一种基于分数阶导数耦合优化光谱指数的蓝莓SSC预测方法

本发明涉及一种基于分数阶导数耦合优化光谱指数的蓝莓SSC预测方法，属于水果可见近红外光谱采集与无损预测领域。首先，采集蓝莓样本的可见近红外光谱反射率数据，并测定其SSC值，剔除异常数据，将数据集划分为训练集和验证集。采用GL形式的0‑2阶分数阶导数预处理，挖掘光谱数据中的非线性特征。对预处理后的光谱反射率数据进行全波段两两组合运算，构建二维优化光谱指数，并通过相关系数法提取与SSC相关性最强的特征波段。建立基于不同阶数的反向传播神经网络（BPNN）预测模型，并对其进行训练和优化，结合评价指标筛选出最优模型进行蓝莓SSC预测。本发明能快速、准确地进行蓝莓SSC预测，为蓝莓的无损定量预测，提供了有力的技术支持。