[发明专利]苹果冲击损伤面积的高光谱无损预测方法

权利要求书

1.一种苹果冲击损伤面积的高光谱无损预测方法，其特征在于，步骤如下：

1)确定苹果样品的冲击损伤面积

将苹果样品放置在跌落试验机的不同高度使其自由跌落产生冲击损伤；其中，在跌落平台上苹果的冲击位置处放上测压胶片，由压力扫描仪读出测压胶片上苹果样品的损伤面积；

2)提取苹果样品受损与未受损区域的平均光谱

用近红外高光谱成像系统扫描受损与未受损样品，采集样品高光谱图像；

分别选取样品的受损区域和未受损区域为感兴趣区，从样品高光谱图像提取平均光谱，获得原始光谱；

3)光谱分析

基于原始光谱选取特征波长，得到波段较少的有效波长用于预测模型的建立；

4)建立苹果冲击损伤面积的预测模型

由以上步骤得到的特征波长矩阵和损伤面积矩阵建立苹果冲击损伤面积的预测模型；

5)评估待测受损伤苹果样品

采集待测受损伤苹果样品的高光谱图像，提取特征波长，将特征波长矩阵输入预测模型，即得到苹果损伤面积的预测值。

2.根据权利要求1所述苹果冲击损伤面积的高光谱无损预测方法，其特征在于，采用竞争性自适应重加权算法提取原始光谱的特征波长，其步骤如下：

(1)蒙特卡罗采样，每次波长变量采样从建模样本集随机抽取80％-90％的样本，建立偏最小二乘回归模型；

(2)基于指数衰减函数去除不符合要求的波长变量：假定样本光谱矩阵为X(n×p)，n为样本数，p为变量数，样本损伤面积矩阵为Y(n×1)，则偏最小二乘回归模型为：

Y＝Xb+e (1)

b为回归系数，e为残差；

基于指数衰减函数强行去除|b_i|值相对较小的波长；在第i次采样运算后，波长变量点的保存率通过如下指数函数计算：

r_i＝ae^-ki (2)

a和k均为常数；在第一次釆样时，所有的p个变量都参与建模，即r₁＝1；在第N次采样时，仅2个变量参与建模，即r_N＝2/P；从而计算出a和k：

使用指数衰减函数，大量不重要的波长变量逐步且有效地被去除；

(3)基于自适应重加权采样算法对保留的波长变量进行竞争性筛选，模拟达尔文进化论中“适者生存”的法则，通过评价每个波长变量的权重ω_i进行变量筛选，权重值的计算如下：

回归系数绝对值权重越大的波长越容易被选中，越小的波长越容易被删除；

(4)N次蒙特卡罗采样后得到N个波长变量子集，比较每次蒙特卡罗采样产生的波长变量子集的交叉，验证均方根误差，误差值最小的变量子集为最优波长变量子集；

基于该方法提取的特征波长共10个，分别为1017，1060，1120，1167，1200，1230，1263，1370，1406，1466，单位为nm。

3.根据权利要求1所述苹果冲击损伤面积的高光谱无损预测方法，其特征在于，建立的损伤面积的预测模型为偏最小二乘回归模型。