基于高光谱技术的金银花硫含量快速检测模型建立

为实现金银花硫含量的快速无损检测,利用高光谱成像技术结合化学计量学方法,建立不同浓度硫磺熏蒸金银花快速检测模型.采用硫磺使用量为鲜质量的0％、0.5％、1％、1.5％四种硫熏梯度的金银花干燥样品,首先利用高光谱成像技术采集各组金银花光谱图像数据,并采用S_G(Savitzky-Golay)卷积平滑、多元散射校正(multiple scarer correct,MSC)和标准正态变量变换(standard normal variate transformation,SNV)3种方法对原始光谱进行预处理,得到S_G卷积平滑为最佳预处理方法.随后,对经S_G预处理后的光谱信息分别进行Fisher判别分析(Fisher discriminate analysis,FDA)与核Fisher建模分析(kernel Fisher discriminate analysis,KFDA),得到KFDA具有更好的判别正确率(98.2％).最后,全光谱数据具有量大、冗余信息的问题,采用了相关系数法(regression coefficients,RC)、Wilks和RC-Wilks三种方法对预处理后的数据进行特征提取,最终建立了RC-KFDA、Wilks-KFDA、RC-Wilks-KFDA三种判别模型.结果表明,经SG卷积平滑预处理后的光谱信息,3种方法的判别正确率均为100％,使用RC-Wilks相结合提取特征波长的方法建立KFDA模型能够实现较短的计算时间(0.69 s)和较好的类间分布.因此,所建立的S_G-RC-Wilks-KFDA模型可以实现金银花不同硫含量的快速、有效、无损检测.