利用CPO-PLSR建模优化的高光谱成像技术测定砀山酥梨可溶性固形物含量

摘要

【目的】探讨高光谱成像技术在砀山酥梨可溶性固形物含量（soluble solids content,SSC）快速测定中的应用。【方法】通过高光谱成像系统和全自动折光仪获取砀山酥梨表面反射光谱与SSC数据，并采用中心化（Centered）和移动窗口平滑（Moving Average,MA）进行数据预处理。采用连续投影算法（Sequentially Projected Algorithm,SPA）、竞争自适应重加权采样算法（Competitive Adaptive Reweighted Sampling,CARS）和改进无信息变量消除算法（Improved Modified Uninformative Variable Elimination,imUVE）提取特征波长，结合冠豪猪优化算法（Crested Porcupine Optimizer,CPO）与偏最小二乘回归（Partial Least Squares Regression,PLSR）建立CPO-PLSR回归模型。【结果】CPO-PLSR模型相较于传统的PLSR模型展现出了更优的性能，在采用SPA提取特征波长后，模型的预测性能达到最佳状态。预测集决定系数R2P、均方根误差（root mean square error of prediction,RMSEP）、残差预测偏差（residual prediction deviation,RPD）分别为0.691 01、0.307 64和1.818 40。【结论】该方法为砀山酥梨SSC的快速测定提供了有效的技术方案。

关键词

砀山酥梨 / 高光谱成像 / 可溶性固形物含量 / 冠豪猪优化算法 / 偏最小二乘回归算法

基金资助

广西高校中青年教师科研基础能力提升项目(2023KY0391); 广西高等教育本科教学改革工程项目（2025JGB288）; 中央专项彩票公益金-南宁师范大学2025年创新创业教育专项课题(2025SCKT03); 广西科技基地和人才专项（桂科AD20238059）; 广西普通本科高校示范性现代产业学院-南宁师范大学智慧物流产业学院建设项目-示范性现代产业学院项目（6020303891823）