共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
基于近红外漫反射光谱技术的芒果糖度无损检测方法研究 总被引:2,自引:0,他引:2
近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测。为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.976 59,RMSEC分别为1.628 4,0.205 8,MEP为1.235 0,0.738 3;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9;调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9%降到8.057 6%。研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的。 相似文献
4.
实现秸秆和煤混燃物中秸秆含量快速检测对制定生物质混燃发电补贴方法具有重要意义.收集我国不同地区、不同品种秸秆样品81个,煤样品9个,样品粉碎后,按不同秸秆质量分数(1% ~ 30%)制备样品90个,其中60个为校正集,30个为独立验证集.用傅里叶变换近红外光谱仪进行光谱扫描,分别采用间隔偏最小二乘法(iPLS)和遗传算法(GA)进行波长选择,用偏最小二乘法(PLS)建立定量分析模型.研究结果表明,采用GA - PLS方法,最优模型建模数据点从3 001个减少到33个,独立验证集决定系数为0.89,预测标准差为2.87%,相对分析误差为3.06.近红外光谱技术结合GA - PLS建模用于快速检测秸秆和煤混燃物中秸秆含量具有可行性. 相似文献
5.
基于近红外漫反射光谱进行了马铃薯淀粉含量快速检测,并分析了表皮对光谱及淀粉含量检测精度的影响问题。本文对110个样品的漫反射光谱进行平均化(Mean centering)、微分处理及Norris滤波,建模方法选用主成分回归(PCR)及偏最小二乘法(PLS)。检测结果表明:近红外漫反射光谱检测马铃薯淀粉含量具有可行性,但表皮对光谱及检测精度有影响。采用PLS法对经Norris滤波处理的去皮马铃薯一阶微分光谱与淀粉含量建模,效果最好,相关系数r为0.893,根校正偏差RMSEC为1.01%;对预测集样品预测,均方根预测偏差RMSEP为1.38%,精度明显优于带皮马铃薯的建模及预测精度(r为0.834,RMSEC为1.29%,RMSEP为1.74%)。果蔬品质光谱检测中,如要实现样品品质精确检测,表皮影响需进一步校正。 相似文献
6.
利用可见―近红外光谱术无损检测牛奶中的三聚氰胺 总被引:2,自引:0,他引:2
初步探讨了利用可见―近红外光谱术检测牛奶中三聚氰胺的可行性及方法。通过往牛奶中掺入不同浓度三聚氰胺的方法,制备了165个样品,三聚氰胺浓度为0~1000ppm。利用光纤光谱仪采集样本的可见―近红外光谱,其光谱范围为350~1800nm。然后分别采用最小二乘法(PLS)、区间偏最小二乘法(IPLS)及联合区间偏最小二乘法(SIPLS)建立预测模型。比较实验结果表明:把光谱分为10个子区间,通过SIPLS方法,选出3个光谱子区间(4、7、9)联合建立的预测模型最优,其校正集和预测集得相关系数分别为0.9981和0.9946,校正集和预测集的均方根误差分别为0.1942和0.3299。因此,可见近红外光谱术结合联合区间偏最小二乘法能无损、快速的检测牛奶中的三聚氰胺。 相似文献
7.
8.
香根草叶片铅含量的近红外光谱快速检测 总被引:1,自引:0,他引:1
提出了一种应用近红外光谱技术快速检测香根草叶内重金属铅含量的方法,采用多种预处理方法建立偏最小二乘法(PLS)模型并对建模效果对比分析,得出最优预处理方法。结合不同波段选择方法优化PLS模型参数,建立了香根草叶内重金属铅含量定量分析模型,预测决定系数R2为0.87,预测均方根误差RMSEP为0.18。研究结果表明,利用近红外光谱技术快速定量检测香根草叶内重金属铅含量具有可行性。 相似文献
9.
10.
班菲尔脐橙可溶性固形物近红外光谱特征谱区选择 总被引:2,自引:0,他引:2
为探讨快速无损检测班菲尔脐橙可溶性固形物(TSS)含量的方法,利用多元散射校正对脐橙1 000 ~2 500 nm近红外光谱进行了预处理,并用偏最小二乘法(PLS)、区间偏最小二乘法(iPLS)和联合区间偏最小二乘法(siPLS)分别建立预测模型.结果表明,采用siPLS将光谱划分为17个子区间,利用其中的第4(1 267~1355 nm)、5(1 356 ~1 443 nm)、9(1708~1795nm)、15(2 236 ~2 323 nm)号4个子区间联合建立的TSS模型效果最佳,其校正集决定系数和均方根误差分别为0.9109和0.331 2.预测集决定系数和均方根误差分别为0.878 9和0.448 7,主因子数为6个.研究表明,近红外光谱技术结合siPLS可优选出表征班菲尔脐橙TSS含量信息的特征光谱区间简化预测模型,同时提高模型预测能力和精度. 相似文献