基于电学参数的苹果可溶性固形物含量预测

为实现苹果可溶性固形物含量的无损检测，该研究提出了一种长短期记忆编解码和多层感知机（LSTMED-MLP,long short-term memory encoder-decoder-multi-layer perceptron）融合的介电特征预测方法。在0.158～3 980 kHz频率范围内的9个频率点下，采用介电谱测量仪获取300个富士苹果的电学参数，其中每个频率点对应15项电学参数，即每个苹果对应135项电学特性参数，之后通过苹果基因组学理化分析方法，获取可溶性固形物含量；根据电学参数与可溶性固形物含量，构建苹果关键基因组学参数的回归预测模型。为简化模型输入，提取样本变量特征，使用主成分分析（principal component analysis,PCA）和LSTMED模型，提取每个样本的40项特征值，作为非线性回归模型多层感知机（MLP）和XGBoost的输入，建立可溶性固形物含量预测模型。试验结果表明，LSTMED具有更好的适用性，且LSTMED-MLP模型的预测效果最好，在校正集和预测集上，决定系数分别为0.95和0.90，均方根误差分别为0.77和0.84，且对不同种...