|本期目录/Table of Contents|

[1]李伟伟,罗华平,孔维楠.高光谱成像技术结合遗传算法和BP神经网络的南疆骏枣总糖含量建模分析[J].江苏农业科学,2018,46(1):173-176.
　Li Weiwei,et al.Analysis of total sugar content modeling for Jun jujube in Southern Xinjiang by hyperspectral imaging technology combined with genetic algorithm and BP neural network[J].Jiangsu Agricultural Sciences,2018,46(1):173-176.
点击复制

高光谱成像技术结合遗传算法和BP神经
网络的南疆骏枣总糖含量建模分析(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第46卷
期数:
2018年第1期
页码:
173-176
栏目:
农业工程与信息技术
出版日期:
2018-01-05

文章信息/Info

Title:
Analysis of total sugar content modeling for Jun jujube in Southern Xinjiang by hyperspectral imaging technology combined with genetic algorithm and BP neural network
作者:
李伟伟1;  罗华平1; 2; 3;  孔维楠1
1.塔里木大学机械电气化工程学院，新疆阿拉尔 843300； 2.新疆维吾尔自治区普通高等学校现代农业工程重点实验室，新疆阿拉尔 843300；
3.南疆农业农机化研究中心，新疆阿拉尔 843300
Author(s):
Li Weiwei; et al
关键词:
高光谱成像技术; 遗传算法; 偏最小二乘; BP神经网络; 多元散射校正
Keywords:
-
分类号:
S665.101；S126
DOI:
-
文献标志码:
A
摘要:
为考察南疆骏枣的总糖含量与高光谱数据的对应关系，采用高光谱成像技术结合遗传算法和反向传播(back propagation，简称BP)神经网络的方法对南疆骏枣进行总糖含量建模分析，采用不同预处理方法处理原始光谱数据，并用遗传算法进行波长变量的选择，回归分析分别采用偏最小二乘法(PLS)和BP神经网络(BP-ANN)，从线性和非线性回归方式上建立校正模型分析。结果表明，用多元散射校正(MSC)进行预处理好于其他预处理方式。在回归分析上，BP-ANN预测南疆骏枣总糖含量的模型好于PLS，预测相关系数(Rp)和预测标准偏差(RMSEP)分别为0.918 4和0.931 0。由结果可知，利用近红外高光谱成像技术对南疆骏枣总糖含量进行预测是可行的。
Abstract:
-

参考文献/References:

［1］徐爽，何建国，易东，等. 基于高光谱图像技术的长枣糖度无损检测［J］. 食品与机械，2012，28(6)：168-170.
［2］吴龙国，何建国，刘贵珊，等. 基于近红外高光谱成像技术的长枣含水量无损检测［J］. 光电子·激光，2014，25(1)：135-140.
［3］薛建新，张淑娟，张晶晶. 高光谱成像技术对鲜枣内外部品质检测的研究［J］. 光谱学与光谱分析，2015，35(8)：2297-2302.
［4］李丹，何建国，刘贵珊，等. 基于高光谱成像技术的小黄瓜水分无损检测［J］. 红外与激光工程，2014，43(7)：2393-2397.
［5］王爽. 基于高光谱散射图像的苹果内部品质预测建模［D］. 无锡：江南大学，2012.
［6］吴晨，何建国，贺晓光，等. 基于近红外高光谱成像技术的马铃薯淀粉含量无损检测［J］. 河南工业大学学报(自然科学版)，2014，35(5)：11-16.
［7］章海亮，高俊峰，何勇. 基于高光谱成像技术的柑橘缺陷无损检测［J］. 农业机械学报，2013，44(9)：177-181.
［8］刘民法，张令标，何建国，等. 基于高光谱成像技术的长枣表面农药残留无损检测［J］. 食品与机械，2014，30(5)：87-92.
［9］黄培贤，姚志湘，粟晖，等. 高光谱图像技术在食品无损检测中的研究进展［J］. 食品工业科技，2012，33(15)：412-417.
［10］徐爽. 基于高光谱图像技术的红枣品质无损检测研究［D］. 银川：宁夏大学，2013.
［11］褚小立. 化学计量学方法与分子光谱分析技术［M］. 北京：化学工业出版社，2011.
［12］杨杰，占君，张继传，等. MATLAB神经网络30例［M］. 北京：电子工业出版社，2014.
［13］彭云发. 近红外光谱技术在南疆红枣品质快速无损检测中的应用［D］. 阿拉尔：塔里木大学，2015.
［14］葛哲学，孙志强. 神经网络理论与MATLAB R2007实现［M］. 北京：电子工业出版社，2007.
［15］胡晓男. 南疆红枣品质数字化快速无损检测技术推广应用［D］. 阿拉尔：塔里木大学，2015.

