17 Pang T. Rao L. Chen X. Cheng J. гиперспектральное изображение растворимое твердое вещество текстурная характеристика анализ совокупности переменных случайная лягушка модель регрессии опорных векторов 2020 2020-11-29 Журнал прикладной спектроскопии Созданы модели прогнозирования, основанные на сочетании спектральных и различных расширенных функций изображения для повышения точности прогнозирования твердого растворимого содержимого (SSC) яблока. Восемь оптимальных длин волн выбраны с помощью нового метода выбора переменных — анализа совокупности переменных (VCPA). Текстурные особенности первых трех изображений с оценкой основных компонент получены с использованием матрицы совместной встречаемости уровней серого (GLCM) и локального двоичного шаблона (LBP). Разработан алгоритм случайной лягушки для выбора оптимальных текстурных особенностей для дальнейшего анализа. Для прогнозирования SSC яблока разработана модель регрессии опорных векторов (SVR), основанная на спектральных и текстурных характеристиках. Модель, основанная на восьми оптимальных длинах волн и девяти оптимальных характеристиках GLCM-изображений главных компонент, дает лучший результат с коэффициентом детерминации для прогноза (Rp2) 0.9193, среднеквадратичной ошибкой прогноза 0.2955 и отношением стандарта. Отклонение прогноза установлено на среднеквадратичную ошибку прогнозирования RPD = 3.50. Результаты показывают, что спектр в сочетании с оптимальными характеристиками GLCM из изображений основных компонент в сочетании с моделью SVR имеет потенциал для предсказания SSC яблока. https://www.academjournals.by/publication/15985 https://www.academjournals.by/files/15939