基于GA-BP神经网络玉露香梨可溶性固形物高光谱技术检测.docx

摘要：为了提高玉露香梨可溶性固形物的检测精度，本研究提出了一种优化反向传播（back propagation，BP）神经网络的玉露香梨SSC预测方法。使用高光谱成像仪采集玉露香梨表面的光谱信息，对剔除异常样本的光谱数据进行不同预处理，以确定最优的预处理方法。采用遗传算法（Genetic Algorithm，GA）优化BP神经网络的初始权重和阈值，建立玉露香梨SSC的GA-BP、BP、PLSR预测模型。结果表明，中值滤波（median filter，MF）预处理后的结果最好。在同一训练样本下，所建GA-BP模型性能最佳，建模集决定系数（Rc2）为0.98，均方根误差（RMSEC）为0.19；预测