• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于Fisher判別分析可分性信息融合的馬鈴薯VC含量高光譜檢測(cè)方法

    2024-04-11 10:04:24郭林鴿于慧春袁云霞
    食品科學(xué) 2024年7期
    關(guān)鍵詞:波長(zhǎng)馬鈴薯光譜

    郭林鴿,殷 勇,于慧春,袁云霞

    (河南科技大學(xué)食品與生物工程學(xué)院,河南 洛陽(yáng) 471023)

    馬鈴薯又稱土豆、洋山芋等,具有糧菜兼具的特點(diǎn),素有“能源植物”“蔬菜之王”等美譽(yù),是全球第四大糧食作物[1-2]。馬鈴薯中VC含量豐富,是馬鈴薯品質(zhì)的重要指標(biāo)[3]。馬鈴薯VC含量的快速檢測(cè)可用于馬鈴薯的品質(zhì)監(jiān)控,同時(shí)為馬鈴薯育種、篩選、產(chǎn)業(yè)原料的選擇提供便利。目前,VC含量的測(cè)定方法一般包括高效液相色譜法、2,6-二氯靛酚滴定法、紫外分光光度法等[4-5];但這些方法樣品處理繁瑣、費(fèi)時(shí)、易產(chǎn)生誤差,且有化學(xué)試劑污染的缺陷。因此,尋找一種快速、準(zhǔn)確、高效檢測(cè)VC含量的方法具有重要意義。

    近年來(lái),高光譜成像(hyperspectral imaging,HSI)技術(shù)因其快速、分辨率高等優(yōu)點(diǎn),被廣泛應(yīng)用于農(nóng)產(chǎn)品病害檢測(cè)[6-8]、缺陷檢測(cè)[9-11]、肉制品質(zhì)量檢測(cè)[12-13]、摻假摻雜[14-15]等方面。HSI技術(shù)是傳統(tǒng)圖像和光譜技術(shù)的結(jié)合,可同時(shí)獲取待測(cè)樣品的空間和光譜信息,進(jìn)而實(shí)現(xiàn)待測(cè)物的定性和定量分析[16-17]。Xiao Qinlin等[18]利用HSI結(jié)合多變量分析研究鮮切馬鈴薯塊莖的顏色指數(shù)和水分含量。對(duì)于顏色預(yù)測(cè)建立的所有最小二乘支持向量機(jī)(least squares-support vector machine,LS-SVM)模型的校正集決定系數(shù)(determination coefficient of calibration set,)、預(yù)測(cè)集決定系數(shù)(determination coefficient of prediction set,)和剩余預(yù)測(cè)偏差(residual prediction deviation,RPD)分別超過0.90、0.84和2.10;對(duì)于水分含量預(yù)測(cè)建立的LS-SVM模型的、和RPD分別超過0.80、0.77、1.90;表明HSI技術(shù)檢測(cè)馬鈴薯顏色指數(shù)及水分含量的可行性。Chen Huazhou等[19]利用近紅外HSI技術(shù)結(jié)合先進(jìn)的化學(xué)計(jì)量學(xué)方法對(duì)柚果品質(zhì)進(jìn)行快速檢測(cè)。通過改進(jìn)非線性回歸,優(yōu)化建模過程的參數(shù)縮放,建立徑向基函數(shù)(radial basis function,RBF)結(jié)合偏最小二乘(partial least squares,PLS)模型實(shí)現(xiàn)了樣品中糖、VC和有機(jī)酸的定量預(yù)測(cè),為HSI技術(shù)應(yīng)用于檢測(cè)水果中VC含量提供參考。

    Fisher判別分析(Fisher discriminant analysis,F(xiàn)DA)是一種經(jīng)典的分類方法,能夠生成光譜特征的線性組合,并構(gòu)建用于分類的線性識(shí)別模型。如Cui Lihan等[20]采用FDA建立識(shí)別不同應(yīng)力的模型,該模型在所有壓力下的判別正確率均超過93%。Ma Huiqin等[21]采用FDA建立鐮刀菌頭枯萎病識(shí)別模型,識(shí)別正確率達(dá)到88.7%。故經(jīng)FDA線性組合后生成的新變量可用于表征樣本間的差異性。由于FDA是對(duì)原始變量的線性組合,且生成的新變量相互正交,若采用FDA對(duì)特征波長(zhǎng)進(jìn)行融合后,可能會(huì)減少變量間相互作用的影響,提高模型檢測(cè)結(jié)果的準(zhǔn)確性。故可以將FDA看作一種數(shù)據(jù)融合方法,用于構(gòu)建檢測(cè)模型的輸入變量。

    綜上所述,本研究以HSI技術(shù)檢測(cè)馬鈴薯VC含量為切入點(diǎn),提出一種基于FDA可分性數(shù)據(jù)融合的檢測(cè)模型輸入變量構(gòu)建方法,并借助PLS模型和反向傳播神經(jīng)網(wǎng)絡(luò)(back propagation neural network,BPNN)模型提高馬鈴薯VC含量檢測(cè)結(jié)果的準(zhǔn)確性。由于FDA本身也是一種分類方法,故該檢測(cè)模型既能實(shí)現(xiàn)馬鈴薯品種鑒別,也能實(shí)現(xiàn)馬鈴薯VC含量檢測(cè)。

    1 材料與方法

    1.1 材料

    實(shí)驗(yàn)所用馬鈴薯為湖北馬爾科馬鈴薯、云南黃心馬鈴薯、陜西沙地馬鈴薯和山東荷蘭馬鈴薯。每個(gè)品種共制備50 個(gè)厚度為15 mm的檢測(cè)樣本,4 個(gè)品種共200 個(gè)樣本用于VC含量檢測(cè)。其中,每個(gè)品種隨機(jī)選取40 個(gè)檢測(cè)樣本組成訓(xùn)練集,共160 個(gè)樣本,剩余10 個(gè)檢測(cè)樣本作為測(cè)試集,共40 個(gè)樣本。

    1.2 儀器與設(shè)備

    IST50-3810型成像光譜儀 德國(guó)Inno-Spec公司;RK90000420108型可調(diào)節(jié)鹵素?zé)簦üβ?00 W)德國(guó)Esylux公司;物料滑臺(tái)及其控制裝置為自制。

