共查询到20条相似文献，搜索用时 31 毫秒
1.
利用近红外光谱结合多变量回归分析中常用的主成分回归(PCR)和偏最小二乘法回归(PLSR)分析预测法来判别木材的生物腐朽,并与前期采用的SIMCA和PLS-DA 2种判别方法进行对比分析.结果表明:1)应用近红外光谱结合多变量回归分析方法对校正集样本建立的判别模型,其校正及验证结果与标准值的相关性很高,相关系数均大于0.95,SEC和SEP都很低(0.07 ～0.20),利用模型对未参与建模的样本进行检测,发现2个模型对未腐朽、白腐和褐腐3种类型样本的判别准确率均为100％(偏差都小于0.27);2)对于相同样本集的判别效果,PLSR法比PCR法的判别效果好,且二者都比采用SIMCA法的效果好,并都与PLS-DA法的判别结果相近,说明利用近红外光谱结合回归分析预测法能有效地检测木材的生物腐朽,并对生物腐朽的类型进行准确判别. 相似文献
2.
《林产化学与工业》2015,(6)
采用近红外光谱结合化学计量学的方法,对桉木和相思木及其属间6种木材的判别分类进行了研究。首先采集了尾巨桉、尾叶桉L11、尾叶桉U6、蓝桉、马占相思、厚荚相思,共计86个样本的近红外光谱图,采用偏最小二乘法判别分析(PLS-DA)建立了桉木和相思木的分类模型,校正集和验证集的预测值与实际值之间的回归线基本重合,决定系数(R2)分别为0.99和0.97,模型效果较好,且对未知样本的识别正确率为100%。为了对属间的6种木材作进一步的判别,采用MSC和Savitzky-Golay平滑对4000~7500 cm-1光谱进行预处理后,结合主成分分析(PCA)建立判别模型,模型识别率和验证正确率均为100%。结果表明基于近红外光谱结合化学计量学算法可以对桉木和相思木的不同属进行快速鉴别。 相似文献
3.
粗皮桉木材力学性质的近红外光谱方法预测 总被引：1，自引：0，他引：1
以人工林粗皮桉木材为研究对象,采用常规力学测试方法和近红外光谱方法对其无疵小试样力学性质进行研究。用近红外光谱仪采集试样表面的近红外光谱,对采集的近红外漫反射光谱进行导数预处理并对不同波段光谱建立校正模型,以1/3试样作为预测集对校正模型进行验证。结果表明:二阶导数预处理、350～25000nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材力学性质模型预测效果最好。抗弯弹性模量和抗弯强度、顺纹抗压强度的实测值与近红外光谱方法的预测值存在较好的相关性,相关系数均大于0.88,相对分析误差大于2.0,表明利用近红外光谱方法预测人工林粗皮桉木材力学性质效果较好。 相似文献
4.
【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。 相似文献
5.
6.
基于近红外光谱与BP神经网络预测落叶松木屑的含水率 总被引：2，自引：0，他引：2
利用近红外光谱(NIR)技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理,然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入,最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0.98,校正集的均方根误差RMSEC为0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。研究表明,此方法可以实现对落叶松木屑含水率的快速预测。 相似文献
7.
8.
无患子果皮皂苷含量近红外光谱检测研究 总被引：1，自引：0，他引：1
为建立无患子(Sapindus mukorossi Gaertn.)果皮皂苷含量的快速检测模型,结合高效液相色谱法(HPLC),对采自浙江省天台县145份无患子果皮的皂苷含量进行检测。并依据近红外吸收光谱与HPLC测定数据的相关性,建立2个果皮皂苷含量估测模型,并对模型的准确性进行预测和评价。结果表明:A组(完整果皮)和B组(粉末状果皮)光谱数据分别基于"SNV+1stderivative"和"MSC+1st derivative"预处理法并利用PLS构建的光谱模型表现最佳,模型可靠性最强,预测精度最高,其中B组光谱数据建立的模型预测效果明显优于A组。基于A组和B组建立的模型与HPLC法的测量结果相关系数分别为0.654和0.993,预测标准偏差分别为0.982和0.294。以B组样品建立的模型基本可以代替HPLC法使用,而以A组样品建立的模型可用于测定精度要求不高、比较珍贵或样品量较少的样品。 相似文献
9.
热值是灌木生物质能源利用的重要燃烧性能参数之一。针对传统实验室检测方法破坏性大、费时费力、无法实现大量样本的快速检测问题,探讨了沙柳冠层可见-近红外光谱(Vis-NIR)结合不同化学计量学方法预测沙柳热值的精度差异。采用标准正态变量变换(SNV)、归一化数据(normalize)、标准正态变量变换+归一化数据和第二代小波变换即提升小波变换(LWT)对冠层光谱进行预处理,采用偏最小二乘法(PLS)和卷积神经网络(CNN)构建了沙柳热值可见-近红外模型。同时,对比分析了鲸鱼优化算法(WOA)、麻雀搜索算法(SSA)和灰狼优化算法(GWO)对CNN模型参数的优化效果。结果表明：当采用db4小波进行5层分解后,其对沙柳冠层可见-近红外光谱的去躁效果最好,基于LWT-WOA-CNN法构建的沙柳热值可见-近红外模型的预测精度最优,校正模型的决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)分别为0.852,0.103和2.599,RPD值较原始的PLS和CNN模型分别提高19.11%和76.80%。该研究可为沙柳生物质能源的高效、精细化利用提供技术支撑。 相似文献
10.