相似文献/References:

[1]周鹏,张小刚,徐彪,等.基于高光谱的南疆红枣病虫害特征谱段选择模式[J].江苏农业科学,2013,41(04):108.
[2]翟慧,李纪云.BP_Adaboost预测模型结合遗传算法在鸡腿菇生长环境寻优中的应用[J].江苏农业科学,2013,41(07):383.
　Zhai Hui,et al.Application of BP_Adaboost forecasting model combined genetic algorithm in growth environment optimization of Coprinus comaus[J].Jiangsu Agricultural Sciences,2013,41(1):383.
[3]秦善知,陈斌,陆道礼,等.基于便携式近红外光谱仪检测梨可溶性固形物[J].江苏农业科学,2014,42(08):284.
　Qin Shanzhi,et al.Determination of soluble solid contents in pears based on portable near infrared spectrometer[J].Jiangsu Agricultural Sciences,2014,42(1):284.
[4]蒋雪松,周宏平.基于遗传算法的农产品品质无损检测研究进展[J].江苏农业科学,2013,41(12):17.
　Jiang Xuesong,et al.Research progress of nondestructive testing of quality of agricultural products based on genetic algorithms[J].Jiangsu Agricultural Sciences,2013,41(1):17.
[5]徐凯宏,米雅婷,谷志新.基于GA-BP神经网络的温室番茄病害诊断[J].江苏农业科学,2016,44(04):387.
　Xu Kaihong,et al.Diagnosis of tomato disease in greenhouse based on GA-BP network[J].Jiangsu Agricultural Sciences,2016,44(1):387.
[6]杨杰,马本学,王运祥,等.葡萄可溶性固形物的高光谱无损检测技术[J].江苏农业科学,2016,44(06):401.
　Yang Jie,et al.Non-destructive detection of soluble solids content in grape by hyperspectral imaging techniques[J].Jiangsu Agricultural Sciences,2016,44(1):401.
[7]费强,赵武云,戴飞,等.基于BP神经网络及遗传算法的组合式板齿脱粒装置参数优化[J].江苏农业科学,2014,42(03):351.
　Fei Qiang,et al.Parameter optimization of composite board tooth threshing device based on BP neural network and genetic algorithm[J].Jiangsu Agricultural Sciences,2014,42(1):351.
[8]林萍,陈永明.利用可见近红外光谱技术快速鉴别大米品种[J].江苏农业科学,2015,43(12):320.
　Lin Ping,et al.Fast discrimination of rice varieties based on visible near-infrared spectroscopy technology[J].Jiangsu Agricultural Sciences,2015,43(1):320.
[9]刘金明,谢秋菊,刘浩然.基于SVM的畜禽舍废气监测缺失数据恢复[J].江苏农业科学,2015,43(08):421.
　Liu Jinming,et al.A method for missing data recovery of waste gas monitoring in animal building based on SVM[J].Jiangsu Agricultural Sciences,2015,43(1):421.
[10]栗娜,李萍,张善文.基于改进遗传算法的作物叶片病斑分割算法[J].江苏农业科学,2014,42(07):140.
　Li Na,et al.Segmentation of crop leaf spot image based on improved genetic algorithm[J].Jiangsu Agricultural Sciences,2014,42(1):140.

备注/Memo

备注/Memo:
收稿日期：2016-08-10
基金项目：国家自然科学基金(编号：11164023、11464039)；塔里木大学校长基金(编号：TDZKTG201501、TDGRI201503)；塔里木大学研究生科研创新项目(编号：TDGRI201619)。
作者简介：李伟伟(1985—)，男，山东临沂人，硕士研究生，主要从事农产品无损检测方面的研究。E-mail：liweiwei8503@163.com。
通信作者：罗华平，教授，主要从事农产品品质无损检测、光谱技术应用及快速无损检测装备开发研究。E-mail：luohuaping739@163.com。
更新日期/Last Update: 2018-01-05