数为棾椆椂暎椀种判别模型中棳斉斕斖判别分 析模型的识别效果最好棳旑棳旘和 旔普遍高于 椆椃棩棳而品种棿的 旑棳旘和 旔均达到了棻棸棸棩棳 表示斉斕斖模型能准确分类咖啡豆棳且准确率可 达棻棸棸棩暎判别效果较好的是斢斨斖模型棳所有品 种的 旑棳旘和 旔均在椄椆棶棿棩以上暎斠斊模型暍 斝斕斢灢斈斄模型和斔斘斘模型的预测效果依次下 降棳它们对品种棻棳棿的预测效果优于对品种棽棳棾 的预测暎斔斘斘模型下棳品种棽的预测集旑最低棳只有椂棻棶椀棩棳基本不能判别品种棽暎从整体上看棳 基于全谱数据的各种识别模型对品种棽棳棾的识别准确率低于品种棻棳棿的识别准确率棳这可能与品种自身的内外部品质与其它品种相近有关暎棾棶棾暋基于特征波段选择建立咖啡豆品种识别模型为简化模型棳减少计算量棳选择斢斝斄对原始光谱数据进行特征波长选择暎斢斝斄是一种常用的变量选择算法棳用于在样本数量大的前提下筛椲棽椀椵选光谱的特征波长暎将斢斝斄选择特征波长个数设置为椀暙棾棸棳得出最优的波长个数为棻棿个棬如图棾所示棳分别是椆棿棻棳椆椀棽棳椆椃棽棳棻棸棾棽棳棻棸椆椆棳棻棻棸椂棳棻棽棻棿棳棻棾椀棽棳棻棾椄椂棳棻棿棻棾棳棻椀棻棻棳棻椂棾棽棳棻椂椀椂和棻椂椂棽旑旐棭暎棻棽棻棿旑旐与斆灢斎二级倍频有关棳棻棾椀棽旑旐与斆灢斎组合键的一级倍频有关棳棻棿棻棾旑旐与斚灢斎的一级倍频有关棳棻椂椂棽旑旐与 椲棽椂椵斆灢斎的一级倍频有关暎与全波段光谱分析 棽棽椀个波长数相比棳由斢斝斄选出的波长数缩减为原来的椂棶棽棽棩暎由图棾可知棳利用斢斝斄算法选择的特征波段主要集中在椆棿棸暙棻椂椃棸旑旐棳光谱变量的减少降低了校正模型的复杂度暎 图棾暋咖啡豆经过斢斝斄特征波长选择后的样本光谱图斊旈旂棶棾暋斠斿旀旍斿斻旚斸旑斻斿旙旔斿斻旚旘斸旓旀斻旓旀斿斿斺斿斸旑旙斸旀旚斿旘斢斝斄斻旇斸旘斸斻旚斿旘旈旙旚旈斻旙旓旀旝斸旜斿旍斿旑旂旚旇旙斿旍斿斻旚旈旓旑 基于特征波长建立的判别分析模型的判别效果如表棾所示暎斝斕斢灢斈斄模型的隐含变量数为椃棳斢斨斖参数为椊棽椀椂棳椊棻棳斉斕斖模型隐含层节点数为棿棽棻暎椀种判别模型中棳斉斕斖模型和斢斨斖模型的识别效果最好棳棿个品种的准确率 旑棳旘和旔均在椆棸棩以上暎斠斊模型的预测效果稍差棳体现为对品种棽的预测效果差棳其余品种的旑棳旘和旔均超过椄椃棩暎斝斕斢灢斈斄模型和斔斘斘模型的预测效果较差暎棾棶棿暋基于全谱与特征波段的判别分析模型比较基于全谱与基于特征波段的斉斕斖判别模型

