共查询到18条相似文献,搜索用时 343 毫秒
1.
近红外光谱技术在苹果品质无损检测中的应用 总被引:1,自引:0,他引:1
近红外光谱技术是一种高新分析技术,被越来越多地应用于农业领域。概述近年来国内外近红外光谱技术在苹果品质无损检测中的应用情况,分析近红外光谱技术在苹果质检中的应用方向,为果品无损检测技术的发展提供参考。 相似文献
2.
3.
4.
5.
针对设施作物营养水平无损检测技术,着重描述了基于近红外光谱数据岭回归分析的甜椒氮素检测试验研究过程.利用近红外反射光谱成像技术对目标作物进行叶片尺度的光谱图像采集,应用计算机图像分析软件进行光谱数字图像处理、提取光谱数据,经过统计分析对数据完成筛选作为变量,结合化学分析试验结果建立作物营养检测模型,检验模型得出结论.为了解决自变量间存在的多重共线性造成模型难以建立的问题,在数据处理阶段,采用了在农业探测领域内并不多见的岭回归分析方法,利用其特殊的有偏估计算法,拟合建立回归方程.同时,由于岭回归分析可以用于进一步筛选特征波段,最终得到的是基于三特征波段近红外光谱反射率数据的甜椒叶片氮营养检测模型.经过模型检验,模型的调整R2为0.843,RMSE为0.105. 相似文献
6.
7.
8.
9.
基于NIR和Raman光谱的果蔬质量检测研究进展与展望 总被引:9,自引:0,他引:9
主要回顾了可见/近红外光谱分析技术和拉曼光谱分析技术在果蔬品质与安全检测领域的研究进展。可见/近红外光谱分析技术在果蔬品质的定量分析(包括糖、酸等内部成分含量和坚实度等组织物理属性等)、果蔬品质的定性分析(如缺陷检测、成熟度分级、货架期/储藏期判断等)、果蔬生长/加工过程监测、果蔬生长环境条件分析以及果蔬安全检测、果蔬品种与产地溯源等方面获得了广泛应用。拉曼光谱分析技术在果蔬内部成分分析(尤其是类胡萝卜素含量)、品质分级、成熟度辨别、缺陷/损伤检测等方面获得成功应用,在果蔬农残与微生物污染检测方面也比可见/近红外光谱分析技术更具潜力。此外,还分析归纳了光谱分析技术在果蔬品质与安全检测领域的优势与不足,并展望了今后的发展趋势。 相似文献
10.
近红外光谱检测技术在生物生产中的应用 总被引:1,自引:0,他引:1
近红外光谱检测技术是一门多学科交叉技术,它的发展既取决于光谱分析技术和化学分析技术的进步,又取决于计算方法和设备的更新。为此,叙述了近红外光谱检测技术的基本原理和技术特点,并对其在生物生产方面的应用进行了综述。 相似文献
11.
12.
近红外光谱分析中,异常样本的存在严重影响定标模型的预测性能和适配性。基于 X / Y 联合的ODXY异常样本识别和剔除方法,提出并证明了一种专用于多组分分析的MODXY异常样本识别方法。实验采用80组玉米近红外光谱数据,利用不同异常样本识别方法剔除异常样本后建立玉米含水率、含油率、蛋白质含量和淀粉含量4种组分的偏最小二乘预测模型,采用预测均方差和决定系数作为评价指标比较所建模型的性能,检验MODXY方法在多组分分析中的异常样本识别能力。实验结果表明:在近红外多组分分析中,MODXY方法在大多数情况下具有更好的异常样本识别能力;MODXY方法和ODXY方法均有一定的适用范围,它们更适合于相应组分化学值的相对标准偏差较大的情况。 相似文献
13.
14.
15.
为实现对山核桃品种的快速鉴别,采集浙江临安山核桃、安徽宁国山核桃、美国山核桃和四川核桃共4种100个核桃样品的近红外光谱,对光谱数据进行了标准正态变量变换(standard normal variate transformation,SNV)预处理后,采用主成分分析(principal component analysis,PCA)法实现了光谱的差异可视化,基本可实现4种山核桃的鉴别。为提高模型准确率,采用主成分分析降维后数据结合线性判别(PCA-LDA)的分类方法,该法对4种山核桃品种鉴别的校正集和验证集的分类准确度都达到了100%。结果表明,近红外光谱技术可实现对山核桃品种的快速鉴别。 相似文献
16.
17.
高岩 《农业机械化与电气化》2013,(10):78-79
控制饲料质量、检测饲料原料的成分是饲料生产中非常重要的一环。简述近红外光谱技术(NIRS)的原理、特点及优势,综述NIRS在饲料常规营养成分分析检测中的应用现状,从模型数据库建立、在线实时检测实现及检测仪器研制方面,对其发展前景进行了展望。 相似文献
18.
为了实现猪肉营养组分(脂肪和蛋白质)的快速、无损、实时检测,基于近红外反射光谱设计了便携式猪肉营养组分无损检测装置。硬件部分包括光谱采集单元、光源单元和控制单元,并开发了相应的检测软件,实现样品光谱信息的有效获取和实时分析。为了建立稳定可靠的预测模型,考察了波段选择、样本分组方式和筛选变量方法对模型的影响。分别基于可见/短波近红外(Vis/SWNIR)、长波近红外(LWNIR)及Vis/SWNIR-LWNIR,利用随机选择法(RS)、Kennard-Stone法(KS)和基于联合X-Y距离的样本划分法(SPXY)对样本进行划分,建立了脂肪和蛋白质质量分数的偏最小二乘预测模型。结果发现,基于Vis/SWNIR-LWNIR波段,利用SPXY算法进行样本分组,取得了最佳的预测模型。在此基础上,比较分析竞争性自适应加权算法、随机蛙跳算法和蒙特卡罗无信息变量消除-连续投影算法3种算法筛选变量建立的模型效果。基于竞争性自适应加权算法筛选变量的模型结果最佳,对脂肪和蛋白质建立的模型验证集相关系数分别为0.950 5和0.951 0。结果表明:基于近红外反射光谱设计的便携式猪肉组分检测装置可以对脂肪和蛋白质含量进行快速、无损、实时检测。 相似文献