《表5 不同特征波长下的SSC SVR模型》
注:‘c’表示惩罚系数,‘ε’表示不敏感损失系数,‘γ’表示宽度系数,‘R2c’表示建模集精度,‘R2v’表示预测集精度。
分别建立全光谱和特征波长的PLSR,SVR模型。其模型回归效果和模型参数如表4和表5所示。0壳聚糖涂膜的样本全光谱数据建立的PLSR模型Rc2和Rv2略高于SVR模型,效果较好。而挑选的特征波长建立的回归模型中,SPA-SVR效果最好,Rc2和Rv2值分别为0.865和0.835,RMSEC和RMSEV值分别为0.251和0.286。0.5%壳聚糖涂膜的样本全光谱数据建立的SVR模型Rc2高于PLSR模型,而PLSR模型的Rv2高于SVR模型。特征波长中,SPA-SVR的Rc2和Rv2值分别为0.808和0.799,RMSEC和RMSEV值分别为0.216和0.203,效果最佳。1%壳聚糖涂膜的样本全光谱数据建立的PLSR模型效果较好,特征波长中,SPA-SVR的Rc2和Rv2值分别为0.834和0.875,RMSEC和RMSEV值分别为0.334和0.170,预测效果最佳。每个浓度下的全光谱数据建立的PLSR和SVR模型Rc2和Rv2值均低于SPA-SVR模型,因此,SPA-SVR模型可以较好地预测0,0.5%,1%壳聚糖涂膜的草莓样本SSC含量。图8为3种浓度涂膜的草莓样本SPA-SVR模型建模与预测结果散点图。
图表编号 | XD00109822600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 邵园园、王永贤、玄冠涛、高宗梅、刘艺、韩翔、高冲 |
绘制单位 | 山东农业大学机械与电子工程学院、农业部南京农业机械化研究所、山东农业大学机械与电子工程学院、山东农业大学机械与电子工程学院、密苏里大学农业与食品工程学院、华盛顿州立大学精细与自动化农业研究中心、山东农业大学机械与电子工程学院、山东农业大学机械与电子工程学院、山东农业大学机械与电子工程学院 |
更多格式 | 高清、无水印(增值服务) |