5 第棽期 暋暋暋何暋勇棳等椇近红外高光谱成像技术快速鉴别国产咖啡豆品种 棾椀棾 对品种棻和品种棿的识别效果最好棳优于对品种棽和品种棾的识别暎在椀种模型中棳基于全谱建立的斉斕斖模型的识别率较高暎而基于特征波段的斉斕斖模型和基于全谱波段的识别效果相似暎其次棳判别效果较好的是斢斨斖模型暎基于全谱与基于特征波段的斢斨斖模型对品种棿的识别效果最明显棳而基于特征波段的斢斨斖模型效果对品种棻的识别更明显暎基于全谱波段和基于特征波段的斠斊模型对棿种咖啡豆的判别效果相近棳对品种棻棳棿的预测效果较好棳对品种棽棳棾的预测效果稍逊棳但仍能识别品种棽和品种棾暎基于特征波段的斔斘斘识别模型对品种棿的识别效果最明显棳但对品种棻棳品种棽和品种棾的识别效果与基于全谱波段的识别效果相近棳均能识别暎针对品种棾的识别棳基于特征波段的斝斕斢灢斈斄模型判别效果优于基于全谱的斝斕斢灢斈斄模型暎对品种棻暍品种棽和品种棿的识别棳基于全谱的斝斕斢灢斈斄模型的识别效果优于基于特征波段的斝斕斢灢斈斄模型暎通过比较棳斉斕斖模型取得了最优的识别效果棳基于全谱和特征波段棳斉斕斖模型对咖啡豆品种的旑棳旘和旔均在椆棾棶椀棩以上棳表明利用高光谱图像技术结合判别分析模型能识别咖啡豆种类暎对比可知棳本文方法与采用近红外光谱技术椲椄灢棻棾椵的鉴别结果相近暎基于全谱与基于特征波段的判别分析模型的判别效果相似棳表明特征波段的选择能有效地代表原始样本的信息棳减少了冗余变量棳降低了模型的复杂程度和计算量暎斉斕斖模型与斢斨斖模型的判别效果较优棳这是由于二者对线性与非线性数据都具有较好的处理效果和较强的泛化能力暎基于全谱和基于特征波段建立的模型棳对品种棽和品种棾的识别效果比对品种棻和品种棿的差棳可能与实验样品特性有关暎由于品种棻和品种棿的产地与品种都不同棳品种棻为云南小粒种棳品种棿为海南中粒种棳其内外品质均有差异棳因此它们的识别效果较好暎品种棻和品种棽均属于小粒种棳两者相似度大棳分辨难度大暎品种棽咖啡是品种棻咖啡基因的改良品种棳与品种棻咖啡具有相似基因棳因此品种棻棳棽间难以分辨暎品种棾海南福山咖啡和品种棿海南兴隆咖啡都属于中粒咖啡棳种植环境相似棳其内外部品质有一定的相似性棳因此利用光谱信息进行区分有一定难度暎 表棾暋基于斢斝斄特征波段选择建立识别模型的判别结果斣斸斺棶棾暋斠斿旙旛旍旚旙旓旀斾旈旀斿旘斿旑旚斻旍斸旙旙旈旀旈斻斸旚旈旓旑旐旓斾斿旍旙旛旙旈旑旂斢斝斄旙旔斿斻旚旘斸旔旘斿旔旘旓斻斿旙旙斿斾棬棩棭暋暋暋建模集暋暋暋暋暋暋预测集暋暋暋 旑旘旔旑旘旔 斝斕斢灢斈斄棻椄椂棶椃椀椆棿棶棽椆椆椄棶棽椀 椄椂 椆椃棶棻椄椆椆棶棻椃 棽椄棿棶椃椀椃棸棶棿椄椄椄棶棻椃 椄棸 椃棻棶棿棾椄椆棶棾棾 棾椃椂棶椀椄棿棶椀棾椆椀棶棾棾 椄棸 椄棸棶椄棻椆棾棶椂椃 棿 椆棸棶椀椆椄棶椆棻椆椆棶椂椃 椄椂 椆椃棶椆椃椆椆棶棾棾 斔斘斘棻椃棻棶棽椆椃棻棶棽椆椄椃棶棿棽 椆椀 椃棿棶椄椄椆棶棾棾 棽椄棽棶椀棾椄棽棶椀棾椆椀棶棻椃 椂椃 椃椆棶椃椂椆棿棶棾棾 棾椄椀棶棻椃椄椀棶棻椃椆椀棶椃椀 椃椆 椄椄棶椃椂椆椂棶椂椃 棿 椆椆棶椀 椆椆棶椀椆椆棶椄棾 棻棸棸 棻棸棸 棻棸棸 斠斊 棻 棻棸棸 棻棸棸 棻棸棸 椆椃 椄椃棶棾椆椆椀棶棾棾 棽 棻棸棸 棻棸棸 棻棸棸椃椂棶椀 椄椃棶棿棾椆椂棶棾棾 棾 棻棸棸 棻棸棸 棻棸棸椄椄棶椀 椄椃棶棻椆椆椀棶椂椃 斢斨斖 棻椆椄棶椃椀椆椄棶棸棻椆椆棶棾棾 棻棸棸 椆椆椆椆棶椂椃 棽 椆棽棶椀椆椀棶椂棻椆椄棶椀椄 椆棿 椆椂棶椆棻 椆椆 棾椆椂棶椃椀椆棿棶棾椆椆椄棶棸椄 椆椃 椆棸棶椂椀椆椂棶椂椃 斉斕斖 棻 棻棸棸椆椆棶椃椀椆椆棶椆棽 椆椆 椆椆棶椀椆椆棶椄棾 棽 椆椄椆椄棶椆椆椆椆棶椂椃椆棾棶椀 椆椂棶椄椆 椆椆 棾 椆椆椆椄棶棽椂椆椆棶棿棽椆椂棶椀 椆棾棶椂椆椆椃棶椄棾 棿暋结暋论 暋暋本文利用高光谱成像技术结合建立不同的判别分析模型棳实现了对中国产咖啡品种的鉴别暎通过高光谱成像仪提取椄椃棿暙棻椃棾棿旑旐波段的棽椀椂个波段光谱信息棳并选取椆棽椀暙棻椂椄棸旑旐波段的光谱数据进行分析暎基于原始光谱采用斢斝斄算法选择了棻棿个特征波长棳分别基于全谱和特征波长建立了斝斕斢灢斈斄暍斔斘斘暍斠斊暍斢斨斖和斉斕斖椀种判别分析模型棳取得了比较理想的识别效果暎通过比较分析棳基于全谱与特征波段的斉斕斖模型的判别效果最好棳建模集和预测集的准确率棬旑棭棳命中率棬旘棭和否定率棬旔棭棾个参数值均在椆棾棶椀棩以上暎斢斨斖暍斠斊暍斔斘斘以及斝斕斢灢斈斄模型的效果依次变差暎尽管判别分析的效果较好棳但由于咖啡豆的品种来源暍产地等因素会对判别分析造成影响棳可能造成错判暎研究结果表明棳基于近红外高光谱成像技术结合判别分析的方法可以实现对国产咖啡豆品种的识

