食品科学 ›› 2009, Vol. 30 ›› Issue (12): 140-143.doi: 10.7506/spkx1002-6630-200912027
郭卫东1,倪开诚1,孙旭东2,张长江1,陈文荣2
GUO Wei-dong1,NI Kai-cheng1,SUN Xu-dong2,ZHANG Chang-jiang1,CHEN Wen-rong1
摘要:
联合使用连续小波变换(continuous wavelet transform,CWT)和广义回归神经网络(generalized regression neural networks,GRNN)建立用于测定樱桃中糖含量的CWT-GRNN 预测校正模型。利用CWT 提取樱桃样本数据中反映含糖量的关键光谱特征,在CWT 域中选择3 个具有代表性的尺度,并在每个尺度下根据樱桃样本的可见- 近红外光谱的特征将其划分为4 个特征区间,从而构造12 个特征输入到GRNN,GRNN 的光滑因子取为0.0001。CWTGRNN模型对20 个预测样本集中的樱桃含糖量的预测相对误差在2% 以内。结果表明,可见- 近红外光谱技术可以快速、准确和无损地测定樱桃中的含糖量,本研究提出的方法可以用于果蔬产业的品质管理与控制。
中图分类号: