共查询到20条相似文献，搜索用时 218 毫秒
1.
为了快速检测面条中马铃薯全粉含量，研究近红外高光谱成像技术定量检测面条中马铃薯全粉含量的可能性，自制了马铃薯全粉质量分数在0~35%内随机均匀分布的120个面条样品，在900~2500nm范围采集高光谱图像，随机选取80个样品作为校正集，分别采用原始光谱和经过6种预处理方法预处理后的光谱建立了偏最小二乘回归、主成分回归、支持向量机回归模型。结果表明经标准化预处理后用偏最小二乘回归建模效果最好，校正集决定系数（R2C）为0.8653，交叉验证集决定系数（R2CV）为0.6914。用回归系数法在经过标准化预处理后的光谱数据中提取了与全粉含量相关的特征波长，建立了马铃薯全粉含量偏最小二乘回归简化模型, 校正集决定系数（R2C）为0.8685，交叉验证集决定系数（R2CV）为0.8021，基于特征波长建立的模型效果优于全波段模型，模型效果得到了一定的提高。以剩余40个未参与校正模型建立的样品作为预测集，基于特征波长建立了标准化-偏最小二乘回归简化预测模型，预测集决定系数（R2P）为0.8546，模型具有较好的预测能力。结果表明利用近红外高光谱成像技术可检测面条中马铃薯全粉含量，可为马铃薯全粉面条的快速无损检测建立新的方法。 相似文献
2.
3.
《农业机械学报》2019,(Z1)
为了实现核桃仁脂肪含量的快速无损检测,在1 040～2 560 nm光谱范围内采集了核桃仁近红外光谱。首先,通过多元散射校正和标准正态化组合方法对原始光谱信息进行预处理,采用马氏距离法剔除异常样本;然后,运用竞争性自适应重加权采样算法与相关系数法相结合,进行特征波段筛选;最后,采用偏最小二乘回归和支持向量机回归算法建立了核桃仁脂肪含量的预测模型。结果显示,以筛选出的6个特征波段为输入,采用偏最小二乘回归算法建立的核桃仁脂肪质量分数预测模型的验证集决定系数为0. 86,均方根误差为1. 584 9%;采用支持向量机回归算法建立的模型验证集决定系数为0. 88,均方根误差为1. 371 6%;表明支持向量机回归算法的建模质量优于偏最小二乘回归算法。采用特征波段建立的支持向量机回归预测模型能大幅降低建模复杂度,实现核桃仁脂肪含量的快速无损检测。 相似文献
4.
苹果硬度的傅里叶变换近红外光谱无损检测 总被引：4，自引：1，他引：3
利用傅里叶变换近红外光谱技术探讨快速无损检测苹果硬度方法的可行性.通过解析苹果样品的近红外光谱图,用一阶导数、多元散射校正和矢量归一等方法进行预处理,再用偏最小二乘法建立模型.结果表明,多元散射校正能够有效消除光谱基线平移和偏移现象, 提高原光谱的信噪比,选取有效信息波长范围为1408～2355nm.偏最小二乘法结合多元散射校正所建模型的预测效果最好,模型的决定系数R2为0.9852,内部交叉验证均方根差RMSECV和预测标准偏差RMSEP分别为0.0398kg/cm2和0.0166kg/cm2.进一步通过剔除异常值优化模型,并验证检验组的25个样品,模型的R2为0.9908,RMSEP为0.0147kg/cm2.结果表明:建立的模型可靠,预测效果好,能满足苹果硬度快速检测的要求. 相似文献
5.
近红外漫反射光谱检测土壤有机质和速效N的研究 总被引：2，自引：0，他引：2
利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。 相似文献
6.
绿茶杀青叶料含水率可见-近红外光谱检测 总被引：3，自引：0，他引：3
为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。 相似文献
7.
最小二乘支持向量机是水果品质可见近红外光谱检测中新近发展起来的建模方法。为此,详细介绍了最小二乘支持向量机的工作原理以及基于Matlab环境的LS-SVM工具箱的使用;在此基础上,运用主成分分析和LS-SVM法建立了基于可见近红外光谱的河套蜜瓜糖度和硬度检测模型,并分析了样品糖度、硬度的真实值和预测值的相关性。预测结果表明:糖度和硬度预测值与真实值决定系数R2分别为0.865和0.852。LS-SVM法建模速度快、准确率高、易于实现,在可见近红外光谱数据分析中有很大的实用价值。 相似文献
8.