    1.3 方法

    1.3.1 HSI系統(tǒng)

    實(shí)驗(yàn)室所用HSI系統(tǒng)的組成為:計(jì)算機(jī)、成像光譜儀、4 個(gè)可調(diào)節(jié)鹵素?zé)簦üβ?00 W)、物料滑臺(tái)及其控制裝置。通過該系統(tǒng)可獲得371.05~1 023.82 nm的光譜信息,光譜分辨率為2.8 nm。其他性能參數(shù)與Xue Shuning等[22]所用設(shè)備相同。

    1.3.2 理化指標(biāo)測(cè)定

    VC含量的傳統(tǒng)測(cè)定方法參照GB 5009.86—2016《食品安全國(guó)家標(biāo)準(zhǔn) 食品中抗壞血酸的測(cè)定》第三法2,6-二氯靛酚滴定法。均勻稱取4 g馬鈴薯可食部分,放入研缽中,加入少許2 g/100 mL草酸溶液,迅速研磨成漿,轉(zhuǎn)移到50 mL容量瓶中,用2 g/100 mL草酸溶液定容,搖勻后過濾。準(zhǔn)確吸取10 mL濾液于錐形瓶中,用已標(biāo)定的2,6-二氯靛酚溶液進(jìn)行滴定。每個(gè)品種隨機(jī)選取3 個(gè)平行樣本,每個(gè)樣本平行滴定3 次,結(jié)果取算術(shù)平均值。VC含量按式(1)計(jì)算。

    式中:V為滴定樣本所消耗2,6-二氯靛酚溶液體積/mL;V0為滴定空白所消耗2,6-二氯靛酚溶液體積/mL;T為2,6-二氯靛酚溶液滴定度,即每毫升2,6-二氯靛酚溶液相當(dāng)于VC的毫克數(shù)/(mg/mL);n為稀釋倍數(shù);m為樣本質(zhì)量/g。

    1.3.3 高光譜信息采集與校正

    經(jīng)預(yù)實(shí)驗(yàn)確定HSI系統(tǒng)檢測(cè)參數(shù)為:物料滑臺(tái)傳送速率1.30 mm/s,物距215 mm。高光譜信息采集時(shí),將制作的馬鈴薯樣本含有表皮的一面朝上放置在酶標(biāo)板蓋;然后,把酶標(biāo)板蓋放置在載物臺(tái);最后使用SICap-STVR軟件采集樣本的高光譜信息。每個(gè)樣本共采集1 288 個(gè)波段的高光譜信息。為減少暗電流及外界光源對(duì)數(shù)據(jù)的影響,需在采集光譜信息前進(jìn)行黑白校正。校正公式如式(2)所示:

    式中:R為校正后的高光譜圖像信息;Ro為原始高光譜圖像信息;Rd為全黑標(biāo)定圖像信息;Rw為全白標(biāo)定圖像信息。

    利用ENVI 5.1軟件從采集的樣本圖像中在反光區(qū)域周圍靠近中線的位置選取大小為2 352 個(gè)像素點(diǎn)的區(qū)域?yàn)楦信d趣區(qū)域,進(jìn)行光譜數(shù)據(jù)提取并得到所有樣本的高光譜數(shù)據(jù)。

    1.3.4 光譜數(shù)據(jù)預(yù)處理

    高光譜數(shù)據(jù)包含1288 個(gè)波段,波長(zhǎng)范圍371.05~1 023.82 nm。由于信號(hào)采集過程中兩端噪聲較大,平均光譜反射值差異過大,易引起干擾。因此,去除371.05~421.66、974.39~1 023.82 nm的波段,選擇421.66~974.39 nm的光譜數(shù)據(jù)(含1 088 個(gè)波段)進(jìn)行后續(xù)處理。為消除噪音和外界不均勻光照等因素對(duì)高光譜數(shù)據(jù)的影響,提高馬鈴薯VC含量預(yù)測(cè)模型的可靠性,需要對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。采用卷積平滑(Savitzky-Golary smoothing,S-G)[23]、標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate,SNV)[24]、標(biāo)準(zhǔn)化[25]、歸一化[26]、多元散射校正(multiplicative scatter correction,MSC)[27]、一階導(dǎo)數(shù)[28]6 種預(yù)處理方法,并借助PLS、BPNN等建模處理后,對(duì)比不同預(yù)處理方法前后的建模結(jié)果選擇較優(yōu)的預(yù)處理方法。

    1.3.5 光譜特征波長(zhǎng)提取

    高光譜數(shù)據(jù)量大、冗余信息多,為加快計(jì)算速度、提高模型的可靠性,需要提取出能表征馬鈴薯VC含量的特征波長(zhǎng)。文獻(xiàn)檢索發(fā)現(xiàn),競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣(competitive adaptive reweighted sampling,CARS)[29-35]、連續(xù)投影算法(successive projections algorithm,SPA)[34-39]和CARS-SPA[40-43]組合算法提取的特征波長(zhǎng)能較好表征不同樣本的重要信息。因此,采取CARS、SPA及CARS-SPA組合算法作為光譜數(shù)據(jù)的特征波長(zhǎng)提取方法。

    CARS算法采用蒙特卡羅采樣法選擇變量,并建立PLS模型,將模型回歸系數(shù)的絕對(duì)值作為篩選特征波長(zhǎng)的指標(biāo)用以構(gòu)建新變量,基于新變量建立PLS模型并進(jìn)行交叉驗(yàn)證。經(jīng)過多次計(jì)算,最終選擇交叉驗(yàn)證均方差(root mean square error of cross validation,RMSECV)最小時(shí)所對(duì)應(yīng)的變量集作為特征波長(zhǎng)[44]。

    SPA需提前設(shè)定提取特征波長(zhǎng)的個(gè)數(shù),隨機(jī)在原始光譜矩陣選擇一列向量作為初始波長(zhǎng),使用矢量的投影分析將初始波長(zhǎng)分別映射到剩余波長(zhǎng)上,具有最大投影矢量的波長(zhǎng)即為要選擇的特征波長(zhǎng)[45]。每次迭代加入一個(gè)新變量,直至所選變量數(shù)達(dá)到設(shè)定波長(zhǎng)數(shù),然后基于校正模型確定最終的特征波長(zhǎng)。

