《表2 基于不同波长选择方法的SSC和硬度MLR模型的性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于高光谱成像的肥城桃品质可视化分析与成熟度检测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

建立CARS和SPA算法优选特征波长的MLR模型，回归模型效果如表2所示。表2中，CARS-MLR模型性能优于SPA-MLR模型，用于预测SSC的CARS-MLR模型，Rv2=0.843 9，预测集均方根误差为0.509 6°Brix，RPD为2.0，用于预测硬度的CARS-MLR模型，Rv2=0.877 2，预测集均方根误差为0.858 5 kg/cm2，RPD为2.1。进一步，建立SSC和硬度CARS-MLR模型建模与预测散点图（图7），可以看出CARS-MLR模型对SSC和硬度均取得了较好预测结果。