Resumen

Para realizar una detección precisa y sincrónica del contenido sólido soluble (CSS) en azufaifas frescas en diferentes etapas de maduración, se utilizaron imágenes hiperespectrales para establecer modelos robustos. Los datos combinados que constituían las cuatro etapas de maduración se utilizaron para construir el modelo de máquina de vectores de soporte de mínimos cuadrados de búsqueda en cuadrícula (GS-LS-SVM). El coeficiente de determinación (Rp2), el error cuadrático medio (RMSEP) y la desviación residual predictiva (RPD) del conjunto de predicciones para las muestras de las etapas globales fueron de 0,98, 1,10% y 7,85, respectivamente. Además, se utilizó un algoritmo de proyecciones sucesivas (SPA) para extraer las longitudes de onda características de los datos combinados. Se utilizó un algoritmo de colonia artificial de abejas (ABC) (para el conjunto de predicción, Rp2 = 0,98, RMSEP = 1,19%, RPD = 7,25) para mejorar el modelo SPA-LS-SVM, que fue mejor que el modelo SPA-GS-LS-SVM (para el conjunto de predicción, Rp2 = 0,98, RMSEP = 1,24%, RPD = 6,96). Por último, se realizó una visualización del mapa de distribución de la CSE basada en el modelo SPA-ABC-LS-SVM, que mostró claramente que la CSE aumentaba gradualmente durante la maduración. Los resultados indicaron que era realista construir un modelo de detección de la etapa de multimadurez. Esta investigación también demostró que la combinación de imágenes hiperespectrales y el ABC tenía buenos valores de aplicación en el análisis de productos agrícolas.

• Materias:Análisis cromatográfico Estructura molecular Análisis químico Farmacocinética Voltamperometría
• Subjects:Chromatographic analysis Molecular structure Chemical test Pharmacokinetics Voltammetry
• Palabras claves:modelo svm, spa, abc, rmsep, rpd, rp2, predicción, imágenes hiperespectrales, mapa de distribución ssc, colonia artificial de abejas
• Keywords:svm model, spa, abc, rmsep, rpd, rp2, prediction, hyperspectral imaging, ssc distribution map, artificial bee colony