6 棾椀棿暋暋暋暋暋光学暋精密工程暋暋暋暋暋第棽棾卷暋 别棳特征波长的选择大大减少了变量数棳且判别效 果与全谱相当暎 参考文献椇椲棻椵暋胡荣锁棳初众棳谷风林棳等棶海南主要地域生咖啡豆挥发性化学成分对比研究椲斒椵棶光谱学与光谱分析棳棽棸棻棾棳棾棾棬棽棭椇椀棿椄灢椀椀棾棶斎斦斠斢棳斆斎斦斱斎棳斍斦斊斕棳棶棶斆旓旐旔斸旘旈旙旓旑旓旀旂旘斿斿旑斻旓旀斿斿斺斿斸旑旙旜旓旍斸旚旈旍斿旙斻旇斿旐旈斻斸旍斻旓旐旔旓旙旈旚旈旓旑旓旀斎斸旈旑斸旑旐斸旈旑斸旘斿斸椲斒椵棶棳棽棸棻棾棳棾棾棬棽棭椇椀棿椄灢椀椀棾棶棬旈旑斆旇旈旑斿旙斿棭椲棽椵暋曾凡逵棳刘爱琴棳谭乐和棳等棶棾个不同产地咖啡脂肪酸组成比较椲斒椵棶热带作物学报棳棽棸棻棻棳棾棽棬椄棭椇棻棿椂棸灢棻棿椂棾棶斱斉斘斍斊斔棳斕斏斦斄斞棳斣斄斘斕斎棳棶棶斊斸旚旟斸斻旈斾斻旓旐旔旓旙旈旚旈旓旑旓旀斻旓旀斿斿旓旈旍旀旘旓旐旚旇旘斿斿斾旈旀斿旘斿旑旚旓旘旈旂旈旑旙椲斒椵棶棳棽棸棻棻棳棾棽棬椄棭椇棻棿椂棸灢棻棿椂棾棶棬旈旑斆旇旈旑斿旙斿棭椲棾椵暋斢斉斖斖斉斕斠斚斆斎斝棳斕斄斢斔斄斪斮斍棳斅斕斄斘斔斏棳棶棶斈斿旚斿旘旐旈旑斸旚旈旓旑旓旀旔旓旚斿旑旚旓斾旓旛旘斸旑旚旙旈旑旘旓斸旙旚斿斾斻旓旀斿斿斺旟旙旚斸斺旍斿旈旙旓旚旓旔斿斾旈旍旛旚旈旓旑斸旙旙斸旟旙椲斒椵棶棳棻椆椆椀棳棻棸椇棻椃棶椲棿椵暋詹家芬棳陆舍铭棳曲国福棳等棶老挝咖啡的挥发性和半挥发性成分提取分析椲斒椵棶食品研究与开发棳棽棸棸椄棳棽椆棬棽棭椇棻棽椀灢棻棽椆棶斱斎斄斘斒斊棳斕斦斢斎斖棳斞斦斍斊棳棶棶斄旑斸旍旟旙旈旙旓旑旜旓旍斸旚旈旍斿斸旑斾旙斿旐旈灢旜旓旍斸旚旈斿斻旓旐旔旓旑斿旑旚旙旓旀斕斸旓旙棫斻旓旀灢旀斿斿椲斒椵棶棳棽棸棸椄棳棽椆棬棽棭椇棻棽椀灢棻棽椆棶棬旈旑斆旇旈旑斿旙斿棭椲椀椵暋刘燕德棳周延睿棳彭彦颖棶基于近红外漫反射光谱检测鸡蛋品质椲斒椵棶光学精密工程棳棽棸棻棾棳棽棻棬棻棭椇棿棸灢棿椀棶斕斏斦斮斈棳斱斎斚斦斮斠棳斝斉斘斍斮斮棶斈斿旚斿斻旚旈旓旑旓旀斿旂旂旕旛斸旍旈旚旟斺旟旑斿斸旘旈旑旀旘斸旘斿斾斾旈旀旛旙斿旘斿旀旍斿斻旚斸旑斻斿旙旔斿斻灢旚旘旓旙斻旓旔旟椲斒椵棶棶棶棳棽棸棻棾棳棽棻棬棻棭椇棿棸灢棿椀棶棬旈旑斆旇旈旑斿旙斿棭椲椂椵暋杜敏棳巩颖棳林兆洲棳等棶样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地椲斒椵棶光谱学与光谱分析棳棽棸棻棾棳棾棽棬椀棭椇棻棽棻棻灢棻棽棻棿棶斈斦斖棳斍斚斘斍斮棳斕斏斘斱斎斱斎棳棶棶斠斸旔旈斾旈灢斾斿旑旚旈旀旈斻斸旚旈旓旑旓旀旝旓旍旀斺斿旘旘旟旀旘旛旈旚旓旀斾旈旀斿旘斿旑旚旂斿旓灢旂旘斸旔旇旈斻旘斿旂旈旓旑旙旝旈旚旇旙斸旐旔旍斿旙旛旘旀斸斻斿旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘斸斻旓旐斺旈旑斿斾旝旈旚旇旐旛旍旚旈灢斻旍斸旙旙斢斨斖椲斒椵棶棳棽棸棻棾棳棾棽棬椀棭椇棻棽棻棻灢棻棽棻棿棶棬旈旑斆旇旈旑斿旙斿棭椲椃椵暋王艳艳棳何勇棳邵永妮棳等棶基于可见灢近红外光谱的咖啡品牌鉴别研究椲斒椵棶光谱学与光谱分析棳棽棸棸椃棳棽椃棬棿棭椇椃棸棽灢椃棸椂棶 斪斄斘斍斮斮棳斎斉斮棳斢斎斮斘棳棶棶斈旈旙斻旘旈旐旈旑斸灢旚旈旓旑斸旐旓旑旂斾旈旀斿旘斿旑旚斺旘斸旑斾旙旓旀斻旓旀斿斿斺旟旛旙旈旑旂旜旈旙灢旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘斸椲斒椵棶棳棽棸棸椃棳棽椃棬棿棭椇椃棸棽灢椃棸椂棶棬旈旑斆旇旈旑斿旙斿棭椲椄椵暋斏斨斄斘斏斠斄斖棳斏斉斈斄斢斢棶斆旇斿旐旓旐斿旚旘旈斻斾旈旙斻旘旈旐旈旑斸灢旚旈旓旑旓旀旂斿旑斿旚旈斻斸旍旟旐旓斾旈旀旈斿斾斻旓旀斿斸斸旘斸斺旈斻斸斻旛旍旚旈旜斸旘旙旛旙旈旑旂旙旔斿斻旚旘旓旙斻旓旔旈斻斸旑斾斻旇旘旓旐斸旚旓旂旘斸旔旇旈斻旀旈旑旂斿旘灢 旔旘旈旑旚旙椲斒椵棶棳棽棸棻棾棳棻棸椃椇棿棻椂棿棽棽棶椲椆椵暋斉斢斣斉斅斄斘灢斈斏斉斱斏棳斍斚斘斱斄斕斉斱灢斢斄斏斱斒斖棳斝斏斱斄斠灢斠斚斆棶斄旑斿旜斸旍旛斸旚旈旓旑旓旀旓旘旚旇旓旂旓旑斸旍旙旈旂旑斸旍斻旓旘斿斻旚旈旓旑旐斿旚旇旓斾旙旀旓旘旚旇斿斻旇斸旘斸斻旚斿旘旈旙斸旚旈旓旑旓旀斸旘斸斺旈斻斸斸旑斾旘旓斺旛旙旚斸 斻旓旀斿斿旜斸旘旈斿旚旈斿旙斺旟斘斏斠斢椲斒椵棶棳棽棸棸棿棳椀棻棿棬棻棭椇椀椃椂椃棶椲棻棸椵暋斉斢斣斉斅斄斘灢斈斏斉斱斏棳斍斚斘斱斄斕斉斱灢斢斄斏斱斒斖棳斢斄斉斘斱灢 斍斚斘斱斄斕斉斱斆棳棶棶斆旓旀斿斿旜斸旘旈斿旚斸旍斾旈旀斿旘斿旑旚旈斸旚旈旓旑斺斸旙斿斾旓旑旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旟椲斒椵棶棳棽棸棸椃棳椃棻棬棻棭椇棽棽棻棽棽椆棶椲棻棻椵暋斈斚斪斘斉斮斍棳斅斠斏斄斘斈斉斣斠棳斪斏斕斢斚斘斠斎棳棶棶斘斿斸旘灢斸旑斾旐旈斾灢旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旈斿旙旈旑旀旓旓斾斸旛旚旇斿旑旚旈斻斸旚旈旓旑椇斻旓旀斿斿旜斸旘旈斿旚斸旍旈斾斿旑旚旈旀旈斻斸旚旈旓旑椲斒椵棶棳棻椆椆椃棳棿椀棬棻棻棭椇棿棾椀椃棿棾椂棻棶椲棻棽椵暋斢斄斘斣斚