    CARS-SPA組合算法可實(shí)現(xiàn)特征波長(zhǎng)的二次提取,能有效減少冗余信息和共線性問題。在CARS-SPA組合算法中,首先采用CARS算法進(jìn)行初步特征提取,再基于提取的特征波長(zhǎng)采用SPA進(jìn)行二次特征提取,以獲取最終特征波長(zhǎng)個(gè)數(shù)。

    1.3.6 檢測(cè)模型輸入變量構(gòu)建

    FDA是基于線性變換構(gòu)建使不同樣品具有可分離性的新空間變量。由于新變量均是原始變量的線性組合,且各變量間相互正交,因此可將FDA看作是一種數(shù)據(jù)融合方法,且融合后的新變量能最大程度地體現(xiàn)被測(cè)樣本間的差異性。若將這種新變量作為不同樣本某個(gè)(些)成分含量檢測(cè)模型的輸入變量,那么可使檢測(cè)模型更容易檢測(cè)出不同樣品的差異性,進(jìn)而可給出被測(cè)成分可靠、準(zhǔn)確的檢測(cè)結(jié)果。由于經(jīng)FDA融合后生成的新變量對(duì)不同樣本差異性判別能力按照降序排列,故可依據(jù)前幾個(gè)新變量的判別能力之和進(jìn)行降維,以減少分析變量個(gè)數(shù),降低分析的復(fù)雜性。因此,在提取特征波長(zhǎng)的基礎(chǔ)上,擬采用FDA對(duì)特征波長(zhǎng)(作為變量)進(jìn)行分析生成新融合變量,選取新融合變量累計(jì)判別能力達(dá)到99%以上的前幾個(gè)變量作為VC含量檢測(cè)模型的輸入變量,以保證不同樣本間的可分性,提升VC含量檢測(cè)結(jié)果的準(zhǔn)確性。

    1.3.7 檢測(cè)模型構(gòu)建

    選擇線性PLS擬合方法和BPNN方法建立馬鈴薯VC含量預(yù)測(cè)模型。PLS是一種經(jīng)典的線性擬合方法,該方法能最大限度地提取因變量和自變量中的主成分,并在建模過程中最大化該主成分之間的相關(guān)性[46]。BPNN具有較強(qiáng)的非線性預(yù)測(cè)能力,能將信號(hào)正向傳播,計(jì)算輸出值與真實(shí)值的誤差,將誤差進(jìn)行反向傳播以修正網(wǎng)絡(luò)的權(quán)值和閾值,直到誤差達(dá)到最小[47-48]。其建模過程如下[49]:1)輸入變量,劃分訓(xùn)練集和測(cè)試集,歸一化數(shù)據(jù);2)建立網(wǎng)絡(luò),設(shè)置參數(shù)(訓(xùn)練次數(shù)1 000、學(xué)習(xí)率0.01、訓(xùn)練目標(biāo)最小誤差0.001);3)訓(xùn)練網(wǎng)絡(luò);4)網(wǎng)絡(luò)仿真測(cè)試及性能評(píng)價(jià)。

    2 結(jié)果與分析

    2.1 光譜預(yù)處理

    對(duì)預(yù)處理前后的數(shù)據(jù)分別建立PLS和BPNN模型,采用和預(yù)測(cè)集均方根誤差(root mean square error,RMSEP)作為模型的評(píng)價(jià)指標(biāo)。越接近1,RMSEP越小,說(shuō)明擬合程度越高,模型越可靠[50]。由表1可知,與原始數(shù)據(jù)所建模型的預(yù)測(cè)能力相比,一階導(dǎo)數(shù)預(yù)處理后所建PLS模型的預(yù)測(cè)能力與其基本相當(dāng),但BPNN模型的預(yù)測(cè)能力較低,不適合作為馬鈴薯VC含量檢測(cè)模型的預(yù)處理方法。其余5 種方法預(yù)處理后所建模型的預(yù)測(cè)能力均優(yōu)于原始數(shù)據(jù)所建模型的預(yù)測(cè)能力,尤其是經(jīng)MSC方法預(yù)處理后所建PLS和BPNN模型,和RMSEP由0.858 2和1.652 6、0.893 9和1.467 3分別提高至0.928 4和1.173 9、0.956 5和0.935 4,極大地提高了模型的預(yù)測(cè)能力。因此,初步確定MSC為原始數(shù)據(jù)的預(yù)處理方法。

    表1 不同預(yù)處理方法下PLS和BPNN模型和RMSEPTable 1 and RMSEP of PLS and BPNN models with different preprocessing methods

    表1 不同預(yù)處理方法下PLS和BPNN模型和RMSEPTable 1 and RMSEP of PLS and BPNN models with different preprocessing methods

    如圖1所示,MSC通過偏移校正能有效減少由于散射水平不同引起的光譜差異,增強(qiáng)光譜與數(shù)據(jù)之間的相關(guān)性,提升模型預(yù)測(cè)能力,這與表1的結(jié)果相吻合。因此確定MSC為光譜預(yù)處理方法。

    圖1 MSC處理前后馬鈴薯樣本光譜的對(duì)比Fig.1 Comparison of spectral data of potato samples before and after MSC treatment

    2.2 特征波長(zhǎng)提取

    2.2.1 基于CARS算法的特征波長(zhǎng)提取

    在CARS算法中,設(shè)定蒙特卡羅采樣次數(shù)為50,采用5折交叉驗(yàn)證計(jì)算RMSEP。由圖2可知,當(dāng)采樣次數(shù)為28 次時(shí)獲得的RMSECV最小,對(duì)應(yīng)特征變量個(gè)數(shù)為34,故此時(shí)所選的34 個(gè)特征變量即為提取結(jié)果。

    圖2 基于CARS算法的特征波長(zhǎng)選擇Fig.2 Feature wavelength selection by CARS

    2.2.2 基于SPA的特征波長(zhǎng)提取

    在SPA中,設(shè)定特征變量個(gè)數(shù)選擇范圍為1~90,最小的RMSECV對(duì)應(yīng)的變量個(gè)數(shù)即為特征波長(zhǎng)個(gè)數(shù)。由圖3可知,特征變量個(gè)數(shù)為36時(shí),RMSECV達(dá)到最小且逐漸穩(wěn)定,此時(shí)提取的36 個(gè)特征波段對(duì)應(yīng)的波長(zhǎng)為最終的特征波長(zhǎng)。

