基于高光谱数据的菠菜新鲜度识别和叶绿素含量的预测【字数:7482】
目录
摘要 1
关键词 1
引言 1
1.选题背景 1
1.1 问题的提出 1
1.2 国内外研究状况 2
1.2.1 国外研究状况 2
1.2.2 国内研究状况 2
1.3 研究的目的和内容 2
1.3.1 研究目的 2
1.3.2 研究内容 2
2 材料与方法 2
2.1 菠菜新鲜度等级评价指标 3
2.2 高光谱数据处理 3
2.2.1 交叉验证法 3
2.3 数据特征选择 3
2.3.1 feature_matrix 4
2.3.2 卡方检验 4
3 分类及预测算法研究 4
3.1 逻辑回归 4
3.2 邻近算法 5
3.3 随机森林算法 5
3.4 支持向量机算法 6
4 结果与分析 6
4.1 新鲜度识别结果及算法比较 6
4.1.1 逻辑回归算法结果 6
4.1.2 KNN算法结果 7
4.1.3 随机森林算法结果 7
4.1.4 SVM算法结果 8
4.2 叶绿素含量预测结果 8
4.2.1 各算法预测结果 8
4.2.2 结果总结 9
致谢 10
参考文献 10
基于高 *51今日免费论文网|www.51jrft.com +Q: @351916072@
光谱数据的菠菜新鲜度识别和叶绿素含量的预测
引言
引言:现如今,水果和蔬菜及其加工副产品与居民的日常生活息息相关,是广大居民日常所需营养的重要摄入来源。因此,果蔬本身的质量必须加以重视。[1]一方面,恒量水果蔬菜质量,影响植物生长、生物代谢的一个重要因素是新鲜度这一关键参数;另一方面,作为评估水果蔬菜是否新鲜的重要指标,叶绿素的含量比例通常被用作植物生长和发育的真实指标。作为农业大国的中国,蔬菜行业的发展实际上并不迅速,蔬菜因腐烂而损耗的比率达到了30%左右,这就要求国内相关行业在果蔬及其产品的生产,加工,贸易和管理中,需要检查性地进行新鲜度的识别以及叶绿素含量的预测及评估。
1.选题背景
1.1 问题的提出
就目前而言,随机森林算法作为一项科学的分类算法,凭借其对于高维数据的处理能力、模型泛化的能力较强、训练样本速度快等优点,被广泛运用于检测蔬菜各项指标成分含量的领域中[2],但该算法的训练样本对分类结果的影响问题在科研领域一直处于冷门状态,并没有受到突出重视,而LogisticRegression算法、KNN算法以及SVM算法在数据的分类处理领域中,应用的程度也不够广泛。本课题拟选取菠菜作为研究对象,拟应用随机森林等分类算法,通过各项算法的具体使用,比较不同算法之间的差异。通过特征波长分析筛选,高效精准地识别菠菜新鲜程度以及预测其叶绿素的含量。
国内外研究状况
1.2.1 国外研究状况
近年来,各国的相关研究机构对于菠菜等果蔬的新鲜度识别以及相关营养成分的含量预测评估,使用了较多不同的方法,并得出了一系列结果,取得了不少突破性的进展。D. Rydzyński[3]通过结合菠菜反射波长,利用了反演算法,具体测定了菠菜内部各项营养成分的含量。Robert J. Linhardt等[4]通过支持向量机SVM算法,检测了果蔬工业废水中高附加值营养素的含量。Jude C.Ikewuchi等[5]选取了盘尾草作为研究对象,预测了其茎叶的各项营养物质的含量。
1.2.2 国内研究状况
通过最近几年我国相关机构的研究,利用高光谱数据的结果,对于果蔬内部成分的测定已经逐步走向样本的无损化与精确化,并处于发展改善的道路中。对于果蔬的新鲜度识别以及内部成分检测和预测,主要集中在叶绿素a、叶绿素b、胡萝卜素、糖分、成熟度等参量的研究之中。杨婧等[6]利用高光谱成像数据,用过一元线性回归和神经网络模型搭建了油菜叶片叶绿素含量的估算模型,分析出了油菜蕾薹期预测模型准确度高于幼苗期。武倩雯等[7]利用多个高光谱图像参数,建立了玉米叶片叶绿素含量的预测平台,并得出了光谱图像红边参量数据与样本叶绿素含量具有最高关联性。孙雪梅等[8]通过测定高光谱图像数据参数来预测两种水稻子叶片的叶绿素含量以及籽粒中蛋白质成分含量,并使用了SRo与GNDVI测定模型预测了水稻籽粒收获期的相关养分的含量,实际值与预测值的误差在6.2%左右浮动。王鹏新等[9]利用反射光谱,通过偏最小二乘方法测定了冬小麦叶片中的水分与叶绿素含量并建立了相关预测模型。黄星弈等[10]利用计算机嗅觉和视觉技术研究测定了菠菜叶片中叶绿素的含量,实现了样本无损检测,通过融合技术高效提升了预测模型的预测准确度。
1.3 研究的目的和内容
1.3.1 研究目的
(1)通过高光谱波长数据,直观显示菠菜新鲜程度和叶绿素含量。
(2)分别运用LogisticRegression算法、KNN邻近算法、随机森林算法、支持向量机SVM算法等,预测含量,分析算法之间的不同点,最后多者分别使用,进行相关得分对比,并进行波长数据分析与寻优。
原文链接:http://www.jxszl.com/jsj/wljs/606912.html