基于高光谱技术和IRIV-FOA-ELM算法的花椒挥发油无损检测

作者：纪然仕; 陈晓燕^*; 刘素珍; 饶利波; 汪震

来源：激光与光电子学进展, 2020, 57(20): 394-400.

• 光谱学
• 挥发油
• 高光谱技术
• 迭代保留信息变量算法
• 果蝇优化算法
• 极限学习机

为了对花椒挥发油的含量进行快速、无损、低成本的检测,以汉源县花椒为实验对象,采集其在400～1000nm波长范围内的光谱数据,然后采用标准正态变量变换(SNVT)方法对光谱数据进行预处理,利用迭代保留信息变量算法(IRIV)进行特征变量的提取,并建立极限学习机(ELM)回归模型,模型结果如下:校正集的决定系数RC2为0.8522,均方根误差RMSEC为0.3475;预测集的决定系数RP2为0.8365,均方根误差RMSEP为0.5737。为了进一步提高模型的预测性能,利用果蝇优化算法(FOA)对极限学习机的输入权值进行自适应优化。最终,优化后模型(IRIV-FOA-ELM)的决定系数RC2为0.8792,RMSEC为0.3323,RP2为0.8659,RMSEP为0.3621。结果表明,高光谱成像技术可以对花椒挥发油进行快速无损检测,同时为其他农产品挥发油检测提供一种新的方法和思路。

• 单位
  四川农业大学