共查询到19条相似文献，搜索用时 0 毫秒
1.
《土壤通报》2020,(3):505-510
为了实现土壤类型的快速无损识别,提出了一种利用可见-近红外光谱、基于极限学习机的土壤类型鉴别方法。首先,获取4种不同类型土壤的320个样本波长在325～1075 nm范围内的可见-近红外光谱数据;其次,用主成分分析的数学方法对数据进行降维处理,最终提取了三个主成分来代表原光谱数据;再次,将320个样本的数据随机分为测试集和预测集两个部分,建立极限学习机模型,利用该模型对土壤类型进行识别。实验结果表明,将极限学习机应用于土壤类型的识别精度可达100%,其训练速度和泛化性优于BP神经网络和支持向量机,能够快速、准确、无损鉴别土壤类型,使用方便,具有推广价值。 相似文献
2.
基于近红外光谱技术的大米品种快速鉴别方法 总被引：16，自引：7，他引：9
为探索大米无损检测技术,提出了一种基于可见-近红外光谱技术快速、无损鉴别大米品种的新方法。首先采用主成分分析法对大米品种进行聚类,然后利用小波变换技术提取光谱特征信息,把光谱特征信息作为人工神经网络的输入建立品种识别模型,对大米品种进行鉴别。从每种大米60个样本共计180个样本中随机抽取150个样本（每种50个样本）用来建立神经网络模型,剩下的30个大米样本用于预测。品种识别准确率达到100%。说明所提出的方法具有很好的分类和鉴别作用,为大米的品种鉴别提供了一种新方法。 相似文献
3.
基于近红外光谱技术的淡水鱼品种快速鉴别 总被引：5，自引：1，他引：4
为探索淡水鱼品种的快速鉴别方法,该文应用近红外光谱分析技术,结合化学计量学方法,对7种淡水鱼品种的判别分类进行了研究。采集了青、草、鲢、鳙、鲤、鲫、鲂等7种淡水鱼,共665个鱼肉样品的近红外光谱数据,经过多元散射校正(multiplicative scatter correction,MSC)、正交信号校正(orthogonal signal correction,OSC)、数据标准化(standardization,S)等20种方法预处理,在1 000~1 799 nm范围内分别采用偏最小二乘法(partial least square,PLS)、主成分分析(principal component analysis,PCA)和BP人工神经网络技术(back propagation artificial neural network,BP-ANN)、偏最小二乘法和BP人工神经网络技术对7种淡水鱼原始光谱数据进行了鉴别分析。结果表明,近红外光谱数据,结合主成分分析和BP人工神经网络技术建立的淡水鱼品种鉴别模型最优,模型的鉴别准确率达96.4%,对未知样本的鉴别准确率达95.5%。模型具有较好的鉴别能力,采用该方法能较为准确、快速地鉴别出淡水鱼的品种。 相似文献
4.
应用FT-IR光谱指纹分析和模式识别技术溯源茶叶产地的研究 总被引：11，自引：0，他引：11
利用近红外光谱分析技术,对28份茶样品进行主成分和聚类分析。结果表明,浙江省龙井绿茶近红外原始光谱谱图差异较大,而不同产地龙井绿茶原始光谱间差异不甚明显。对原始光谱数学处理后对其进行主成份分析,发现在主成分空间内第1主成分得分绝大部分为正,继而对不同产地的样品进行主成分分析,西湖龙井有比较明显的主成分特征,区别于浙江龙井;"西湖龙井"主成份空间分布的离散度大于浙江各市县龙井的变异。对龙井绿茶样品进行聚类分析,得出相同产地的绿茶样品可聚为一类。初步表明应用近红外光谱分析技术可准确、快速、低廉地追溯茶叶的产地。 相似文献
5.
