Quả việt quất có thịt tinh tế và hương vị độc đáo. Nó rất giàu chất dinh dưỡng và được gọi là "Nữ hoàng trái cây". Nó có các chức năng ngăn ngừa lão hóa thần kinh não, bảo vệ thị lực, chống ung thư và tăng cường khả năng miễn dịch của con người. Nó có triển vọng thị trường rộng lớn. Hàm lượng đường việt quất là một chỉ số quan trọng để đánh giá chất lượng việt quất. Phát hiện nội dung đường việt quất truyền thống là phá hủy, và phát hiện không phá hủy là một xu hướng phát triển quan trọng.
1. Thu thập dữ liệu hình ảnh
Hình ảnh phổ cao của các mẫu việt quất
Trích xuất dữ liệu phổ của hai hình ảnh siêu âm: Chọn các vùng quan tâm khác nhau (ROI) trên bề mặt của mỗi mẫu và có được đường cong phổ phản xạ ban đầu
Tương ứng với đường cong phổ ban đầu của diện tích quan tâm, giá trị phổ trung bình được trích xuất để thu được ba bộ ma trận dữ liệu quang phổ 48x256
Theo hình ảnh siêu âm và các đường cong quang phổ trong các dải khác nhau, dải 1 băng tần 50 có tiếng ồn lớn và hình ảnh mờ. Khi chọn dữ liệu,
Chỉ có dải 51 băng tần 250 (1031.11nm-1699.11nm) Tổng cộng 200 ban nhạc đã được mô hình hóa. 36 giá trị quang phổ việt quất đầu tiên được sử dụng để thiết lập mô hình,
và 12 cuối cùng đã được sử dụng để thử nghiệm mô hình.
2. Thiết lập và phân tích mô hình
Việc thiết lập mô hình dự đoán nội dung đường việt quất chủ yếu sử dụng phương pháp hồi quy bình phương tối thiểu một phần (PLSR). Dữ liệu phổ khác nhau nhận được
Các mô hình dự đoán khác nhau. Trực tiếp sử dụng 200 dải với nhiễu được loại bỏ để mô hình hóa 200 dải dữ liệu quang phổ để giảm kích thước PCA, chọn
Các thành phần chính đầu tiên với tỷ lệ đóng góp tích lũy là 99,9%, sau đó sử dụng mô hình PLSR để chọn các dải đặc trưng cho quang phổ 256
Các dải trong toàn bộ khu vực phía sau bằng SPA, sau đó sử dụng mô hình PLSR để thực hiện trực tiếp mô hình theo chu kỳ trên 200 dải trong toàn bộ khu vực phía sau, đầu tiên kết hợp
hai lần, và sau đó sử dụng ba kết hợp để mô hình
3. Thành lập mô hình dự đoán
Mô hình PLSR của dữ liệu quang phổ của một số khu vực ở phía trước
Mô hình dự đoán:
y = 8.1109+0.3989x+0.2848x+.+0.809x200
Trong đó x1, x2, ..., x200 là các giá trị phổ trung bình của dải 51-Band250 và Y là hàm lượng đường của quả việt quất.
Sử dụng mô hình dự đoán, dữ liệu quang phổ của 12 quả việt quất được thay thế để thu được các giá trị hàm lượng đường dự đoán như trong bảng sau đây
Bảng 1. So sánh các giá trị hàm lượng đường dự đoán và giá trị hàm lượng đường thực tế của một số khu vực ở mặt trước của quả việt quất
Bảng 2. Giá trị nội dung đường dự đoán và giá trị thực cho toàn bộ khu vực của mặt trước của quả việt quất
Bảng 3. Giá trị nội dung đường dự đoán và giá trị thực cho toàn bộ khu vực ở mặt sau của quả việt quất
Giá trị hàm lượng đường dự đoán của mô hình dự đoán thu được từ ba bộ dữ liệu và đường cong của giá trị hàm lượng đường thực tế của quả việt quất
PCA đã được sử dụng để giảm kích thước của dữ liệu phổ việt quất. Dữ liệu sau khi giảm kích thước sau đó được sử dụng để mô hình hóa PLSR. Sau khi giảm kích thước PCA, các thành phần chính N đầu tiên với tỷ lệ đóng góp tổng số 99,9% đã được chọn. Bảy thành phần chính đã được chọn sau khi giảm kích thước dữ liệu quang phổ được trích xuất từ khu vực một phần của mặt trước và toàn bộ khu vực phía trước. 10 thành phần chính đầu tiên được trích xuất sau khi giảm kích thước dữ liệu quang phổ của toàn bộ khu vực phía sau. Các thành phần chính được chọn sau khi giảm kích thước PCA được sử dụng cho mô hình PLSR. Theo hàm mô hình dự đoán, các giá trị nội dung đường dự đoán của ba bộ dữ liệu đã thu được.
Đầu tiên sử dụng PCA để giảm kích thước, sau đó thực hiện mô hình PLSR. Theo hàm mô hình dự đoán, các đường cong của giá trị hàm lượng đường dự đoán và giá trị hàm lượng đường thực tế của ba bộ dữ liệu thu được
4. Tóm tắt
So sánh các mô hình dự đoán được thiết lập với các dữ liệu khác nhau, các hệ số tương quan r giữa giá trị hàm lượng đường dự đoán và đường thực sự
Giá trị nội dung của mô hình dự đoán kết hợp dải tối ưu được chọn bởi mô hình kết hợp chu kỳ băng tần lần lượt là 0,54 và 0,61
lớn nhất trong số các mô hình được thiết lập với các kết hợp băng tần khác và các lỗi tương đối trung bình lần lượt là 12,6% và 11,9%, đó là
nhỏ nhất trong số các mô hình được thiết lập với các kết hợp băng tần khác và sai số bình phương trung bình gốc của tập kiểm tra là nhỏ. Có thể kết luận rằng
Hiệu ứng dự đoán của mô hình tối ưu được chọn sau khi mô hình kết hợp chu kỳ băng tần tốt hơn so với các kết hợp băng tần khác.
