• <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)
    给我免费播放毛片高清在线观看| 国产美女午夜福利| 一本精品99久久精品77| 欧美激情久久久久久爽电影| 哪个播放器可以免费观看大片| 久久久成人免费电影| 亚洲欧美日韩无卡精品| 一本久久中文字幕| 国产男人的电影天堂91| av在线亚洲专区| 18+在线观看网站| 人妻制服诱惑在线中文字幕| 免费观看在线日韩| 天天躁日日操中文字幕| 夜夜看夜夜爽夜夜摸| 免费av观看视频| 欧美不卡视频在线免费观看| 我的老师免费观看完整版| av国产免费在线观看| 亚洲电影在线观看av| 天堂中文最新版在线下载 | 国产精品久久久久久精品电影小说 | 我的女老师完整版在线观看| 中国国产av一级| 午夜老司机福利剧场| 一级av片app| 两个人视频免费观看高清| 国产精品免费一区二区三区在线| 国产精品av视频在线免费观看| 国国产精品蜜臀av免费| 欧美性猛交黑人性爽| 国产不卡一卡二| 国产成人精品婷婷| 国产精品久久视频播放| 久久精品夜色国产| 国产片特级美女逼逼视频| 日日摸夜夜添夜夜爱| 精品99又大又爽又粗少妇毛片| 99久久成人亚洲精品观看| 日韩一区二区视频免费看| 伊人久久精品亚洲午夜| 国产精品久久视频播放| 国产精品无大码| 亚洲av第一区精品v没综合| 久久久久久久久久黄片| 综合色av麻豆| 亚洲国产精品成人综合色| 在线观看午夜福利视频| 99在线视频只有这里精品首页| 麻豆乱淫一区二区| 蜜桃久久精品国产亚洲av| 精品久久久久久久久久免费视频| 看黄色毛片网站| 亚洲av二区三区四区| 悠悠久久av| 美女大奶头视频| 国产精品av视频在线免费观看| 久久精品综合一区二区三区| 成人午夜高清在线视频| 国产精品美女特级片免费视频播放器| 99riav亚洲国产免费| 99久久人妻综合| 白带黄色成豆腐渣| 亚洲精品色激情综合| 一本久久精品| 一级毛片aaaaaa免费看小| 午夜福利在线观看免费完整高清在 | 亚洲aⅴ乱码一区二区在线播放| 蜜桃亚洲精品一区二区三区| 久久久久久久久久久免费av| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 国产伦理片在线播放av一区 | 国产老妇伦熟女老妇高清| 黄色欧美视频在线观看| 欧美+亚洲+日韩+国产| 国产一区二区激情短视频| av女优亚洲男人天堂| 黄色欧美视频在线观看| 蜜臀久久99精品久久宅男| 成人漫画全彩无遮挡| 夜夜夜夜夜久久久久| 在线播放无遮挡| 2021天堂中文幕一二区在线观| 听说在线观看完整版免费高清| 久久精品国产亚洲网站| 看免费成人av毛片| 色吧在线观看| 国产美女午夜福利| 看免费成人av毛片| 亚州av有码| 给我免费播放毛片高清在线观看| 18+在线观看网站| 国产三级在线视频| 毛片一级片免费看久久久久| 亚洲人成网站高清观看| 日韩精品青青久久久久久| 国产精品爽爽va在线观看网站| 欧美xxxx性猛交bbbb| 波多野结衣巨乳人妻| 日韩精品青青久久久久久| 青春草亚洲视频在线观看| 麻豆av噜噜一区二区三区| 内射极品少妇av片p| 亚洲精品成人久久久久久| 最近中文字幕高清免费大全6| 亚洲欧美精品综合久久99| 国产精品一区二区三区四区免费观看| 国产一区亚洲一区在线观看| 日本撒尿小便嘘嘘汇集6| 日韩欧美在线乱码| 国内揄拍国产精品人妻在线| 久久午夜亚洲精品久久| 尾随美女入室| 久久这里只有精品中国| 久99久视频精品免费| 小蜜桃在线观看免费完整版高清| 