    圖3 基于SPA的特征波長(zhǎng)選擇Fig.3 Feature wavelength selection by SPA

    2.2.3 基于CARS-SPA組合算法的特征波長(zhǎng)提取

    在CARS-SPA組合算法中,SPA進(jìn)行二次特征波長(zhǎng)提取時(shí)的變量為1~34。通過CARS算法提取34 個(gè)特征波長(zhǎng),再經(jīng)SPA二次提取得到23 個(gè)特征波長(zhǎng)。CARS-SPA組合算法能極大減少特征波長(zhǎng)的個(gè)數(shù),簡(jiǎn)化模型運(yùn)算。

    如表2所示,CARS-SPA組合算法提取的特征波長(zhǎng)數(shù)最少,但其所建模型的相關(guān)系數(shù)最低,雖然模型得到簡(jiǎn)化,但降低了模型的預(yù)測(cè)能力。與SPA相比,CARS算法提取的特征波長(zhǎng)數(shù)量相對(duì)較少,所建模型的相關(guān)系數(shù)高,RMSEP小,能有效減少光譜信息中的冗余信息,更適合作為馬鈴薯光譜數(shù)據(jù)的特征波長(zhǎng)提取方法。經(jīng)CARS算法篩選出的34 個(gè)特征波段所建PLS和BPNN模型將和RMSEP由最初的0.928 4和1.173 9、0.956 5和0.935 4分別提高到0.948 6和0.996 7、0.972 6和0.772 3,實(shí)現(xiàn)了簡(jiǎn)化模型的同時(shí)提高模型的可靠性,這與文獻(xiàn)[51]中采用CARS所達(dá)到的效果類似。結(jié)合表1、2可以發(fā)現(xiàn),BPNN模型預(yù)測(cè)結(jié)果優(yōu)于PLS模型預(yù)測(cè)結(jié)果。因此,可初步確定BPNN更適合作為檢測(cè)馬鈴薯VC含量的建模方法。

    表2 不同特征波長(zhǎng)提取方法的PLS和BPNN模型和RMSEPTable 2 and RMSEP of PLS and BPNN models with different feature wavelength extraction methods

    表2 不同特征波長(zhǎng)提取方法的PLS和BPNN模型和RMSEPTable 2 and RMSEP of PLS and BPNN models with different feature wavelength extraction methods

    2.3 檢測(cè)模型輸入變量構(gòu)建結(jié)果

    FD1、FD2分別是基于CARS算法提取的34 個(gè)特征波長(zhǎng)經(jīng)FDA融合后對(duì)樣本間差異性判別能力前兩位的變量。圖4是FD1和FD2對(duì)不同樣本間可分離性的可視化表達(dá),訓(xùn)練集和測(cè)試集的分類正確率均達(dá)到100%,表明FD1、FD2能檢測(cè)出不同樣本間的差異性,且經(jīng)FDA融合后的變量相互正交,可減少變量間的關(guān)聯(lián)性對(duì)模型的影響。

    圖4 基于特征波長(zhǎng)的FDA結(jié)果Fig.4 FDA results based on feature wavelengths

    由表3可知,F(xiàn)D1和FD2累計(jì)判別能力僅有0.93左右,若以FD1、FD2組成向量作為檢測(cè)模型的輸入變量,可能會(huì)對(duì)模型的準(zhǔn)確性造成不利影響。而FD1、FD2、FD3對(duì)樣本間差異的累計(jì)判別能力接近于100%,F(xiàn)D4及其后變量對(duì)樣本間差異的判別能力可忽略不計(jì)。因此,選擇由FD1、FD2、FD3組成向量作為VC含量檢測(cè)模型的輸入變量。

    表3 新變量的前4 個(gè)變量的判別能力Table 3 Discrimination capacity of the first four new variables

    2.4 VC檢測(cè)模型構(gòu)建

    通過傳統(tǒng)方法測(cè)得4 種馬鈴薯VC含量作為預(yù)測(cè)模型的真實(shí)值,通過PLS和BPNN模型分別獲得VC含量預(yù)測(cè)值,根據(jù)擬合結(jié)果判斷模型的準(zhǔn)確性。由表4可知,除湖北馬爾科馬鈴薯外,經(jīng)FDA融合后建立的BPNN模型獲得的VC含量預(yù)測(cè)值與傳統(tǒng)方法測(cè)得的VC含量真實(shí)值基本一致,模型預(yù)測(cè)結(jié)果良好。

    表4 不同品種馬鈴薯VC含量的真實(shí)值和預(yù)測(cè)值Table 4 Real and predicted values of VC contents in different potato varieties mg/100 g

    由表5可知,經(jīng)FDA生成的輸入變量所構(gòu)建的PLS和BPNN模型的均有所提高,尤其是經(jīng)FDA構(gòu)建的輸入變量構(gòu)建的BPNN模型由0.972 6提高到0.999 0,RMSEP也由0.772 3減小到0.172 7。由此可知,經(jīng)FDA構(gòu)建的輸入變量能有效提高馬鈴薯VC含量預(yù)測(cè)模型的預(yù)測(cè)能力。此外,基于不同輸入變量的BPNN模型的相關(guān)性能參數(shù)均優(yōu)于PLS模型,與表1、2結(jié)果一致。故確定BPNN為預(yù)測(cè)馬鈴薯VC含量的建模方法。

    表5 基于不同輸入變量構(gòu)建方法的PLS和BPNN模型和RMSEPTable 5 and RMSEP of PLS and BPNN models based on different input variable construction methods

    表5 基于不同輸入變量構(gòu)建方法的PLS和BPNN模型和RMSEPTable 5 and RMSEP of PLS and BPNN models based on different input variable construction methods

    基于MSC-CARS-FDA-BPNN的序貫組合方法建立4 類馬鈴薯VC預(yù)測(cè)模型的預(yù)測(cè)值和真實(shí)值的擬合結(jié)果如圖5所示。湖北馬爾科馬鈴薯有2 個(gè)樣本的預(yù)測(cè)值略偏大,其余樣本預(yù)測(cè)值均在14.33~14.36 mg/100 g內(nèi),與表4的真實(shí)值基本一致。說(shuō)明基于FDA可分性數(shù)據(jù)融合構(gòu)建的輸入變量能提高馬鈴薯VC含量預(yù)測(cè)結(jié)果的準(zhǔn)確性。