基于支持向量机的有机肥总养分含量NIRS分析 总被引：2，自引：1，他引：1
以我国22个省市的120份畜禽粪便为原料的有机肥产品样品为研究对象,利用近红外漫反射光谱法与支持向量机相结合建立了有机肥产品中总养分含量的快速测定模型,并与偏最小二乘法所建模型作了比较.利用偏最小二乘回归法所建立的基于原始样品和干燥粉碎样品的总养分含量近红外模型验证决定系数R_v~2、预测标准差SEP和验证相对分析误差RPD分别为0.96、7.95 g/kg、2.47和0.93、8.02 g/kg、3.58.利用支持向量机回归法所建立的干燥粉碎样品中总养分含量的近红外模型验证决定系数R_v~2、预测标准差SEP和验证相对分析误差RPD分别为0.93、7.38 g/kg和3.88.结果表明,近红外漫反射光谱法可以快速测定畜禽粪便为原料的有机肥产品中总养分含量,与偏最小二乘法相比,支持向量机所建模型具有更高的预测精度. 相似文献
9.
豆粕品质近红外定量分析实验室模型在线应用 总被引：2，自引：0，他引：2
为探究豆粕近红外定量分析模型从实验室到工厂在线应用转移的可行性,以全国采集的117个豆粕样品为研究对象,利用偏最小二乘法在实验室建立了豆粕含水率、粗蛋白质量分数的近红外定量分析模型,继而将此模型转移到饲料生产企业进行在线应用。研究结果显示:建立的实验室近红外模型可实现豆粕含水率、粗蛋白质量分数的快速预测,其中,含水率和粗蛋白质量分数的验证集决定系数R2P分别为0. 83和0. 86,相对分析误差分别为2. 40和2. 55,模型效果良好;采用模型校正、样品扩充两种不同方法,将实验室模型转移到饲料生产企业进行在线应用,含水率和粗蛋白质量分数的预测值与实际测量值之间具有很好的吻合性,可以达到在线分析的要求。 相似文献
10.
11.
基于高光谱的柑橘叶片磷含量估算模型实验 总被引：7，自引：0，他引：7
以117株园栽罗岗橙为实验对象,分别在壮果促梢期和采果期2个不同发育阶段采集234个数据样本,高光谱反射数据构成每个数据样本中的高维矢量描述,用化学方法测得磷含量值作为样本真实目标值,用偏最小二乘法(PLS)及支持矢量回归(SVR)2种多元回归分析算法,在对反射光谱进行各种形式预处理的基础上对柑橘叶片磷含量进行建模和磷含量预测.模型分别在校正集和测试集上进行评估,取得最佳模型决定系数分别为0.905和0.881,均方误差分别为0.005和0.004,平均相对误差分别为0.026 4和0.031 2.实验结果表明:基于高光谱反射数据进行磷含量预测是可行的. 相似文献
12.
为进一步提升无人机遥感快速监测覆膜条件下冬小麦叶面积指数(Leaf area index, LAI)的能力,以垄沟覆膜冬小麦为研究对象,利用无人机搭载五通道多光谱传感器获取2021—2022年冬小麦出苗期、越冬期、返青期、拔节期、抽穗期和灌浆期的遥感影像数据,使用监督分类剔除背景并计算50种可见光和近红外植被指数,采用主成分分析、相关系数法、决策树排序和遗传算法进行特征降维,结合偏最小二乘、岭回归、支持向量机、随机森林、梯度上升和人工神经网络6种机器学习算法建立不同输入特征变量下的覆膜冬小麦LAI反演模型,并进行精度评价。结果表明,剔除覆膜背景使冬小麦冠层反射率更接近真实值,提高反演精度。采用适宜的特征降维方法结合机器学习算法能够提高覆膜冬小麦LAI的反演精度和稳定性,对比特征降维前的反演精度,主成分分析和相关系数法无法优化反演效果,决策树排序只适用于基于树模型的随机森林和梯度上升算法,遗传算法优化效果明显,遗传算法-人工神经网络模型反演效果达到最优(决定系数为0.80,均方根误差为1.10,平均绝对值误差为0.69,偏差为1.25%)。研究结果可为无人机遥感监测覆膜冬小麦生长状况提供... 相似文献
13.