黄片wwwwww| 欧美在线一区亚洲| 精品久久久噜噜| 身体一侧抽搐| 国产精品麻豆人妻色哟哟久久 | 国产色爽女视频免费观看| 国产熟女欧美一区二区| 欧美日韩精品成人综合77777| 91久久精品国产一区二区三区| 一区二区三区免费毛片| 国产成人freesex在线| 精品久久久久久久久久免费视频| 中文字幕av在线有码专区| 国产极品精品免费视频能看的| 看非洲黑人一级黄片| 一个人免费在线观看电影| 国产黄色视频一区二区在线观看 | 亚洲一区高清亚洲精品| 国产精品无大码| 国产精品免费一区二区三区在线| 久久久久久久午夜电影| 亚洲婷婷狠狠爱综合网| 日本撒尿小便嘘嘘汇集6| 午夜精品一区二区三区免费看| 看免费成人av毛片| 99久久久亚洲精品蜜臀av| 99久久精品热视频| 国产精品爽爽va在线观看网站| 最近手机中文字幕大全| 亚洲av电影不卡..在线观看| kizo精华| 一区二区三区高清视频在线| 久久久久久伊人网av| 一个人免费在线观看电影| 日本欧美国产在线视频| 高清毛片免费看| 黄色配什么色好看| av国产免费在线观看| 欧美性猛交黑人性爽| 国产视频内射| 亚洲电影在线观看av| 丰满乱子伦码专区| 日本在线视频免费播放| 91午夜精品亚洲一区二区三区| 欧美一区二区亚洲| 日本一本二区三区精品| 免费观看a级毛片全部| 亚洲精品久久国产高清桃花| 亚洲成av人片在线播放无| 亚洲成人中文字幕在线播放| 亚洲四区av| 久久久欧美国产精品| 黄片wwwwww| 久久九九热精品免费| 免费一级毛片在线播放高清视频| 热99在线观看视频| 少妇人妻精品综合一区二区 | 97超视频在线观看视频| 美女高潮的动态| av福利片在线观看| 中国国产av一级| 亚洲精品乱码久久久v下载方式| 亚洲第一区二区三区不卡| 丰满乱子伦码专区| 国产大屁股一区二区在线视频| 一进一出抽搐gif免费好疼| 18禁在线播放成人免费| 亚洲久久久久久中文字幕| 少妇熟女aⅴ在线视频| 欧美日韩精品成人综合77777| 国产一区二区亚洲精品在线观看| 亚洲国产精品sss在线观看| 日本色播在线视频| 精品免费久久久久久久清纯| 久久精品国产亚洲网站| 干丝袜人妻中文字幕| 日韩欧美在线乱码| 神马国产精品三级电影在线观看| 丰满人妻一区二区三区视频av| 狠狠狠狠99中文字幕| 青春草国产在线视频 | 少妇的逼水好多| 三级男女做爰猛烈吃奶摸视频| 中文欧美无线码| 色综合站精品国产| av女优亚洲男人天堂| 免费黄网站久久成人精品| 亚洲精华国产精华液的使用体验 | 国产亚洲av嫩草精品影院| 在线播放国产精品三级| 国产白丝娇喘喷水9色精品| 国产一区二区三区av在线 | 真实男女啪啪啪动态图| 亚洲,欧美,日韩| 此物有八面人人有两片| 有码 亚洲区| 麻豆成人午夜福利视频| 啦啦啦观看免费观看视频高清| 身体一侧抽搐| 又粗又硬又长又爽又黄的视频 | 欧美成人a在线观看| 人妻久久中文字幕网| 尾随美女入室| 欧美最新免费一区二区三区| 亚洲国产欧美在线一区| 亚洲婷婷狠狠爱综合网| 国产又黄又爽又无遮挡在线| 亚洲一区二区三区色噜噜| 国产一区二区三区在线臀色熟女| 欧美3d第一页| 亚洲在久久综合| 哪个播放器可以免费观看大片| 免费搜索国产男女视频| 一卡2卡三卡四卡精品乱码亚洲| 婷婷精品国产亚洲av| 男女做爰动态图高潮gif福利片| 国产黄色小视频在线观看| 秋霞在线观看毛片| 中文在线观看免费www的网站| 老熟妇乱子伦视频在线观看| 97人妻精品一区二区三区麻豆| 美女xxoo啪啪120秒动态图| 午夜激情欧美在线| 美女 人体艺术 