整合纹理特征的高光谱预测模型

检测快且无损

该预测模型融合高光谱信息与图像纹理特征，实现羊肉TEAC含量的快速无损检测，省去传统化学法的繁琐前处理。

Yuan, Jiangtao · Guo, Jiajun · Sun, Yourui · 刘贵珊 · Li, Yue · Di, Wu · Yixuan, Jing

Guang Pu Xue Yu Guang Pu Fen Xi/Spectroscopy and Spectral Analysis 2024

参数信息

预测相关系数

0.8916

校正集相关系数

0.9121

预测集相关系数

0.8683

校正集均方根误差

0.9635

预测集均方根误差

1.2770

提取特征波段数

71

提取特征波段数

9

提取特征波段数

22

技术优势

检测快

使用高光谱成像技术结合图像纹理特征，无需繁琐的样品前处理即可预测TEAC含量。

准确度高

融合纹理特征的IVSO-TF1-BP-ANN模型预测集相关系数达0.8916，优于仅基于特征波长的模型。

应用场景

• 肉品品质无损检测：用高光谱图像直接预测羊肉TEAC，无需破坏样品。
• 高光谱食品分析：提供光谱与纹理融合的TEAC定量模型，适用于食品成分快速筛查。
• 便携式光谱仪器：模型可嵌入便携式高光谱系统，实现现场快速检测。