排序方式: 共有114条查询结果,搜索用时 15 毫秒
51.
[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。 相似文献
52.
高光谱成像技术结合了光谱学和成像技术的主要优势,可以同时获得一个样本的空间分布及物理和化学性能,是水果无损检测的发展趋势。为此,主要介绍了高光谱成像原理、装置、数据处理方法,以及国内外水果内外品质无损检测的应用,并对高光谱成像技术在水果无损检测中的不足及未来趋势进行了分析。 相似文献
53.
构筑科研"平台" 开展群众性科研工作 总被引:2,自引:0,他引:2
在高等教育发展日趋成熟的今天,凡称得上有名的高校,必有高素质的教师队伍,有自己的办学特色,有代表办校水平的科研项目和科研成果,而这一切都取决于领导、教师是否具有较高的科研意识、科研能力和科研水平。为此,就高校如何构筑科研“平台”,推动高校科研上台阶、出成果作了探讨。 相似文献
54.
55.
56.
赣南脐橙园土壤全磷和全钾近红外光谱检测 总被引:3,自引:2,他引:1
为建立一种能够同时快速检测土壤全磷和全钾的定量估计模型,该文采用近红外漫反射技术对赣南脐橙果园的土壤进行研究,对56个土样风干、过筛,然后进行光谱采集和化学分析。光谱经过Savitzky-Golay平滑后再用一阶微分变换的方法进行预处理,分别应用偏最小二乘回归(partial least square regress PLS)、主成分回归(principal component regression PCR)和最小二乘支持向量机(least squares support vector machine LS-SVM)3种方法,在4 000~7 500 cm-1波数范围内,建立赣南脐橙果园土壤全磷和全钾快速定量检测模型。结果发现在建立土壤全磷模型时,PLS和PCR的预测模型效果均不理想,但LS-SVM建立的模型较为理想, 其预测相关系数(correlation coefficient of prediction RP)为0.884,预测集均方根误差(the root mean square error of prediction RMSEP)为0.341,预测相对分析误差(residual predictive deviation RPD)为2.59。在建立土壤全钾模型时,PLS、PCR和LS-SVM 建立3种模型效果均理想,其中以LS-SVM模型最理想,其预测相关系数(RP)为0.971,预测集均方根误差(RMSEP)为0.714,预测相对分析误差(RPD)为5.12。研究表明,采用LS-SVM建立的土壤全磷和全钾模型对实现土壤全磷和全钾含量快速检测具有可行性。 相似文献
57.
柑桔叶片可溶性糖近红外检测非线性模型研究 总被引:1,自引:0,他引:1
为了监督柑桔叶片是否缺乏营养元素,对叶片可溶性糖进行分析。采用近红外光谱技术结合误差反馈神经网络(BPNN)和最小二乘支持向量机(LS-SVM)建立定量剖析非线性模型,运用主成分分析(PCA)进行数据压缩、无信息变量消除算法(UVE)和连续投影算法(SPA)进行有效波段筛选的方法来优化模型的输入变量,提高了模型检测精度。同时,利用Savitzke-Golay平滑(S-G)、多元散色校正(MSC)、导数和基线校正(Baseline)等预处理方法进行数据变换,来确定最佳建模方法。结果表明:波长筛选能优化模型,并提高运算速度,其中PCA优化效果最为明显,可溶性糖的相关系数Rp达到最大为0.91,均方根误差RMSEP最小为4.82,显著提高了模型的检测精度和稳健性,经过优化的输入变量所建模型,能够满足定量检测的要求,具有一定的可行性。 相似文献
58.
芝麻油掺伪的近红外透射光谱检测技术 总被引:2,自引:0,他引:2
采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000~12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420~12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。 相似文献
59.
60.