柿子可溶性固形物含量的可见-近红外光谱检测 总被引：3，自引：0，他引：3
为了实现柿子（Diospyros kaki thunb）可溶性固形物含量的快速无损检测,提出了一种采用可见-近红外光谱分析技术无损检测柿子可溶性固形物含量的方法。采用Field Spec 3光谱仪对3种不同品种的柿子进行光谱分析,共获取66个样本数据。利用平均平滑法对样本数据进行预处理,再采用主成分分析法,依据可信度获取光谱的6个主成分数据。将样本随机分成51个建模样本（每种各17个）和15个验证样本（每种各5个）,把6个主成分数据作为BP神经网络的输入变量,柿子的可溶性固形物含量作为输出变量,隐含层的节点数为11,建立3层BP神经网络检测模型,并用该模型对15个验证样本进行预测。结果表明,所建校正模型的校正标准差（SEC）为0.232,对预测集样本可溶性固形物含量的预测相对误差在3%以下,预测值和实测值的决定系数（R2）为0.99,预测标准差（SEP）为0.257。结果表明应用近红外光谱技术结合主成分分析和神经网络算法检测柿子的可溶性固形物含量是可行的。 相似文献
6.
基于光谱技术的大豆豆荚炭疽病早期鉴别方法 总被引：6，自引：3，他引：3
为更好地指导农户进行植物病害防治,提高大豆豆荚的商品性,减少损失,需要运用快速有效的方法来进行大豆豆荚炭疽病的早期检测。该文应用可见-近红外光谱技术结合连续投影算法(SPA)和最小二乘支持向量机(LS-SVM),实现了大豆豆荚炭疽病的早期快速无损检测。对194个大豆豆荚样本进行光谱扫描,通过不同预处理方法比较,建立了大豆豆荚炭疽病早期无损鉴别的最优偏最小二乘法(PLS)模型。同时应用主成分分析(PCA)和连续投影算法(SPA)分别了提取最佳主成分和有效波长,并将其作为LS-SVM的输入变量,建立了PCA-LS-SVM和SPA-LS-SVM模型,以样本鉴别的准确率作为模型评价指标。试验结果显示PCA-LS-SVM和SPA-LS-SVM模型都获得了比较满意的准确率,且SPA-LS-SVM模型的准确率最高为95.45%。研究表明,SPA能够有效地进行波长选择,进而使LS-SVM模型获得较高的鉴别率,说明应用可见-近红外光谱技术鉴别大豆豆荚炭疽病是可行的。这为进一步应用光谱技术进行大豆生长对逆境胁迫的反应提供了新的方法,为实现大豆病害的田间实时在线检测提供参考。 相似文献
7.
基于近红外光谱技术的葡萄酒原产地辨识方法 总被引：4，自引：3，他引：1
该文以鉴别葡萄酒原产地为目的,利用快速无损的近红外光谱分析技术,对47份来自昌黎、沙城和法国波尔多（Bordeaux）的红葡萄酒样品进行逐步回归分析选取光谱区域,再进行主成分分析和聚类识别,建立了判别葡萄酒原产地的预测模型。试验结果表明：昌黎、沙城和波尔多产地的葡萄酒产地鉴别的光谱区域为1 400～1 550 nm 和2 000～ 2 300 nm;3个产地的葡萄酒在主成分特征空间中基本为独立分布,其中波尔多酒样和国内酒样间距离最远,国内昌黎和沙城酒样间有小部分交叉;利用9个独立预测集样本对由38个训练集样品所建立的预测模型进行验证,产地的正确识别率达到了88.9%。因此,应用近红外光谱分析技术可准确、快速地辨别葡萄酒的产地。 相似文献
8.