    圖5 基于FDA的BPNN模型預(yù)測(cè)結(jié)果Fig.5 Prediction results of BPNN models based on FDA

    3 結(jié)論

    采集4 種不同品種的馬鈴薯的高光譜數(shù)據(jù),探究6 種預(yù)處理方法對(duì)模型預(yù)測(cè)VC含量結(jié)果的影響,確定MSC為最優(yōu)預(yù)處理方法。在對(duì)比3 種特征波長(zhǎng)提取方法提取效果的基礎(chǔ)上,借助PLS模型和BPNN模型探討了經(jīng)FDA融合前后模型預(yù)測(cè)結(jié)果的準(zhǔn)確性,并確定最優(yōu)預(yù)測(cè)模型。對(duì)比分析SPA、CARS算法和CARS-SPA組合算法提取的特征波長(zhǎng)對(duì)VC含量檢測(cè)結(jié)果準(zhǔn)確性的影響,發(fā)現(xiàn)CARS算法篩選的34 個(gè)特征波長(zhǎng)能很好表征不同品種馬鈴薯的重要信息,不僅簡(jiǎn)化了模型運(yùn)算,還提高了模型檢測(cè)結(jié)果的準(zhǔn)確性。將34 個(gè)特征波長(zhǎng)進(jìn)行FDA可分性融合后生成新變量,發(fā)現(xiàn)前3 個(gè)變量(FD1、FD2、FD3)對(duì)樣本間差異的累計(jì)判別能力達(dá)99%以上,將該組合變量作為VC含量檢測(cè)模型的輸入變量,顯著提高了VC含量檢測(cè)結(jié)果的準(zhǔn)確性。探討不同輸入變量的PLS、BPNN模型R2p和RMSEP發(fā)現(xiàn),BPNN模型的預(yù)測(cè)值和真實(shí)值擬合效果更好,更適合用于馬鈴薯VC含量的檢測(cè)。

    綜上,經(jīng)FDA可分性數(shù)據(jù)融合所構(gòu)建的輸入變量能顯著提高馬鈴薯VC含量檢測(cè)結(jié)果的準(zhǔn)確性。同時(shí),采用MSC-CARS-FDA-BPNN的序貫組合方法不僅實(shí)現(xiàn)了馬鈴薯中VC含量的快速、準(zhǔn)確檢測(cè),還實(shí)現(xiàn)了馬鈴薯的種類鑒別。