斢斔斖棳斖斚斦斠斄斖斊斨棳斄斱斉斨斉斈斚斊斍棳棶棶斆旍斸旙旙旈旀旈斻斸旚旈旓旑旓旀斅旘斸旡旈旍旈斸旑斻旓旀斿斿旛旙旈旑旂旑斿斸旘灢旈旑灢旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旟斸旑斾旐旛旍旚旈旜斸旘旈斸旚斿斻斸旍旈斺旘斸旚旈旓旑椲斒椵棶棳棽棸棻棽棳棿椀棬椃棭椇椃椃棿椃椄棻棶椲棻棾椵暋斖斮斕斉斢斄斒棳斱斏斖斖斉斠斖斄斘斣斄棳斅斠斚斪斘斢斈棶斣旘斸旑旙旀斿旘旓旀旐旛旍旚旈旜斸旘旈斸旚斿斻旍斸旙旙旈旀旈斻斸旚旈旓旑旐旓斾斿旍旙斺斿灢旚旝斿斿旑旍斸斺旓旘斸旚旓旘旟斸旑斾旔旘旓斻斿旙旙旑斿斸旘灢旈旑旀旘斸旘斿斾旙旔斿斻灢旚旘旓旐斿旚斿旘旙旀旓旘旚旇斿斾旈旙斻旘旈旐旈旑斸旚旈旓旑旓旀旂旘斿斿旑斄旘斸斺旈斻斸斸旑斾斠旓斺旛旙旚斸斻旓旀斿斿斺斿斸旑旙椲斒椵棶棳棽棸棸椂棳椂棸棬棻棸棭椇棻棻椆椄棻棽棸棾棶 椲棻棿椵暋斔斚斘斍斪棳斕斏斦斊棳斱斎斄斘斍斆棳棶棶斊斸旙旚斾斿旚斿斻灢旚旈旓旑旓旀旔斿旘旓旞旈斾斸旙斿棬斝斚斈棭斸斻旚旈旜旈旚旟旈旑旚旓旐斸旚旓旍斿斸旜斿旙旝旇旈斻旇旈旑旀斿斻旚斿斾旝旈旚旇斅旓旚旘旟旚旈旙斻旈旑斿旘斿斸旛旙旈旑旂旇旟旔斿旘灢 旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂椲斒椵棶椇棳棽棸棻棿棳棻棻椄椇棿椆椄椀棸棽棶椲棻椀椵暋斬斏斚斘斍斱斒棳斢斦斖斈斪棳斱斉斘斍斬斄棳棶棶斠斿灢斻斿旑旚斾斿旜斿旍旓旔旐斿旑旚旙旓旀旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂旙旟旙灢旚斿旐旙斸旑斾旚旇斿旈旘斸旔旔旍旈斻斸旚旈旓旑旙旈旑斾斿旚斿斻旚旈旑旂旕旛斸旍旈旚旟斸旚灢旚旘旈斺旛旚斿旙旓旀旘斿斾旐斿斸旚旙椇斸旘斿旜旈斿旝椲斒椵棶棳棽棸棻棿棳棻棾棽椇棻棻棾棶椲棻椂椵暋周扬棳戴曙光棳葛丁飞棶近红外光谱稀疏分量分析检测柴油品质参数椲斒椵棶光学精密工程棳棽棸棻棿棳棽棽

7 第棽期 暋暋暋何暋勇棳等椇近红外高光谱成像技术快速鉴别国产咖啡豆品种 棾椀椀 