摘要：为提高利用高光谱成像技术快速检测马铃薯干物质含量的精度,比较了主成分分析法（PCA）、组合间隔偏最小二乘法（siPLS）、遗传偏最小二乘法（GA-PLS）、无信息变量消除法（UVE）以及竞争性自适应重加权算法（CARS）等变量选择方法。在此基础上提出一种竞争性自适应重加权算法与连续投影算法（SPA）相结合的波长选择方法,最终将原始光谱变量从678个减少到了27个。用27个变量建立多元线性回归模型,模型预测集相关系数Rp为0.86,预测均方根误差为1.06%。实验结果表明：高光谱成像技术能够对马铃薯干物质含量进行检测,同时CARS-SPA是一种有效的变量选择方法。

关键词：马铃薯 干物质 高光谱 变量选择 竞争性自适应重加权算法 

单位：华中农业大学工学院 武汉430070