技術文章
Technical articles東北(bei)林業(yè)大學研究(jiu)人員(yuan)在國內(nèi)(nei)期刊《光(guang)譜學與(yu)光譜(pu)分析》發(fā)(fa)表了題(ti)為"基于可見(jian)-近紅外(wai)光譜和深度(du)森林的藍莓成(cheng)熟度判(pan)別"的(de)研究論文。在該論文(wen)中,研究(jiu)人員使用上海(hai)騰拔Universal TA國產(chǎn)(chan)質(zhì)構儀測定了(le)藍莓的硬度。
摘 要 為快(kuai)速準確對藍莓(mei)果實成熟(shu)程度進行(xing)分類,采用近紅(hong)外光譜檢測(ce)技術和(he)深度森林算法(fa),建立了藍莓(mei)成熟度(du)的判別模型。采(cai)用LabSpec?。担埃埃肮庾V儀采集(ji)了三種(zhong)不同成熟程度(du)的藍莓(mei)標準(zhun)樣品,共(gong)獲取了150組光譜(pu)樣本。為(wei)確定最佳(jia)輸入(ru)模型特征數(shù)(shu)目,對原始光譜(pu)數(shù)據(jù)(ju)進行SavitzkyGolay卷(juan)積平滑處理,采(cai)用主成分(fen)分析將平(ping)滑處(chu)理后(hou)的數(shù)(shu)據(jù)降至4個主成(cheng)分,并采(cai)用多項(xiang)式特征(zheng)衍生方法對每(mei)個主成分(fen)進行2、3、4、5階的特征(zheng)衍生,最終(zhong)在深(shen)度森林中(zhong)確定最佳(jia)的特征(zheng)衍生階數(shù)為4。為(wei)檢驗深(shen)度森林的成(cheng)熟度(du)判別效果(guo),將其與(yu)隨機森林、jiduan梯(ti)度提升樹(shu)算法(xgboost)及stacking融合模(mo)型進行(xing)了對(dui)比,對(dui)各模型確(que)定了最佳超參(can)數(shù)組合(he),深度森林和stacking融(rong)合模型采用(yong)了手動調(diào)參(can),隨機森(sen)林和xgboost采用了貝(bei)葉斯優(yōu)化(hua)算法進行了超(chao)參數(shù)尋優(yōu)。模(mo)型評估指標(biao)采用(yong)準確率、混淆矩(ju)陣、受試者工(gong)作特征曲(qu)線(ROC)、AUC度(du)量及抗(kang)噪能(neng)力。研究結(jie)果表明,在測試(shi)集上,深(shen)度森(sen)林和stacking融合模(mo)型的準確(que)率均為95.56%,隨機森(sen)林和xgboost的準確率(lv)為93.33%;深度森林的(de)AUC值為1,隨機森林(lin)、stacking融合模型(xing)、xgboost的AUC值分(fen)別為0.99、0.98、0.96,深度森林(lin)和stacking融合模(mo)型的抗噪能力(li)優(yōu)于隨機(ji)森林和xgboost。該研(yan)究的深度(du)森林模型整(zheng)體上判別(bie)效果優(yōu)于其他(ta)三種模型,為藍(lan)莓成熟程(cheng)度判別提供了(le)技術支持。
1、硬度測(ce)定
將藍莓樣品放(fang)置于質(zhì)構(gou)儀測試平板(ban)上,使用圓柱形(xing)探頭對單個(ge)漿果(guo)進行(xing)全質(zhì)構(gou)分析(TPA)測(ce)試。測前、測(ce)試和測(ce)后上(shang)行速度(du)均為1mm/s,果肉變(bian)形30%,兩次壓縮停(ting)頓時間均(jun)為5s,以(yi)雙峰(feng)曲線中首(shou)峰的最大值(zhi)表示硬度。
參考文獻:王宏(hong)恩等:基于可見(jian)-近紅外(wai)光譜和(he)深度森林的(de)藍莓成熟度判(pan)別. 光譜學與光(guang)譜分析, 2024年.