近红外漫反射光谱技术快速无损识别灵芝和云芝提取物研究 总被引：1，自引：0，他引：1
为了满足食用菌提取物实际生产监管需要,本研究采用近红外漫反射光谱技术对来自不同地区的灵芝和云芝提取物样品进行定性识别研究。在800~2 750nm波段范围,采集灵芝和云芝提取物的漫反射光谱,应用主成分聚类分析和偏最小二乘判别法分别建立识别模型,用146个样品进行建模和48个外部样品集进行验证。结果表明:采用主成分聚类判别分析法,灵芝和云芝提取物的判别界线清晰,正确率达到88.54%;采用偏最小二乘判别法,建立的鉴别分类模型能较好地对灵芝和云芝提取物进行鉴别,校正集和预测集样品的识别正确率均为100%。因此,近红外结合主成分聚类分析和偏最小二乘判别法识别灵芝和云芝提取物是可行的,同时研究结果为灵芝和云芝提取物的快速识别提供了理论依据和使用方法。 相似文献
9.
基于可见-近红外光谱技术的蜜源快速识别方法 总被引：8，自引：5，他引：3
蜂蜜蜜源决定了蜂蜜的药用价值。为了实现快速无损识别蜂蜜蜜源,提出了基于可见-近红外光谱技术结合机器学习的方法来实现蜂蜜蜜源的快速无损识别。该研究采集来自4个蜜源共232份蜂蜜样本光谱数据,随机选取其中212个样本用来构建分类器,剩余20个样本进行分类器泛化学习能力的检验评估。光谱数据预处理采用基线校正,数据标准化和平滑消除干扰和噪声。基于一对多分类规则,采用主成分分析结合贝叶斯线性判别构造线性多分类器,并就分类效果和泛化学习能力与前向神经网络器构成的非线性分类器进行比较。结果表明：基于主成分分析结合贝叶斯线性判别构造的多分类器分类正确率为91.95%,前向神经网络的分类正确率为100%。该研究也表明应用可见-近红外技术对蜂蜜蜜源进行快速分类是可行的。 相似文献
10.
基于可见/近红外反射光谱的梨树叶片钾含量的快速测定研究 总被引：1，自引：0，他引：1
利用可见/近红外反射光谱定量分析技术对梨树鲜叶钾素含量进行快速测定研究。对150个梨树叶片样本进行光谱扫描,其中120个做建模集,30个做验证集。通过对样品的可见/近红外光谱进行多种预处理,并建立钾素预测模型,探讨了可见/近红外光谱数据预处理对预测精度的影响。结果表明,通过原始光谱与S-G(3)平滑相结合的预处理方法,用17个主成分建立的偏最小二乘法模型最好,其交叉验证集和预测集模型的决定系数(R2)分别为0.722 7和0.679 1,交叉验证均方根误差(RMSECV)为1.171,预测的平均相对误差为6.81%,能高效、快速地预测梨树叶片钾素含量,为梨树钾素快速测定提供了新的手段。 相似文献
11.
识别不同水稻株型的高光谱模式方法的建立 总被引：1，自引：0，他引：1
提出了一种用高光谱技术快速识别不同水稻株型的新方法。首先在试验田内选择33个不同的水稻品种,测定了每个品种的14个株型特征参数,并采用荷兰Avantes公司的AvaSpec-2048便携式光谱仪采集不同株型水稻的高光谱数据。通过聚类分析,将所有水稻品种分为差异较大的3个株型类别。再采用平均平滑法和标准归一化方法对光谱数据进行预处理,对光谱数据主成分分析并获得各主成分数据。最后将主成分数据作为BP神经网络的输入变量,株型类别作为输出变量,建立了三层人工神经网络识别模型,并用模型对预测样本进行预测。结果表明,预测准确率为100%。该方法实现了对不同水稻株型的快速、无损识别。 相似文献
12.
