基于偏最小二乘法和深度学习的近红外糖度预测

彭发; 王震; 刘双喜; 王金星; 杨化伟; 《吉林农业大学学报 》 2021 北大核心 CSCD

摘要：为准确预测苹果糖度,基于傅里叶变换近红外光谱、偏最小二乘法和深度学习技术,建立了不同的苹果糖度预测模型。使用傅里叶变换近红外光谱仪和折光仪采集160个苹果的光谱与糖度信息,建立不同光谱预处理方法的偏最小二乘法（Partial least square, PLS）模型,通过常用的竞争性自适应重加权算法减少PLS模型计算量,对比得到最好的PLS模型预测精度;使用深度学习的MobileNetV2网络构建苹果糖度预测模型,调整最适合的模型构建参数。试验结果表明:经过标准正态变量变换（Standard normal variate, SNV）光谱预处理的PLS模型预测精度最高,其预测模型相关系数（R_P）为0.933 3、均方根误差（RMSEP）为0.476 5°Brix,特征波长筛选可减少计算量,但会使预测模型精度稍微下降;经过数据增强处理的MobileNetV2模型可以获得一定的糖度预测精度,其R_P为0.843 1、RMSEP为0.898 4°Brix。结果表明,基于深度学习的MobileNetV2网络结构训练得到的糖度预测模型具有一定的可行性,但SNV预处理的全波段PLS模型精度最高,PLS建模依然是小批量样本建模简单高效的方法。

关键词： 近红外光谱 糖度 偏最小二乘法 深度学习 MobileNetV2模型