竹叶片氮含量高光谱估测方法对比研究 总被引：1，自引：0，他引：1
为实现快速无损检测竹叶片氮含量,采用波长范围为350~2500nm的地物光谱仪获取竹叶片光谱数据,以金镶玉竹叶片为样本,对其进行高光谱分析。将高光谱原始反射率及其一阶微分、对数一阶微分和二阶微分值,与化学法测量的竹叶片氮含量值进行了相关性分析,分别获得了不同微分变化下的特征波段;基于微分变换后的高光谱反射率数据,分别采用二元线性回归、多元逐步回归、偏最小二乘回归和基于主成分分析的BP神经网络方法,建立了4种金镶玉竹叶片的氮含量高光谱估测模型。对比4种估测模型的校验结果表明,在光谱反射率的对数一阶微分变换下,采用拓扑结构为6-10-1的基于主成分分析的BP神经网络估测模型,校验环节决定系数为0.838,均方根误差RMSE为0.0452,具备较好的竹叶片氮含量估测效果。 相似文献
14.
为研究光谱对冬小麦植株组分含水率的估测能力,分析小波技术对光谱信息的分离规律,以冬小麦冠层光谱数据与相应的冬小麦植株叶片、茎秆、麦穗含水率的测定值为数据源,先采用小波技术分离冬小麦冠层光谱信息,再将分离的光谱信息与冬小麦各植株组分的含水率进行相关性分析,并提取敏感波段;最后利用偏最小二乘算法构建冬小麦植株组分含水率的估测模型,并进行了验证与评价。研究表明:经小波技术分解后,冬小麦冠层光谱内的吸收特征逐分解水平分离至高频信息内,且各分解水平所代表的吸收特征按强度依次分布于高频信息的分解水平H1～H10内;冬小麦麦穗含水率估测模型的精度与稳定性较强,茎秆次之,叶片稳定性最差,说明扬花期后的冬小麦水分供给已不再适合只采用叶片含水率进行评定,应增加或替换检测指标。 相似文献
15.
16.
为了高效监控蔬菜中农药残留情况，利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长；其次通过分析6种预处理算法和2种降维算法，分别选出多元散射校正(Multiple scattering calibration, MSC)和无信息变量消除(Uninformative variable elimination, UVE)作为最佳的预处理与波长选择方法；宽度学习系统(Broad learning system, BLS)用于荧光光谱建模，同时与偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机(Support vector machine, SVM)和深度极限学习机(Deep extreme learning machines, DELM)等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果，测试集决定系数R■达0.949,均方根误差(Root mean square error,RMSE)达0.347 mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性，可... 相似文献
17.
针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题，为了提高定量分析模型的精度，利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度，对X射线荧光光谱进行基线校正，从而减小基线漂移的影响。选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚最小二乘(AIRPLS)、非对称重加权惩罚最小二乘(ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS) 等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型，以选择最优基线校正算法;与神经网络(BP)和支持向量机(SVR)建立的校正模型进行比较，对模型进行评价。结果显示，铅元素的最佳模型为DRPLS-PLS，模型的R2达到0.982，预测均方根误差(RMSEP)为0.056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型，模型的R2达到0.985，RMSEP为0.796mg/kg。与PLS和BP模型相比，铅、砷两种元素的SVR模型建模均最优，模型的R2分别达到0.998和0.993，RMSEP分别为0.015、0.596mg/kg。实验表明，通过基线校正后模型的预测精度、检出限和稳定性均有所提高，该方法可有效提高X射线荧光光谱在土壤中的定量分析能力。 相似文献
18.
运用近红外漫反射技术检测苹果内部品质 总被引：3，自引：0，他引：3
为了建立山东烟台富士苹果糖度和硬度的近红外光谱测定法,本实验应用光纤漫反射近红外光谱检测技术快速定量分析苹果的糖分含量和硬度。使用偏最小二乘法建立预测模型,样品糖分预测值和实测值之间的相关系数为0.97210,校正标准差(RMSEC)为0.363;样品硬度预测值和实测值的相关系数为0.95452,校正标准差(RMSEC)为0.594。通过本次试验研究表明,近红外光谱测定法能准确地对富士苹果糖分含量和硬度进行无损快速定量分析。 相似文献
19.
为实现快速、便捷地检测甘蔗汁中蔗糖含量,以近红外微型光谱仪为技术支撑,以液相法为基础,采用偏最小二乘法（PLS）建立甘蔗汁蔗糖含量校正模型。结果表明,建立的PLS模型校正相关系数（R）、校正均方根误差（RMSEC）和验证均方根误差（RMSEP）分别为0.961 7、0.237和0.263,预测相对误差＜5%。 相似文献
20.
科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息,可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据,将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析,筛选相关性较强的光谱特征参数,然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型,并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明,上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高,建模和验证R2分别为0.82和0.75、0.80和0.77、0.71和0.62;上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳,建模和验证R2为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。 相似文献