    猜你喜歡
    波長(zhǎng)馬鈴薯光譜
    HPLC-PDA雙波長(zhǎng)法同時(shí)測(cè)定四季草片中沒食子酸和槲皮苷的含量
    基于三維Saab變換的高光譜圖像壓縮方法
    馬鈴薯有功勞
    雙波長(zhǎng)激光治療慢性牙周炎的療效觀察
    定邊馬鈴薯
    日本研發(fā)出可完全覆蓋可見光波長(zhǎng)的LED光源
    胖胖的馬鈴薯
    星載近紅外高光譜CO2遙感進(jìn)展
    便攜式多用途光波波長(zhǎng)測(cè)量?jī)x
    秋馬鈴薯栽培技術(shù)
    日韩中文字幕视频在线看片| 亚洲精品国产区一区二| 亚洲av国产av综合av卡| 久久av网站| 国产欧美日韩一区二区三区在线| 女性生殖器流出的白浆| 丝袜喷水一区| 精品福利观看| 另类精品久久| 少妇精品久久久久久久| 巨乳人妻的诱惑在线观看| 久久久精品免费免费高清| av视频免费观看在线观看| 亚洲男人天堂网一区| 日韩,欧美,国产一区二区三区| 中文字幕人妻丝袜制服| 大香蕉久久成人网| 日韩制服骚丝袜av| 狂野欧美激情性xxxx| 久久久久精品国产欧美久久久 | bbb黄色大片| 一本—道久久a久久精品蜜桃钙片| 免费av中文字幕在线| 午夜激情久久久久久久| 亚洲欧洲日产国产| 最新在线观看一区二区三区| 日韩大片免费观看网站| 精品高清国产在线一区| 亚洲专区中文字幕在线| 中文字幕人妻丝袜一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 午夜老司机福利片| 伊人亚洲综合成人网| 久久中文字幕一级| 久久精品熟女亚洲av麻豆精品| 日韩精品免费视频一区二区三区| 国产主播在线观看一区二区| 国产精品久久久av美女十八| 精品国产一区二区三区四区第35| 建设人人有责人人尽责人人享有的| 亚洲专区国产一区二区| 超碰97精品在线观看| 精品人妻1区二区| av欧美777| 国产欧美亚洲国产| 亚洲av国产av综合av卡| 中文字幕色久视频| 91精品伊人久久大香线蕉| 国产精品国产三级国产专区5o| 国产精品麻豆人妻色哟哟久久| 国产一卡二卡三卡精品| 国产福利在线免费观看视频| 99精品久久久久人妻精品| www.精华液| 我的亚洲天堂| 久久久久国产精品人妻一区二区| 久久精品国产a三级三级三级| 国产亚洲精品第一综合不卡| 美女高潮喷水抽搐中文字幕| cao死你这个sao货| 日韩制服骚丝袜av| 黑人欧美特级aaaaaa片| 久久综合国产亚洲精品| 亚洲中文日韩欧美视频| 亚洲五月色婷婷综合| 日韩 亚洲 欧美在线| 美女视频免费永久观看网站| 亚洲精品一区蜜桃| 日本五十路高清| 午夜免费观看性视频| 久久久欧美国产精品| 欧美日韩亚洲综合一区二区三区_| 纵有疾风起免费观看全集完整版| 黄片大片在线免费观看| 大码成人一级视频| 黑人欧美特级aaaaaa片| 夜夜骑夜夜射夜夜干| 国产欧美日韩一区二区三区在线| 天天躁狠狠躁夜夜躁狠狠躁| 人妻 亚洲 视频| 五月开心婷婷网| 交换朋友夫妻互换小说| 日本撒尿小便嘘嘘汇集6| 国产精品 欧美亚洲| av在线播放精品| 亚洲va日本ⅴa欧美va伊人久久 | 在线观看免费视频网站a站| 性高湖久久久久久久久免费观看| 久久天躁狠狠躁夜夜2o2o| 久久这里只有精品19| 中文字幕最新亚洲高清| 久久久久网色| 精品福利观看| 欧美+亚洲+日韩+国产| 久久久欧美国产精品| 99国产精品免费福利视频| 美女中出高潮动态图| 精品视频人人做人人爽| 亚洲第一青青草原| 日韩,欧美,国产一区二区三区| 黄片小视频在线播放| a级片在线免费高清观看视频| 日韩视频一区二区在线观看| 丝袜美腿诱惑在线| 亚洲国产精品一区二区三区在线| 一本—道久久a久久精品蜜桃钙片| 黄色a级毛片大全视频| 女人被躁到高潮嗷嗷叫费观| 国产一区二区激情短视频 | 十八禁高潮呻吟视频| 国产亚洲精品久久久久5区| 国产亚洲欧美精品永久| 国产亚洲午夜精品一区二区久久| 亚洲精品久久午夜乱码| 亚洲精品国产区一区二| 啦啦啦 在线观看视频| 狠狠婷婷综合久久久久久88av| 狂野欧美激情性xxxx| 手机成人av网站| 91麻豆精品激情在线观看国产 | 久久精品国产a三级三级三级| 国产有黄有色有爽视频| 欧美精品av麻豆av| 成年av动漫网址| 99国产综合亚洲精品| 精品久久蜜臀av无| 午夜两性在线视频| 久久国产精品大桥未久av| 成年女人毛片免费观看观看9 | 女人精品久久久久毛片| 日韩一区二区三区影片| 五月开心婷婷网| 在线av久久热| 动漫黄色视频在线观看| 性色av乱码一区二区三区2| 午夜成年电影在线免费观看| 亚洲熟女毛片儿| 国产一区二区三区综合在线观看| 亚洲国产av影院在线观看| 亚洲情色 制服丝袜| 欧美 亚洲 国产 日韩一| 一二三四在线观看免费中文在| 女人被躁到高潮嗷嗷叫费观| 国产欧美日韩一区二区三 | 老司机午夜福利在线观看视频 | 亚洲第一欧美日韩一区二区三区 | 欧美人与性动交α欧美精品济南到| 一区二区av电影网| 下体分泌物呈黄色| 国产精品.久久久| 老司机午夜福利在线观看视频 | 国产无遮挡羞羞视频在线观看| 十八禁高潮呻吟视频| 无遮挡黄片免费观看| 国产淫语在线视频| 十八禁网站网址无遮挡| 欧美日韩亚洲综合一区二区三区_| 青草久久国产| 一进一出抽搐动态| 十分钟在线观看高清视频www| 国产99久久九九免费精品| 下体分泌物呈黄色| 国产在线一区二区三区精| 亚洲第一av免费看| 亚洲精品一二三| 国内毛片毛片毛片毛片毛片| 亚洲人成电影观看| 国产97色在线日韩免费| 国产av国产精品国产| 丝袜脚勾引网站| 99国产极品粉嫩在线观看| 国产精品国产av在线观看| 亚洲精品美女久久av网站| 国产成人精品在线电影| 亚洲精品中文字幕一二三四区 | 欧美激情极品国产一区二区三区| 男女之事视频高清在线观看| 大香蕉久久成人网| 夜夜夜夜夜久久久久| 国产精品免费大片| 国产亚洲精品一区二区www | 制服人妻中文乱码| 一边摸一边抽搐一进一出视频| 极品少妇高潮喷水抽搐| 亚洲人成77777在线视频| 菩萨蛮人人尽说江南好唐韦庄| 久久精品国产综合久久久| 