其他行业
蓝莓果肉细腻，风味独特，果实中含有丰富的营养成分，被称为“水果皇后”,具有防止脑神经老化、保护视力、抗癌、增强人机体免疫等功能，市场前景广阔。蓝莓糖度是评价蓝莓质量的一个重要指标。传统蓝莓糖度检测是破坏性的，无损检测是一个重要的发展趋势。
1、图像数据采集
蓝莓样本的高光谱图像
提取两幅高光谱图像的光谱数据:分别选取每个样本表面不同感兴趣区域(ROI)，得到的原始反射光谱曲线
对应感兴趣区域的原始光谱曲线，提取出平均光谱值，共得到三组48x256光谱数据矩阵
根据不同波段下高光谱图像及光谱曲线，Band 1-Band 50存在较大的噪声，图像模糊，选取数据时只选取Band 51-Band 250(1031.11nm-1699.11nm)共200个波段的进行建模前36颗蓝莓光谱值用于建立模型，后12颗用于模型检验，
2、模型建立与分析
蓝莓糖度预测模型的建立主要采用偏最小二乘回归法(PLSR)不同的光谱数据得到不同的预测模型直接利用去除噪声的200个波段建模对200个波段的光谱数据进行PCA降维，选取累积贡献率达99.9%前n个主成分，再用PLSR建模对反面全区域的256个光谱波段利用SPA选取特征波段，再用PLSR建模直接对反面全区域的200个波段进行循环建模，先两两组合，再用三三组合建模
3、预测模型建立
正面部分区域光谱数据PLSR模型
预测模型:
y=8.1109+0.3989x+0.2848x+….+ 0.809x200
其中，x1，x2，…，x200是band 51-band250的平均光谱值，y是蓝莓糖度值。
利用预测模型，代入12颗检验蓝莓的光谱数据，得到预测糖度值如下表所示
表1.蓝莓正面部分区域预测糖度值和真实糖度值的比较
表2.蓝莓正面全区域预测糖度值与真实值
表3.蓝莓反面全区域预测糖度值与真实值
三组数据所得到的预测模型预测糖度值与蓝莓真实糖度值曲线
利用PCA对蓝莓光谱数据进行降维处理降维后的数据再利用PLSR建模，PCA降维后，选取总贡献率达到99.9%的前n个主成分。正面部分区域和正面全区域提取的光谱数据降维后选取了7个主成分反面全区域的光谱数据降维后提取了前10个主成分利用PCA降维后选取的主成分，再进行PLSR建模。根据预测模型函数式，得到三组数据预测糖度值
先用PCA降维，再进行PLSR建模。根据预测模型函数式，得到三组数据预测糖度值与真实糖度值的曲线
4、总结
比较不同数据建立的各个预测模型，波段循环组合建模挑选出来的最优波段组合预测模型的预测糖度值和真实糖度值的相关系数R分别为0.54和0.61，为其他波段组合建立模型中的最大，而平均相对误差分别为12.6%和11.9%，为其他波段组合建立模型中的最小，而检验集均方根误差较小，可得波段循环组合建模后挑选的最优模型预测效果较其他波段组合更好
