运用近红外光谱技术对松子霉变的快速检测

采集234组有代表性的松子实验数据,对光谱数据进行求导、变量标准化(SNV)、小波变换、套索算法(LASSO)与主成分分析(PCA)方法预处理后,使用高斯过程(GP)等10种建模方法对光谱数据进行建模,分析运用近红外光谱技术快速检测松子霉变的可行性。结果表明:使用径向基核支持向量机建模的F1度量分数为0.868、使用高斯过程建模的F1度量分数为0.631、将应用主成分分析方法降维后的数据使用高斯过程建模的F1度量分数为0.933、将应用套索算法与主成分分析方法处理后的数据使用高斯过程建模的F1度量分数为1.000,实验结果验证了使用套索算法-主成分分析-高斯过程建立近红外光谱模型筛选霉变松子是可行的。