日韩制服丝袜自拍偷拍| 日韩欧美一区二区三区在线观看 | 青春草亚洲视频在线观看| 大片免费播放器 马上看| 国产高清视频在线播放一区 | 国产片内射在线| 日韩 亚洲 欧美在线| 久久中文看片网| 久久性视频一级片| av国产精品久久久久影院| 日韩中文字幕欧美一区二区| 日本五十路高清| 国产精品国产av在线观看| 亚洲av日韩精品久久久久久密| 国产伦人伦偷精品视频| 黄片大片在线免费观看| 日韩有码中文字幕| 狂野欧美激情性xxxx| 伦理电影免费视频| 中文字幕av电影在线播放| 亚洲精品久久午夜乱码| 色老头精品视频在线观看| 国产日韩欧美在线精品| 国产福利在线免费观看视频| 午夜激情久久久久久久| 亚洲欧美日韩另类电影网站| kizo精华| 亚洲色图 男人天堂 中文字幕| 国产99久久九九免费精品| 自线自在国产av| 狠狠婷婷综合久久久久久88av| 欧美日韩亚洲国产一区二区在线观看 | 免费不卡黄色视频| 老司机影院成人| 午夜91福利影院| 999久久久国产精品视频| 午夜91福利影院| 欧美国产精品va在线观看不卡| 欧美精品高潮呻吟av久久| 久久精品aⅴ一区二区三区四区| 国产成人精品无人区| 日韩一卡2卡3卡4卡2021年| 亚洲欧美清纯卡通| 91成人精品电影| 亚洲成人国产一区在线观看| 欧美黄色片欧美黄色片| 91精品三级在线观看| 久久久久久久久久久久大奶| 一本色道久久久久久精品综合| 高清欧美精品videossex| 99久久人妻综合| 黑丝袜美女国产一区| 欧美日韩福利视频一区二区| 两个人看的免费小视频| 国产成+人综合+亚洲专区| 三上悠亚av全集在线观看| 亚洲成人国产一区在线观看| 肉色欧美久久久久久久蜜桃| √禁漫天堂资源中文www| 亚洲精品第二区| 久久人妻福利社区极品人妻图片| 淫妇啪啪啪对白视频 | 男人操女人黄网站| 精品少妇一区二区三区视频日本电影| 亚洲欧美一区二区三区黑人| 亚洲精品av麻豆狂野| av欧美777| 亚洲国产av新网站| 国产精品国产三级国产专区5o| 久久人妻熟女aⅴ| 窝窝影院91人妻| 久久精品aⅴ一区二区三区四区| 日本撒尿小便嘘嘘汇集6| 国产无遮挡羞羞视频在线观看| 日本a在线网址| 午夜福利视频精品| 久久久水蜜桃国产精品网| 亚洲欧洲日产国产| 精品国产一区二区三区四区第35| 亚洲国产av新网站| 自线自在国产av| 成人手机av| 国产老妇伦熟女老妇高清| 国产成人精品在线电影| 国产成人免费无遮挡视频| 欧美黑人精品巨大| 最新在线观看一区二区三区| 在线亚洲精品国产二区图片欧美| 久久天躁狠狠躁夜夜2o2o| 夜夜骑夜夜射夜夜干| 19禁男女啪啪无遮挡网站| 久久久久精品国产欧美久久久 | bbb黄色大片| 国产视频一区二区在线看| 满18在线观看网站| 不卡av一区二区三区| 国产精品.久久久| 久久综合国产亚洲精品| 宅男免费午夜| 欧美少妇被猛烈插入视频| 天天躁狠狠躁夜夜躁狠狠躁| 精品国产一区二区久久| 亚洲国产欧美日韩在线播放| 汤姆久久久久久久影院中文字幕| 老司机影院成人| 亚洲av电影在线进入| 久久影院123| 国产淫语在线视频| av又黄又爽大尺度在线免费看| 亚洲av成人不卡在线观看播放网 | 精品亚洲成a人片在线观看| 在线观看免费日韩欧美大片| 在线 av 中文字幕| 免费女性裸体啪啪无遮挡网站| 在线观看免费高清a一片| 亚洲av美国av| 黑人欧美特级aaaaaa片| 午夜福利,免费看| 午夜成年电影在线免费观看| 国产精品久久久av美女十八| 99久久精品国产亚洲精品| 国产一级毛片在线| 欧美亚洲 丝袜 人妻 在线| 女性被躁到高潮视频| 黄色视频,在线免费观看| 50天的宝宝边吃奶边哭怎么回事| 91麻豆精品激情在线观看国产 | 深夜精品福利| 正在播放国产对白刺激| 久久亚洲精品不卡| 大片电影免费在线观看免费| 亚洲成人免费av在线播放| 制服诱惑二区| 性色av一级| 丝袜人妻中文字幕| 亚洲精品第二区| 永久免费av网站大全| 国产亚洲精品一区二区www | 久久av网站| 午夜激情久久久久久久| 国产xxxxx性猛交| 国产一区二区在线观看av| 少妇粗大呻吟视频| 天天操日日干夜夜撸| 午夜免费鲁丝| 亚洲午夜精品一区,二区,三区| 国产精品久久久久久精品电影小说| 一区二区日韩欧美中文字幕| 久久久久久久久久久久大奶| 丰满人妻熟妇乱又伦精品不卡| 亚洲国产精品成人久久小说| 国产免费av片在线观看野外av| 电影成人av| 精品国内亚洲2022精品成人 | svipshipincom国产片| 搡老岳熟女国产| 日韩一卡2卡3卡4卡2021年| 悠悠久久av| 成人手机av| 国产日韩欧美视频二区| 欧美日韩成人在线一区二区| 国产亚洲av高清不卡| 母亲3免费完整高清在线观看| 美女国产高潮福利片在线看| 黄频高清免费视频| 在线 av 中文字幕| 国产成人精品久久二区二区91| 我要看黄色一级片免费的| 国产成人精品在线电影| 久久精品国产综合久久久| 久久国产精品大桥未久av| 美女福利国产在线| 国产淫语在线视频| 69av精品久久久久久 | 丝袜喷水一区| 肉色欧美久久久久久久蜜桃| 国产精品一区二区在线不卡| 亚洲少妇的诱惑av| 国产精品成人在线| 夜夜骑夜夜射夜夜干| 国产男女超爽视频在线观看| 亚洲国产欧美网| 日韩,欧美,国产一区二区三区| 亚洲精品久久午夜乱码| 亚洲精品粉嫩美女一区| 亚洲国产欧美网| 久久精品人人爽人人爽视色| 精品国内亚洲2022精品成人 | 三上悠亚av全集在线观看| 成人黄色视频免费在线看| 久久久精品区二区三区| 99香蕉大伊视频| 老司机靠b影院| 亚洲人成电影免费在线| 国产深夜福利视频在线观看| 久久久精品国产亚洲av高清涩受| 好男人电影高清在线观看| 亚洲人成电影免费在线| 新久久久久国产一级毛片| 99久久精品国产亚洲精品| 91成人精品电影| 日韩大片免费观看网站| 啦啦啦免费观看视频1| 国产亚洲欧美精品永久| 两个人免费观看高清视频| 老司机福利观看| 国产又爽黄色视频| 成人三级做爰电影| 日韩 欧美 亚洲 中文字幕| 大片电影免费在线观看免费| 久久国产精品男人的天堂亚洲| 国产成人欧美在线观看 | 久久久久久久国产电影| 