科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:建立快速无损检测菠萝含水率的方法。方法:提出一种基于连续投影法的特征波长选择和麻雀搜索算法(SSA)优化正则化极限学习机(RELM)的菠萝含水率检测模型。针对菠萝近红外光谱数据具有维度高、冗余信息多的特点，分别对比连续投影法、主成分分析法和全波段等筛选特征波长的结果，确定菠萝近红外光谱特征波长筛选方法；针对RELM模型性能受其输入层权值和隐含层偏置的影响，运用麻雀搜索算法优化RELM模型的输入层权值和隐含层偏置，提出一种基于麻雀搜索算法改进正则化极限学习机的菠萝含水率检测模型。结果:与遗传算法改进正则化极限学习机(GA-RELM)、粒子群算法改进正则化极限学习机(PSO-RELM)和RELM相比，基于麻雀算法改进正则化极限学习机(SSA-RELM)的菠萝含水率检测模型的检测精度最高。结论:麻雀搜索算法优化RELM模型可以有效提高RELM模型的菠萝含水率检测精度。
- 单位
