共查询到10条相似文献，搜索用时 15 毫秒
1.
运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校... 相似文献
2.
基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量 总被引：2，自引：0，他引：2
森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。 相似文献
3.
4.
可见/近红外光谱技术识别树叶树种的研究 总被引：1，自引：0，他引：1
探索使用可见/近红外光谱技术识别树叶树种的可行性,为野外可见/近红外光谱技术用于树种识别提供方法。本试验识别了9个树种,测试了光谱预处理方法、识别方法对可见/近红外光谱识别的准确率的影响。对9种阔叶树种共46棵树,分别采用距离法和PLS-DA建立识别模型,比较不同波段和导数预处理方法对模型预测效果的影响。结果表明,使用距离法对原始光谱进行识别时,识别准确率<50%,不能够有效识别树叶树种。使用距离法对预处理后的光谱进行识别时,识别准确率为近红外350～2 500nm(99.16%)>350～1 000nm(88.05%)>1 000～2 500nm(81.24%),且任意单个树种的识别准确率都>98%,能够有效识别树叶树种。使用偏最小二乘法(PLS-DA)结合单列识别变量矩阵时,识别准确率高达100%,识别模型的相关系数为0.993 6,RMSEC为0.120,RMSEP为0.144,但只能成功识别4种树叶树种,当树叶种数>4时,预测模型的识别准确率陡降。使用偏最小二乘法(PLS-DA)结合多列识别变量矩阵对9种树叶的识别准确率高达99.58%,识别模型的相关系数为0.888 6～0.956 9,RMSEC为0.084 5～0.15,RMSEP为0.088 7～0.155。本试验为可见/近红外光谱技术快速识别树种提供了一种新的方法和思路。 相似文献
5.
为了建立红松籽水分无损、快速检测,采用便携式近红外光谱仪在波长范围900~1 700 nm对红松籽的光谱信息进行采集和分析,建立红松籽水分的近红外预测模型。利用多种预处理方法优化模型,同时采用反向间隔偏最小二乘法、无信息变量消除法实现特征波段的选取。结果表明,带壳红松籽光谱经矢量归一化预处理后构建的模型最优,松仁光谱经一阶导数预处理后构建的模型最优;波段筛选能够优化模型质量,其中反向间隔偏最小二乘法的筛选结果最优,其带壳红松籽和松仁水分模型校正集相关系数分别为0.864 1和0.907 8,验证集均方根误差分别为1.041 7和0.833 8。结果表明,经过优化后,模型的效果较好,能够实现红松籽水分无损检测,为带壳坚果的在线检测提供技术参考。 相似文献
6.
7.
近红外光谱技术建立镜鲤新鲜度定量预测模型 总被引：1，自引：0，他引：1
以镜鲤为研究对象,利用近红外光谱技术和化学计量法采集、测定相关指标,并应用偏最小二乘法(PLS)、偏最小二乘法和BP人工神经网络两种方法经比较优化模型。经过鱼肉样品光谱的扫描及pH值、TVB-N(挥发性盐基氮)值、TBA(硫代巴比妥酸)值的测定,在21种预处理下,确定最佳建模方式、预处理方式和最优波段。经模型优化得知,pH、TVB-N、TBA均在偏最小二乘法中建立的模型最好,最优预处理方法分别为基线校正和标准正态变量变换、净分析信号、Savitzky-Golay导数和基线校正,最优波段分别为1 000~1 300 nm和1 700~1 799 nm、1 000~1 200 nm和1 300~1 650 nm、1 000~1 799 nm,并且pH、TVB-N和TBA的Rc分别为0.9906、0.99865、0.99971,Rp分别为0.6436、0.021357、0.7723,达到了利用近红外光谱技术对镜鲤新鲜度高效、快捷、无损伤的定量检测预测模型的建立。 相似文献
8.
[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。 相似文献
9.
10.
提出一种应用高光谱成像技术检测葡萄可溶性固形物含量的方法。使用高光谱成像系统采集葡萄漫反射光谱,在500~1 000 nm光谱,采用多元散射校正(MSC)、标准正态变换(SNV)进行光程校正,结合一阶微分(1-Der)、二阶微分(2-Der)、Savitzky-Golay(S-G)平滑方法及其组合对原始光谱进行预处理,建立可溶性固形物含量的偏最小二乘法(PLS)和逐步多元线性回归(SMLR)模型。结果表明:采用PLS和SMLR建模方法均取得较好的预测效果。采用经过MSC、1-Der和S-G平滑相结合预处理后的光谱建立PLS预测模型,校正集的相关系数Rc为0.979 1,RMSEC为0.265,预测集的相关系数Rp为0.962 0,RMSEP为0.372;采用原始光谱、1-Der和SG平滑相结合预处理后的光谱建立SMLR预测模型,校正集的相关系数Rc为0.967 8,RMSEC为0.327,预测集的相关系数Rp为0.947 2,RMSEP为0.394。以上表明,基于高光谱成像技术可以实现采后葡萄可溶性固形物含量的准确无损检测。 相似文献