gogo| 免费av观看视频| 黄片无遮挡物在线观看| 有码 亚洲区| 亚洲精品国产av成人精品| 国产一级毛片在线| 可以在线观看毛片的网站| 黄色一级大片看看| 亚洲精品亚洲一区二区| 久久久成人免费电影| 国产老妇伦熟女老妇高清| av在线亚洲专区| 久久亚洲精品不卡| 国内精品宾馆在线| 欧美高清成人免费视频www| 最好的美女福利视频网| 色播亚洲综合网| 九九爱精品视频在线观看| h日本视频在线播放| 亚洲av.av天堂| 99久国产av精品国产电影| 午夜久久久久精精品| 大香蕉久久网| 自拍偷自拍亚洲精品老妇| 变态另类丝袜制服| 亚洲婷婷狠狠爱综合网| 蜜桃久久精品国产亚洲av| 国产一级毛片七仙女欲春2| 国产黄a三级三级三级人| 在线免费观看不下载黄p国产| 九草在线视频观看| eeuss影院久久| a级毛片a级免费在线| 好男人在线观看高清免费视频| 丝袜喷水一区| 22中文网久久字幕| 国产精品女同一区二区软件| 精品人妻一区二区三区麻豆| 99久久久亚洲精品蜜臀av| 久久久久久国产a免费观看| 岛国在线免费视频观看| 九九爱精品视频在线观看| 日韩在线高清观看一区二区三区| 国产熟女欧美一区二区| 国产一区二区三区av在线 | 日本三级黄在线观看| 午夜福利在线观看免费完整高清在 | 国产三级在线视频| 欧美性猛交黑人性爽| 欧美xxxx性猛交bbbb| 在线播放无遮挡| 亚洲欧美精品专区久久| 国产成人a∨麻豆精品| 久久久a久久爽久久v久久| 国产精品久久久久久久电影| av又黄又爽大尺度在线免费看 | 日产精品乱码卡一卡2卡三| 国产亚洲91精品色在线| av卡一久久| 久久精品国产亚洲网站| 又黄又爽又刺激的免费视频.| 国产又黄又爽又无遮挡在线| 成人毛片60女人毛片免费| 99久久精品热视频| 久久久精品欧美日韩精品| 中国美女看黄片| a级毛色黄片| 国产伦精品一区二区三区四那| 亚洲精品日韩在线中文字幕 | 国产单亲对白刺激| 在线国产一区二区在线| 亚洲一区二区三区色噜噜| 麻豆国产97在线/欧美| 高清毛片免费观看视频网站| 国产色婷婷99| 此物有八面人人有两片| 天美传媒精品一区二区| 日韩欧美国产在线观看| 日韩人妻高清精品专区| 91在线精品国自产拍蜜月| 国产乱人偷精品视频| 亚洲精品亚洲一区二区| 亚洲aⅴ乱码一区二区在线播放| 国产又黄又爽又无遮挡在线| 成人毛片a级毛片在线播放| 深爱激情五月婷婷| 天堂影院成人在线观看| 国产一区二区三区av在线 | a级一级毛片免费在线观看| av国产免费在线观看| 成人特级av手机在线观看| 国产精品美女特级片免费视频播放器| 午夜免费男女啪啪视频观看| 欧美+亚洲+日韩+国产| av在线天堂中文字幕| 特大巨黑吊av在线直播| 波野结衣二区三区在线| 中文精品一卡2卡3卡4更新| 51国产日韩欧美| 特级一级黄色大片| 久久精品夜夜夜夜夜久久蜜豆| 美女cb高潮喷水在线观看| 看黄色毛片网站| 色噜噜av男人的天堂激情| 国内精品宾馆在线| 国产亚洲精品av在线| 少妇被粗大猛烈的视频| 好男人视频免费观看在线| 免费一级毛片在线播放高清视频| 美女大奶头视频| 国产亚洲精品久久久com| 国产精品不卡视频一区二区| 国内揄拍国产精品人妻在线| 国产片特级美女逼逼视频| 精品少妇黑人巨大在线播放 | 亚洲欧洲日产国产| 极品教师在线视频| 国产精品人妻久久久久久| 欧美丝袜亚洲另类| 国产伦在线观看视频一区| www日本黄色视频网| 亚洲欧美清纯卡通| 免费av观看视频| 97人妻精品一区二区三区麻豆| 18禁在线无遮挡免费观看视频| 人人妻人人看人人澡| 国产伦精品一区二区三区视频9| 国产精品一区www在线观看| 尤物成人国产欧美一区二区三区| 国产精品.