棬棽棭椇棽椆椂灢棾棸棾棶斱斎斚斦斮棳斈斄斏斢斎斍棳斍斉斈斊棶斈斿旚斿斻旚旈旓旑旓旀斾旈斿旙斿旍旕旛斸旍旈旚旟旔斸旘斸旐斿旚斿旘旙斺旟旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙灢斻旓旔旟旝旈旚旇旙旔斸旘旙斿斻旓旐旔旓旑斿旑旚斸旑斸旍旟旙旈旙椲斒椵棶棳棽棸棻棿棳棽棽棬棽棭椇棽椆椂灢棾棸棾棶棬旈旑斆旇旈旑斿旙斿棭椲棻椃椵暋斱斎斦斊斕棳斱斎斄斘斍斎斕棳斢斎斄斚斮斘棳棶棶斖斸旔旔旈旑旂旓旀旀斸旚斸旑斾旐旓旈旙旚旛旘斿斾旈旙旚旘旈斺旛旚旈旓旑旈旑斸旚旍斸旑旚旈斻旙斸旍旐旓旑旛旙旈旑旂旑斿斸旘灢旈旑旀旘斸旘斿斾旇旟旔斿旘旙旔斿斻旚旘斸旍旈旐斸旂旈旑旂椲斒椵棶棳棽棸棻棿棳椃椇棻棽棸椄棻棽棻棿棶椲棻椄椵暋斕斉斉斢棳斆斎斚斏斎棳斆斎斄斔棳棶棶斠斸旑斾旓旐旀旓旘斿旙旚斸旙斸旔旓旚斿旑旚旈斸旍旐旛旍旚旈旜斸旘旈斸旚斿旐斿旚旇旓斾旀旓旘旑斿斸旘灢旈旑旀旘斸旘斿斾棬斘斏斠棭旙旔斿斻旚旘旓旙斻旓旔旈斻斸旑斸旍旟旙旈旙旓旀斻旓旐旔旍斿旞旐旈旞旚旛旘斿旙斸旐旔旍斿旙旂斸旙旓旍旈旑斿斸旑斾旑斸旔旇旚旇斸椲斒椵棶棳棽棸棻棾棳棻棻棸椇椃棾椆椃棿椄棶椲棻椆椵暋斱斎斄斘斍斕斍棳斱斎斄斘斍斬棳斘斏斕斒棳棶棶斠斸旔旈斾旈斾斿旑灢旚旈旀旈斻斸旚旈旓旑旓旀斸斾旛旍旚斿旘斸旚斿斾斻旓旝旐旈旍旊斺旟旑旓旑灢旍旈旑斿斸旘旔斸旚斿旘旑旘斿斻旓旂旑旈旚旈旓旑旐斿旚旇旓斾旙斺斸旙斿斾旓旑旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓灢旔旟椲斒椵棶棳棽棸棻棿棳棻棿椀椇棾棿棽棾棿椄棶椲棽棸椵暋斄斕斨斉斢斒斆斕棳斝斚斝斝斏斠斒棶斅旈旓斾旈斿旙斿旍斻旓旑旚斿旑旚斾斿灢旚斿旘旐旈旑斸旚旈旓旑旈旑斾旈斿旙斿旍旀旛斿旍斺旍斿旑斾旙旛旙旈旑旂旑斿斸旘旈旑旀旘斸旘斿斾棬斘斏斠棭旙旔斿斻旚旘旓旙斻旓旔旟斸旑斾旙旛旔旔旓旘旚旜斿斻旚旓旘旐斸斻旇旈旑斿旙棬斢斨斖棭椲斒椵棶棳棽棸棻棾棳棻棸棿椇棻椀椀棻椂棻棶椲棽棻椵暋斕斏斦斊棳斎斉斮棶斈旈旙斻旘旈旐旈旑斸旚旈旓旑旓旀旔旘旓斾旛斻旈旑旂斸旘斿斸旙旓旀斸旛旘旈斻旛旍斸旘旈斸斸旛旘旈斻旛旍斸旛旙旈旑旂旜旈旙旈斺旍斿棷旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旟椲斒椵棶棳棽棸棻棻棳棿棬棾棭椇棾椄椃灢棾椆棿棶椲棽棽椵暋刘燕德棳周延睿棳潘圆媛棶基于最小二乘支持向量 机的辣椒可溶性固形物和维生素斆含量近红外光谱检测椲斒椵棶光学精密工程棳棽棸棻棿棳棽棽棬棽棭椇棽椄棻灢棽椄椄棶斕斏斦斮斈棳斱斎斚斦斮斠棳斝斄斘斮斮棶斈斿旚斿旘旐旈旑斸旚旈旓旑旓旀旙旓旍旛斺旍斿旙旓旍旈斾斻旓旑旚斿旑旚旙斸旑斾旜旈旚斸旐旈旑斆旓旀旀旘斿旙旇旔斿旔旔斿旘旙斺斸旙斿斾旓旑斘斏斠旙旔斿斻旚旘旓旐斿旚旘旟斸旑斾