Боровинки има деликатно месо и уникатен вкус. Богата е со хранливи материи и е позната како „кралица на овошјето“. Има функции да спречи стареење на мозочните нерви, заштита на видот, анти-карцином и зајакнување на човечкиот имунитет. Има широки перспективи на пазарот. Содржината на шеќер од боровинки е важен показател за проценка на квалитетот на боровинки. Традиционалното откривање на содржината на шеќер од боровинки е деструктивно, а не-деструктивното откривање е важен тренд на развој.

1. стекнување на податоци за слика

Високо спектрална слика на примероци од боровинки

Извадете ги спектралните податоци на двете хиперспектрални слики: Изберете различни региони на интерес (ROI) на површината на секој примерок и добијте ја оригиналната крива на спектарот на рефлексија

Што одговара на оригиналната спектрална крива на областа на интерес, просечната спектрална вредност се извлекува за да се добијат три сета од 48х256 матрици на спектрални податоци

Според хиперспектралните слики и спектралните кривини во различни опсези, опсегот 1-опсег 50 има голем бучава и заматени слики. При изборот на податоци,
Беа моделирани само опсегот 51-опсег 250 (1031.11nm-1699.11nm) Вкупно 200 опсези. Првите 36 спектрални вредности на боровинки беа искористени за воспоставување на моделот,
а последните 12 беа користени за тестирање на модели.

2. Воспоставување и анализа на модели

Воспоставувањето на моделот за предвидување содржина на шеќер од боровинки главно го користи делумниот метод на регресија на најмалку квадрати (PLSR). Различни спектрални податоци добиваат
Различни модели за предвидување. Директно користете ги 200 опсези со бучава отстранети за да ги моделирате 200 опсези на спектрални податоци за намалување на димензиите на ПЦА, изберете го
Прво n главни компоненти со кумулативна стапка на придонес од 99,9%, а потоа користете PLSR моделирање за да ги изберете карактеристичните опсези за 256 спектрални
Групи во целата задна област користејќи SPA, а потоа користете PLSR моделирање за директно извршување на циклично моделирање на 200 опсези во целата задна област, прво комбинирајќи
два на два, а потоа користејќи три на три комбинации за моделирање

3. Воспоставување на модел на предвидување

PLSR модел на спектрални податоци на некои области од предниот дел

Модел на предвидување:

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

Каде x1, x2, ..., x200 се просечните спектрални вредности на опсегот 51-band250, а y е содржината на шеќер во боровинки.

Користејќи го моделот за предвидување, спектралните податоци на 12 боровинки беа заменети за да се добијат предвидените вредности на содржината на шеќерот, како што е прикажано на следната табела

Табела 1. Споредба на предвидените вредности на содржината на шеќер и вистинските вредности на содржината на шеќер на некои области на предниот дел на боровинките

Табела 2. Предвидени вредности на содржината на шеќер и вистински вредности за целата област на предната страна на боровинките

Табела 3. Предвидени вредности на содржината на шеќер и вистински вредности за целата област на задниот дел од боровинките

Предвидената вредност на содржината на шеќер на моделот за предвидување добиена од трите групи на податоци и кривата на вистинската вредност на содржината на шеќер во боровинки

ПЦА се користеше за да се намали димензијата на спектралните податоци на боровинки. Податоците по намалувањето на димензиите потоа се користеа за моделирање на PLSR. По намалувањето на димензијата на ПЦА, избрани се првите N главни компоненти со вкупна стапка на придонес од 99,9%. Седум главни компоненти беа избрани по намалувањето на димензиите на спектралните податоци извлечени од делумната област на предниот дел и целата област на предниот дел. Првите 10 главни компоненти беа извлечени по намалувањето на димензиите на спектралните податоци на целата област на грбот. Главните компоненти избрани по намалувањето на димензијата на ПЦА беа користени за моделирање на PLSR. Според функцијата на моделот за предвидување, добиени се предвидените вредности на содржината на шеќер на трите групи на податоци.

Прво користете PCA за да ја намалите димензијата, а потоа да извршите PLSR моделирање. Според функцијата на моделот за предвидување, се добиваат кривините на предвидената вредност на содржината на шеќер и вистинската вредност на содржината на шеќер на трите групи на податоци

4. Резиме

Споредувајќи ги моделите за предвидување утврдени со различни податоци, коефициентите на корелација R помеѓу предвидената вредност на содржината на шеќерот и вистинскиот шеќер

Вредност на содржината на оптималниот модел за предвидување на комбинација на опсег избран со моделирањето на комбинацијата на циклусот на опсегот е 0,54 и 0,61, соодветно, кои се

Најголем меѓу моделите утврдени со други комбинации на опсег, а просечните релативни грешки се 12,6% и 11,9%, соодветно, кои се

Најмал меѓу моделите утврдени со други комбинации на опсег, а коренот средна грешка на квадрат на сетот за тестирање е мала. Може да се заклучи дека

Предвидување на ефектот на оптималниот модел избран по моделирањето на комбинацијата на циклусот на опсегот е подобро од оној на другите комбинации на опсег.