基于PCA和PNN的水稻病虫害高光谱识别 总被引：11，自引：6，他引：5
对水稻病虫害准确、快速的识别是采取病虫害防治措施的基础,同时对灾害评估也具有积极意义。该研究选用在水稻孕穗期时测定的两期受稻干尖线虫病危害的水稻叶片光谱数据和于水稻分蘖期时测定的两期受稻纵卷叶螟危害的水稻叶片光谱数据,通过对水稻叶片的光谱特征分析,选用可见光波段（490～670 nm）和短波红外波段（1 520～1 750 nm）,用主成分分析技术（PCA）对上述光谱波段进行压缩,获得主分量光谱,最后结合概率神经网络（PNN）对稻干尖线虫病和稻纵卷叶螟进行识别,结果显示对水稻病虫害的识别精度高达95.65%。研究表明,PCA和PNN相结合,可以实现对多种水稻病虫害进行快速、精确的分类识别。 相似文献
13.
苏北滨海土壤碳酸钙含量反射光谱估算研究 总被引：2，自引：0，他引：2
土壤属性的快速、精确测定是实现现代精细农业的基础。本研究分析了江苏省北部滨海土壤的属性特征以及碳酸钙的可见-近红外反射光谱特征,探讨利用可见-近红外光谱估算滨海土壤碳酸钙含量的可行性,比较不同光谱反射率数据集、不同预处理方法以及不同建模方法定量反演的优劣。结果表明:(1)苏北滨海土壤有机质含量较低、碳酸钙含量较高,其光谱曲线在2 340 nm处有较明显的碳酸钙吸收特征;(2)滨海土壤碳酸钙含量与土壤的可见-近红外波段反射率呈正相关,且碳酸钙含量高低对于土壤的近红外波段反射率的影响高于可见光波段;(3)可见-近红外反射光谱可用于估算滨海土壤碳酸钙含量。就建模结果而言,381~2 459 nm波段反射光谱数据集、log(1/R)预处理、偏最小二乘回归三者结合的效果比较理想。 相似文献
14.
Junko Matsuki Tomoya Okunishi Hiroshi Okadome Keitaro Suzuki Koichi Yoza Ken Tokuyasu 《Cereal Chemistry》2015,92(5):487-490
A simple method employing a commercially available canister was developed for the determination of mode of water absorption of rice flour samples. The samples prepared by four different grinding methods were used to analyze water absorption. The total amount of water in a flour sample was described by using an exponential model. Capacity and rate of water absorption of the samples were determined, and the relationship to baking quality of partially substituted rice bread was investigated. The water absorption was highly dependent on the method of grinding. Flours produced by wet jet‐milling of the grains, which absorbed a small amount of water at high speed, were most suitable for rice bread. The method was applicable to other food powders, provided that flour particles do not stick together or swell immediately upon contact with water. 相似文献
15.
该文研究了充分利用土壤漫反射光谱在可见-近红外波段的有效信息,研究快速准确检测土壤硝态氮含量的新方法。试验选取89个风干土壤样本,经粉碎过直径1 mm筛孔后,使用 FieldSpec 3便携式光谱仪（光谱波长范围：400～2 500 nm）,获取其漫反射光谱。检查各土样的原始光谱的有效性并进行平均,经偏最小二乘法partial least squares（PLS）聚类分析后,选取其中的63个样本构成校正集建立模型,10个样本构成预测集进行模型验证。通过一阶微分与滑动平均滤波相结合的预处理方法,用15个主成分建立的主成分+神经网络模型为最好,其校正模型的回判相关系数为0.9908,均方根误差（RMSEC）为1.4528,预测模型的相关系数为0.7179。研究结果表明,利用可见-近红外光谱技术可以准确地检测茶园土壤硝态氮含量。 相似文献
16.
17.
