摘要:本文提出了一种基于高光谱成像技术的油桃质量检测方法。外部质量指标为完整、裂纹、锈蚀、变形和暗损,内部质量指标为可溶性固形物含量。首先选取形状大小相近的480个油桃样品(完整油桃160个,缺陷油桃320个)。其次,在420 1000 nm的光谱范围内,根据外部质量和内部质量指标,获得5个光谱主成分和6个纹理值;最后,采用偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)和极限学习机(ELM)方法分别建立了外部质量判别模型和内部质量预测模型。结果表明,外部质量鉴定的准确率分别为89.73%、94.45%和88.62%。SSC预测的决定系数分别为0.8540、0.8747、0.8146,均方根误差分别为0.9849、0.9101、1.0732。结果表明,LS-SVM模型在油桃内外品质预测和判别方面具有很大的潜力。
水果硬度:采用美国FTC公司TMS-PRO型食品性能分析仪测定油桃的硬度值
文献题目:Quality inspection of nectarine based on hyperspectral imaging technology
![](https://img1.17img.cn/17img/images/202208/uepic/fa895233-d663-4b2d-9ad8-ceada876e096.jpg)