旍斿斸旙旚旙旕旛斸旘斿旙旛旔旔旓旘旚旜斿斻旚旓旘旐斸斻旇旈旑斿旙椲斒椵棶棳棽棸棻棿棳棽棽棬棽棭椇棽椄棻棽椄椄棶棬旈旑斆旇旈旑斿旙斿棭椲棽棾椵暋斔斚斘斍斪斪棳斱斎斄斘斍斆棳斕斏斦斊棳棶棶斏旘旘斸斾旈斸灢旚旈旓旑斾旓旙斿斾斿旚斿斻旚旈旓旑旓旀旈旘旘斸斾旈斸旚斿斾旐旈旍旊旔旓旝斾斿旘旛旙旈旑旂旜旈旙旈斺旍斿斸旑斾旑斿斸旘灢旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旟斸旑斾斻旇斿旐旓灢 旐斿旚旘旈斻旙椲斒椵棶棳棽棸棻棾棳椆椂棬椄棭椇棿椆棽棻棿椆棽椃棶椲棽棿椵暋褚小立棶化学计量学方法与分子光谱分析技术椲斖椵棶北京椇化学工业出版社棳棽棸棻棻棶斱斎斦斬斕棶椲斖椵棶斅斿旈旉旈旑旂椇斆旇斿旐旈斻斸旍斏旑斾旛旙旚旘旟斝旘斿旙旙棳棽棸棻棻棶棬旈旑斆旇旈旑斿旙斿棭椲棽椀椵暋斚斦斮斄斘斍斄棳斕斏斦斒棶斆旍斸旙旙旈旀旈斻斸旚旈旓旑斸旑斾斾斿旚斿旘旐旈灢旑斸旚旈旓旑旓旀斸旍斻旓旇旓旍旈旑旂斸旙旓旍旈旑斿旛旙旈旑旂斘斏斠旙旔斿斻旚旘旓旙斻旓灢旔旟斸旑斾旚旇斿旙旛斻斻斿旙旙旈旜斿旔旘旓旉斿斻旚旈旓旑旙斸旍旂旓旘旈旚旇旐旀旓旘旜斸旘旈斸斺旍斿旙斿旍斿斻旚旈旓旑椲斒椵棶棳棽棸棻棾棳棽棿棬棽棭椇棸棽椀椀棸棽棸棽椀椀棸椃棶椲棽椂椵暋斠斏斅斉斏斠斚斒斢棳斊斉斠斠斉斏斠斄斖斖斆棳斢斄斕斨斄斣斒斍棶斆旇斿旐旓旐斿旚旘旈斻旐旓斾斿旍旙旀旓旘旚旇斿旕旛斸旑旚旈旚斸旚旈旜斿斾斿灢旙斻旘旈旔旚旈旜斿旙斿旑旙旓旘旟斸旑斸旍旟旙旈旙旓旀斄旘斸斺旈斻斸斻旓旀斿斿斺斿旜斿旘斸灢 旂斿旙旛旙旈旑旂旑斿斸旘旈旑旀旘斸旘斿斾旙旔斿斻旚旘旓旙斻旓旔旟椲斒椵棶棳棽棸棻棻棳椄棾椇棻棾椀棽棻棾椀椄棶 作者简介椇 暋鲍一丹棬棻椆椂棾棴棭棳女棳浙江杭州人棳博士棳副教授棳硕士生导师棳主要研究方向为精细农业领域内现代检测技术和自动控制暍虚拟仪器技术等的研究暎斉灢旐斸旈旍椇旟斾斺斸旓椑旡旉旛棶斿斾旛棶斻旑 通讯作者椇 暋何暋勇棬棻椆椂棾棴棭棳男棳浙江慈溪人棳博士棳教授棳博士生导师棳浙江大学求是特聘教授棳主要从事数字农业与精细农业暍农业物联网技术暍智能农业装备暍光谱与高光谱成像技术暍管理信息系统与专家系统等方面的科研和教学工作暎斉灢旐斸旈旍椇旟旇斿椑旡旉旛棶斿斾旛棶斻旑 陈暋纳棬棻椆椄椆棴棭棳女棳浙江慈溪人棳硕士研究生棳主要从事近红外光谱无损检测方面的研究暎斉灢旐斸旈旍椇斻旇斿旑旑斸棻棽棾旓旊椑棻棽椂棶斻旓旐 棬版权所有暋未经许可暋不得转载棭