油菜籽校正模型中代表性样品的获取

从挑选有代表性的校正集样品入手,探索改善油菜品质近红外预测模型的精确度与准确度的新方法。以油菜籽油酸为检测对象,利用极大线性无关组的方法从1 800份样品中选取不同数量的代表性样品作为校正集,用偏最小二乘法建立油酸的近红外模型。结果发现,利用极大线性无关组方法挑选出的代表性样品不仅可以更好地反映待测系统的样品信息,而且可以达到少而精的目的,并最终节省了模型的运行成本。并与随机选择法和化学值选择法作比较,选用一定数量的预测集对三种方法的建模效果进行分析对比。结果表明,利用极大线性无关组方法挑选代表性样品建立的校正模型的预测能力优于其他两种方法,证明该方法用于农产品代表性样品的挑选是可行的。