国产国语露脸激情在线看| 久久人人97超碰香蕉20202| 亚洲欧美成人综合另类久久久| 欧美亚洲日本最大视频资源| 麻豆国产av国片精品| 丝袜在线中文字幕| 在线观看免费午夜福利视频| 女人被躁到高潮嗷嗷叫费观| 久久这里只有精品19| 精品人妻一区二区三区麻豆| 亚洲av男天堂| avwww免费| 多毛熟女@视频| 欧美激情 高清一区二区三区| 9色porny在线观看| 女人久久www免费人成看片| 看免费av毛片| 免费高清在线观看日韩| 国产老妇伦熟女老妇高清| av网站免费在线观看视频| 黑人巨大精品欧美一区二区mp4| 这个男人来自地球电影免费观看| 婷婷色av中文字幕| 一区二区av电影网| 国产真人三级小视频在线观看| 亚洲精品国产一区二区精华液| 他把我摸到了高潮在线观看 | 美女中出高潮动态图| 777米奇影视久久| avwww免费| av天堂久久9| 免费在线观看完整版高清| 久久综合国产亚洲精品| 国产成人精品在线电影| 高清欧美精品videossex| 亚洲黑人精品在线| 97人妻天天添夜夜摸| 18在线观看网站| 欧美日韩黄片免| 久久久精品国产亚洲av高清涩受| 国产在线观看jvid| 亚洲欧洲精品一区二区精品久久久| kizo精华| 美女福利国产在线| 黄频高清免费视频| 国产亚洲av高清不卡| 如日韩欧美国产精品一区二区三区| 亚洲国产成人一精品久久久| 99热网站在线观看| 国产主播在线观看一区二区| 美女扒开内裤让男人捅视频| 国产亚洲av片在线观看秒播厂| 久久香蕉激情| 老汉色∧v一级毛片| 丝袜人妻中文字幕| 国产精品1区2区在线观看. | 日本欧美视频一区| 美女扒开内裤让男人捅视频| 精品少妇黑人巨大在线播放| 黑人操中国人逼视频| 老司机影院毛片| 国产精品熟女久久久久浪| 欧美精品一区二区大全| 热re99久久精品国产66热6| 国产成人一区二区三区免费视频网站| 免费黄频网站在线观看国产| 国产精品 欧美亚洲| 免费在线观看完整版高清| 一级毛片女人18水好多| 欧美激情高清一区二区三区| 777久久人妻少妇嫩草av网站| 香蕉国产在线看| 成年av动漫网址| 18禁裸乳无遮挡动漫免费视频| 一区福利在线观看| 脱女人内裤的视频| 欧美激情高清一区二区三区| 日韩一区二区三区影片| 18禁黄网站禁片午夜丰满| 天天影视国产精品| 久久人人爽av亚洲精品天堂| 国产一区二区三区在线臀色熟女 | 久9热在线精品视频| 精品亚洲乱码少妇综合久久| 熟女少妇亚洲综合色aaa.| 日本精品一区二区三区蜜桃| netflix在线观看网站| 最近中文字幕2019免费版| 色播在线永久视频| 女人久久www免费人成看片| av在线播放精品| 成年人免费黄色播放视频| 欧美大码av| 80岁老熟妇乱子伦牲交| 亚洲国产中文字幕在线视频| av欧美777| 久久久国产一区二区| 日本欧美视频一区| 久久久久久亚洲精品国产蜜桃av| 亚洲国产成人一精品久久久| 国产色视频综合| 热re99久久精品国产66热6| 国产成人影院久久av| 久久国产精品影院| 老鸭窝网址在线观看| 九色亚洲精品在线播放| 伊人亚洲综合成人网| 国产精品久久久久久精品电影小说| 亚洲一码二码三码区别大吗| 亚洲精品国产一区二区精华液| 男人爽女人下面视频在线观看| 天天操日日干夜夜撸| 两性午夜刺激爽爽歪歪视频在线观看 | 男女高潮啪啪啪动态图| 天天影视国产精品| av又黄又爽大尺度在线免费看| 黑人巨大精品欧美一区二区蜜桃| av又黄又爽大尺度在线免费看| 热99久久久久精品小说推荐| 窝窝影院91人妻| 男女下面插进去视频免费观看| 亚洲中文字幕日韩| 亚洲伊人久久精品综合| 在线观看免费视频网站a站| 久久人人爽av亚洲精品天堂| 丝袜美腿诱惑在线| 亚洲熟女毛片儿| 99久久国产精品久久久| 亚洲精品久久成人aⅴ小说| 亚洲av电影在线观看一区二区三区| 亚洲精品美女久久av网站| av不卡在线播放| 1024视频免费在线观看| 18禁观看日本| 国产成人啪精品午夜网站| 一本一本久久a久久精品综合妖精| 亚洲欧美一区二区三区久久| 免费人妻精品一区二区三区视频| 999久久久国产精品视频| 一级片'在线观看视频| www.av在线官网国产| 国产亚洲一区二区精品| 午夜精品久久久久久毛片777| 亚洲第一av免费看| 久久影院123| 天天添夜夜摸| 久久久久国产精品人妻一区二区| 中文字幕人妻熟女乱码| 精品一品国产午夜福利视频| 午夜免费鲁丝| 久久中文字幕一级| 啦啦啦啦在线视频资源| 性少妇av在线| 80岁老熟妇乱子伦牲交| 王馨瑶露胸无遮挡在线观看| 亚洲av欧美aⅴ国产| 91字幕亚洲| av网站在线播放免费| www.av在线官网国产| 国产老妇伦熟女老妇高清| 亚洲熟女精品中文字幕| 男人添女人高潮全过程视频| 久久久久久久久免费视频了| 黄频高清免费视频| 国产精品久久久久久精品古装| 精品久久久久久电影网| 人妻 亚洲 视频| 日日爽夜夜爽网站| 午夜福利在线观看吧| 成年av动漫网址| 欧美另类一区| 精品国产乱码久久久久久男人| 一边摸一边做爽爽视频免费| 两人在一起打扑克的视频| 久久久欧美国产精品| 亚洲精品国产av成人精品| 欧美日韩成人在线一区二区| 丝袜喷水一区| 日日夜夜操网爽| 国产福利在线免费观看视频| 欧美+亚洲+日韩+国产| 夫妻午夜视频| 国内毛片毛片毛片毛片毛片| 国产无遮挡羞羞视频在线观看| 亚洲第一欧美日韩一区二区三区 | videosex国产| 秋霞在线观看毛片| 亚洲av男天堂| 国产一区二区三区综合在线观看| 手机成人av网站| 三级毛片av免费| 欧美黄色片欧美黄色片| 日韩免费高清中文字幕av| 99香蕉大伊视频| 精品视频人人做人人爽| 亚洲av成人一区二区三| 久久精品亚洲av国产电影网| 巨乳人妻的诱惑在线观看| 丝袜美足系列| 国产精品偷伦视频观看了| 免费少妇av软件| av国产精品久久久久影院| 视频在线观看一区二区三区| 在线观看人妻少妇| 啦啦啦在线免费观看视频4| 麻豆av在线久日| 午夜影院在线不卡| 午夜福利视频精品| 免费高清在线观看视频在线观看| 美女午夜性视频免费| 精品高清国产在线一区| 中文欧美无线码| 欧美在线黄色| netflix在线观看网站| 久9热在线精品视频|