关键词:
近红外光谱
多模型
决策融合
产地判别
糖度预测
摘要:
苹果产地溯源与苹果糖度含量预测具有非常重要的现实意义,通过建立模型达到产地判别与糖度预测目的。为了克服单个模型的局限性,通过将多个模型的预测结果综合,提高整体预测性能。采用近红外光谱结合多模型决策融合策略对苹果产地进行溯源鉴别,对苹果糖度值进行预测,验证理论方法的可行性。采用手持式近红外检测仪采集了苹果样本的光谱,使用样本光谱结合随机森林(RF)方法、偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)方法建立了苹果产地判别模型。再对三种判别模型输出的预测结果使用投票制决策融合方法,输出新的判别结果。对所有苹果样本采集了糖度实际值,使用样本光谱与糖度实际值结合随机森林(RF)、偏最小二乘回归(PLSR)与支持向量回归(SVR)方法建立了糖度预测模型。采用三种回归模型输出的结果,通过加权法决策融合策略输出新的糖度预测结果。在不使用投票决策方法时,三种定性建模方法中使用RF方法建立判别模型效果最好,预测准确度达到88.71%。使用SVM方法预测效果最差,预测准确度为77.43%。使用投票决策方法后,对苹果产地鉴别的准确度达到93.42%,其预测的精确度与召回率也达到了双高,均在85%以上。在不使用加权的决策融合方法前提下,三种定量建模方法对苹果糖度的预测均有不错的效果。三种方法预测的决定系数均约0.87,预测均方根误差均约为0.78。使用了加权的决策融合方法,对糖度的预测效果有一定的提升。预测决定系数为0.91,预测均方根误差为0.66。通过在苹果产地的鉴别与苹果糖度的预测中,使用多模型决策融合方法提高了苹果产地判别的正确率,提升了对苹果糖度预测的准确性,证实了所提方法的可行性。同时,手持式近红外检测仪结合多模型决策融合方法也为现场无损检测分析提供了一种新的高精度预测手段。