久久久| 舔av片在线| 中文字幕制服av| 寂寞人妻少妇视频99o| 床上黄色一级片| 免费在线观看成人毛片| 国产伦在线观看视频一区| 99久久精品热视频| 国产精品美女特级片免费视频播放器| 看免费成人av毛片| 亚洲国产欧美在线一区| 中出人妻视频一区二区| 成年女人看的毛片在线观看| 一级二级三级毛片免费看| 国产综合懂色| 日日啪夜夜撸| videossex国产| 欧美人与善性xxx| 亚洲av成人av| 国产精品久久久久久久久免| 日本黄大片高清| 亚洲av熟女| 国产av麻豆久久久久久久| 搡女人真爽免费视频火全软件| 日韩 亚洲 欧美在线| 黄色配什么色好看| 综合色av麻豆| 午夜视频国产福利| 偷拍熟女少妇极品色| 国产成人一区二区在线| 偷拍熟女少妇极品色| 亚洲在久久综合| 精品免费久久久久久久清纯| 久久鲁丝午夜福利片| 成人午夜高清在线视频| 国产精品1区2区在线观看.| 亚洲高清免费不卡视频| 亚洲国产高清在线一区二区三| 一本久久精品| 成人毛片60女人毛片免费| 久久久国产成人免费| 久久精品人妻少妇| 夜夜夜夜夜久久久久| 91aial.com中文字幕在线观看| 久久草成人影院| 在线观看一区二区三区| 蜜桃久久精品国产亚洲av| 国产伦精品一区二区三区视频9| 中文字幕人妻熟人妻熟丝袜美| 久久精品国产清高在天天线| 观看免费一级毛片| 色哟哟·www| 亚洲成av人片在线播放无| 深爱激情五月婷婷| 网址你懂的国产日韩在线| 在线观看美女被高潮喷水网站| 亚洲丝袜综合中文字幕| 国产精品一及| 久久国内精品自在自线图片| 中文字幕人妻熟人妻熟丝袜美| 久久精品夜夜夜夜夜久久蜜豆| 99久久精品国产国产毛片| 少妇的逼水好多| 国产不卡一卡二| 国产美女午夜福利| 久久久久久久久久久免费av| 国产一区二区亚洲精品在线观看| 99久国产av精品| 国产精品久久久久久亚洲av鲁大| 国产黄色视频一区二区在线观看 | 国产高清不卡午夜福利| 一个人免费在线观看电影| 国产又黄又爽又无遮挡在线| 此物有八面人人有两片| videossex国产| 成人高潮视频无遮挡免费网站| 狂野欧美激情性xxxx在线观看| 丝袜喷水一区| 成人av在线播放网站| 成年版毛片免费区| 青青草视频在线视频观看| 国产午夜精品一二区理论片| 国产一区亚洲一区在线观看| 青春草视频在线免费观看| 久久精品综合一区二区三区| 国产免费男女视频| 成人无遮挡网站| 日本黄色视频三级网站网址| 日韩 亚洲 欧美在线| 亚洲乱码一区二区免费版| 中文字幕制服av| 国产成人91sexporn| 99热这里只有是精品50| 我要看日韩黄色一级片| 久久鲁丝午夜福利片| 亚洲五月天丁香| 三级国产精品欧美在线观看| 99热全是精品| 精品久久久久久久久亚洲| 国产精品永久免费网站| 国产男人的电影天堂91| 免费av观看视频| 久久6这里有精品| 亚洲中文字幕日韩| 最近2019中文字幕mv第一页| av国产免费在线观看| 乱码一卡2卡4卡精品| 欧美精品国产亚洲| 欧美高清成人免费视频www| 女人十人毛片免费观看3o分钟| 三级男女做爰猛烈吃奶摸视频| 给我免费播放毛片高清在线观看| 日产精品乱码卡一卡2卡三| 中文字幕免费在线视频6| 久久中文看片网| 免费观看精品视频网站| 国产黄色小视频在线观看| 欧美最新免费一区二区三区| 精品一区二区三区视频在线| 久久国产乱子免费精品| 精品人妻一区二区三区麻豆| 欧美一区二区国产精品久久精品| 婷婷亚洲欧美| 