Lihong Xie Xiaoyan He Binwu Duan Shaoqing Tang Ju Luo Guiai Jiao Gaoneng Shao Xiangjin Wei Zhonghua Sheng Peisong Hu 《Cereal Chemistry》2015,92(5):522-528
This study compared the calibration models generated by combinations of different mathematical and preprocessing treatments as well as regression algorithms to optimize the analysis of gelatinization properties of rice flour by using near‐infrared spectroscopy, in comparison with conventional techniques of differential scanning calorimetry (DSC) and rapid viscosity analysis (RVA). A total of 220 milled rice flours were used for model construction. A model generated by the modified partial least squares regression (MPLS) with mathematical treatment “2, 8, 8, 2” (second‐order derivative computed based on eight data points, and eight and two data points in the second smoothing, respectively) and detrend preprocessing was identified as the best for simultaneously measuring onset temperature (To), peak temperature (Tp), and conclusion temperature (Tc) of DSC. MPLS/“2, 8, 8, 2”/weighted multiplicative scattering correction preprocessing was identified as the best for RVA properties. The results indicated that near‐infrared reflectance spectroscopy could be used to rapidly predict gelatinization properties of rice flour for the purposes of quality evaluation of germplasm and selection of intermediate lines in breeding programs. 相似文献
18.
基于近红外高光谱成像技术鉴别杂交稻品系 总被引：4，自引：4，他引：0
种子的筛选和鉴别是农业育种过程中的关键环节。该文基于近红外高光谱成像技术(874~1 734 nm)结合化学计量学方法以及图像处理技术实现杂交稻种的品系鉴别及可视化预测。采集了3类不同品系共2 700粒杂交水稻的高光谱图像,用SPXY算法,按照2∶1的比例划分建模集和预测集。基于水稻样本的光谱特征,采用主成分分析(PCA)方法初步探究3类样本的可分性。采用连续投影算法(SPA),提取出7个特征波长:985.08、1 106、1 203.55、1 399.04、1 463.19、1 601.81、1 645.82 nm。基于特征波长和全波段光谱,建立了偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型。试验结果表明,所建模型判别效果较好,识别正确率均达到了90%以上,其中,SVM模型的判别效果优于PLS-DA模型,基于全谱的判别分析模型结果优于基于特征波长的判别模型。结合SPA-SVM校正模型和图像处理技术,生成样本预测伪彩图,可以直观的鉴别不同品系的水稻种子。结果表明,近红外高光谱成像技术可以实现杂交稻的品系识别及可视化预测,为农业育种过程中种子的快速筛选及鉴定提供了新思路。 相似文献
19.
高光谱图像技术在掺假大米检测中的应用 总被引：4，自引：2，他引：2
为了有效判别出优质大米中是否掺入劣质大米,该文研究了一种针对大米掺假问题的快速、无损检测方法。从市场上购买了东北长粒香大米和江苏溧水大米,按纯东北长粒香大米、3∶1、2∶2、1∶3和纯江苏溧水大米共5个掺合水平进行大米试验样本的制备。利用可见-近红外高光谱图像采集系统(390~1050 nm)获取了200个大米样本的高光谱图像。采用ENVI软件确定高光谱图像的感兴趣区域(region of interest,ROI),并提取出所有样本在ROI内的平均高光谱数据。采用支持向量机(support vector machine,SVM)建立全光谱波段下的大米掺假判别模型,径向基(radial basis function,RBF)核函数模型交叉验证准确率为93%、预测集正确率为98%。由于高光谱信息量大、冗余性强且受噪声的影响较大,该文采用主成分分析方法(principal component analysis,PCA)分别对大米高光谱图像和高光谱数据进行处理,从特征选择和特征提取2个角度对原始高光谱数据进行处理,通过主成分权重系数图选择了531.1、702.7、714.3、724.7、888.2和930.6 nm 6个特征波长,通过留一交叉验证法(leave-one-out cross-validation,LOOCV)确定并提取出PCA降维后的最优主成分数(number of principal component,PCs)为9。最后分别将优选出的特征波长和提取出的最优主成分数作为模型的输入,建立SVM模型。试验结果表明,基于特征波长SVM模型的交叉验证准确率为95%、预测集正确率为96%,基于最优主成分数SVM模型的交叉验证准确率为94%、预测集正确率为98%。该研究结果表明,该文建立的基于特征波长和基于最优主成分数的SVM模型均具有较优的预测性能,且利用高光谱图像技术对大米掺假问题进行检测是可行的。 相似文献