亚洲欧美日韩高清专用| 亚洲国产精品sss在线观看| 又爽又黄a免费视频| 男女边吃奶边做爰视频| 婷婷亚洲欧美| 国产老妇伦熟女老妇高清| 最好的美女福利视频网| 精品久久久久久久久久久久久| 亚洲自偷自拍三级| 国产精品不卡视频一区二区| 欧美成人一区二区免费高清观看| 国产高潮美女av| 亚洲精品456在线播放app| 丰满人妻一区二区三区视频av| a级一级毛片免费在线观看| 日韩成人av中文字幕在线观看| 三级男女做爰猛烈吃奶摸视频| 国产片特级美女逼逼视频| 村上凉子中文字幕在线| 国产 一区 欧美 日韩| 亚洲无线在线观看| 少妇高潮的动态图| 亚洲国产色片| 免费观看a级毛片全部| 最近最新中文字幕大全电影3| 我要看日韩黄色一级片| 小说图片视频综合网站| 热99re8久久精品国产| 一区福利在线观看| 成人一区二区视频在线观看| 国产黄片视频在线免费观看| 身体一侧抽搐| 亚洲精品456在线播放app| 久久久久久久久久黄片| 熟妇人妻久久中文字幕3abv| 男人的好看免费观看在线视频| 日日啪夜夜撸| 在线播放国产精品三级| or卡值多少钱| 国产亚洲精品久久久久久毛片| 在线免费观看不下载黄p国产| 国产伦精品一区二区三区视频9| 国产精品电影一区二区三区| 亚洲七黄色美女视频| 1000部很黄的大片| 亚洲欧美精品综合久久99| 五月玫瑰六月丁香| 成人高潮视频无遮挡免费网站| 给我免费播放毛片高清在线观看| 国产真实伦视频高清在线观看| 中文在线观看免费www的网站| 欧美性猛交黑人性爽| 国产精品1区2区在线观看.| 美女 人体艺术 gogo| 国产精品av视频在线免费观看| 欧美变态另类bdsm刘玥| 欧美在线一区亚洲| 久久久久久九九精品二区国产| 成年av动漫网址| 国产成人福利小说| 看十八女毛片水多多多| 午夜激情福利司机影院| 国产蜜桃级精品一区二区三区| 欧美高清成人免费视频www| 国产精品久久视频播放| 男人舔奶头视频| 久久久久久久久久久丰满| 亚洲无线在线观看| 插逼视频在线观看| 日本黄色片子视频| 爱豆传媒免费全集在线观看| 中文字幕熟女人妻在线| 国产精品1区2区在线观看.| 中文字幕精品亚洲无线码一区| 精品国产三级普通话版| kizo精华| 高清毛片免费观看视频网站| 美女大奶头视频| 中文字幕久久专区| 一区二区三区四区激情视频 | 国产一级毛片在线| 一边亲一边摸免费视频| 成年版毛片免费区| 51国产日韩欧美| 91麻豆精品激情在线观看国产| 日日摸夜夜添夜夜添av毛片| 午夜福利视频1000在线观看| 国产 一区精品| 免费人成在线观看视频色| 男女视频在线观看网站免费| 亚洲精品乱码久久久久久按摩| 国产乱人偷精品视频| 99九九线精品视频在线观看视频| 亚洲电影在线观看av| 久久99热6这里只有精品| 99热只有精品国产| 看免费成人av毛片| 国产麻豆成人av免费视频| 久久久久久久久大av| 亚洲在久久综合| 能在线免费观看的黄片| 99热网站在线观看| 国产免费男女视频| 亚洲欧美日韩高清专用| 男女做爰动态图高潮gif福利片| 免费av观看视频| 国产精品嫩草影院av在线观看| 婷婷色综合大香蕉| 久久这里有精品视频免费| 美女内射精品一级片tv| av在线观看视频网站免费| 啦啦啦观看免费观看视频高清| 色播亚洲综合网| 自拍偷自拍亚洲精品老妇| 欧美一级a爱片免费观看看| 成人午夜高清在线视频| 欧美又色又爽又黄视频| 久久久精品大字幕| 亚洲精品影视一区二区三区av| 国产精品福利在线免费观看| 免费人成在线观看视频色| 中国美女看黄片| av免费观看日本| 在线国产一区二区在线|