《林业与环境科学》2021,(4)
在950～1650 nm的光谱范围内,使用DA2700型近红外光谱仪采集了110个湿加松Pinus elliottii × P.caribaea松针粉末样本的光谱数据。结合实际测定值,采用偏最小二乘(PLS)回归法并选择最佳光谱预处理方法和最佳主成分数,建立湿加松松针组织16种黄酮物质总含量的快速预测模型。结果表明:采用一阶导数(FD)与滤波拟合(SG)相结合法对光谱数据进行预处理且当主成分数为10时,可得最优模型。其校正集相关系数(R_c)和交互验证集相关系数(R_v)分别为0.852 1和0.705 9。校正集均方根误差(RMSEC)和交互验证集均方根误差(RMSEV)分别为6.361 0和9.150 9。外部验证集测定值和模型预测值之间的相关系数为0.8537。综合表明所建模型预测精度高、可靠性强,可用于湿加松松针组织16种黄酮物质总含量的预测。 相似文献
11.
《林业科学》2021,57(8)
【目的】基于近红外光谱分析技术,判别纤维板生产过程中施胶量高低,为施胶工艺阶段提供技术支撑。【方法】以桉木纤维为研究对象,以脲醛树脂胶黏剂施胶量高低为判别指标,对同一批桉木纤维,控制含水率5%左右,建立施胶量为无(0%)、低(3%)、中(12%)、高(20%) 4种类别的近红外光谱偏最小二乘法回归模型(PLS),采用PLS-DA法判别施胶量高低,探究光谱采集方式(施胶纤维运动或静态状态)、施胶后纤维陈放时间对模型判别准确性的影响。【结果】1)随着施胶量增加,近红外光谱吸光度增大,PCA分析可区分无、低、中、高4种施胶量类别的桉木纤维; PLS-DA法能够建立相关性好、准确性高的近红外光谱模型,对未知样品的判别正确率达100%; 2)静态或动态光谱采集方式不会影响模型建立,对未知样品的判别正确率达100%;施胶后纤维陈放时间对近红外光谱影响很大,施胶后长时间陈放的纤维几乎不能正确判别施胶量高低。【结论】不同施胶量桉木纤维对近红外光谱的吸光度不同,PLS-DA法可准确判别桉木纤维施胶量高低;样品处于静止或运动状态均不影响模型建立和判别的准确性,可为在线识别纤维施胶量提供一定思路。 相似文献
12.
亚美马褂木(Liriodendron sion-americanum)是一种通过中国马褂木和北美鹅掌楸杂交培育获得的优良阔叶工业树种与园林绿化树种。相比于亲本,亚美马褂木具有生长更快、适应性更广、材性更优等特点。由于亚美马褂木和其亲本木材在外观上相似度较高,因此木材交易中常出现以次充好的问题,破坏了市场秩序。为解决亚美马褂木木材鉴别问题,降低木材鉴别误差,本试验基于近红外高光谱(NIR-HSI)技术,建立亚美马褂木和其亲本的木材快速无损鉴别方法。使用近红外高光谱仪采集了亚美马褂木、北美鹅掌楸和中国马褂木木材样品的光谱信息,建立偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)2种判别模型,比较了连续投影算法(successive projections algorithm, SPA)、SG平滑(S-G smoothing)、多元散射校正(multiplicative scatter correction, MSC)、归一化数据(Normalize)和标准正态变量变换(standard normal variate, SNV)5种预处理方法对建模的影响。试验结果表明：亚美马褂木与其... 相似文献
13.
利用一阶导数、S-G平滑及多元散射校正等光谱预处理方法对油茶炭疽病危害下原始光谱进行预处理后,采用SPXY样本划分法将65个样本按7∶3将样本划分为45个校正集和20个预测集,再对不同预处理的光谱数据建立油茶炭疽病病情指数偏最小二乘回归模型。结果显示,在多种预处理方法中,S-G平滑预处理效果最好。通过连续投影算法(SPA)以及竞争性自适应重加权采样算法(CARS),从S-G平滑预处理的光谱中提取特征波长,进而构建基于偏最小二乘回归(PLSR)的油茶炭疽病病情指数的估测模型。试验结果发现,基于SPA所提特征波长建立的SPA-PLSR模型预测集R2p和预测均方根偏差(RMSEP)分别为0.700和0.072,基于CARS所提特征波长建立的CARS-PLSR模型预测集R2p和RMSEP分别为0.834和0.053;CARS-PLSR预测模型总体上要优于SPA-PLSR模型,可实现油茶炭疽病病情指数的估测。 相似文献
14.
蒙古栎抗弯弹性模量多模型共识的近红外检测方法 总被引：1，自引：0，他引：1
《林业工程学报》2016,(6)
利用近红外光谱技术预测蒙古栎(Quercus mongolica)抗弯弹性模量(MOE),提出GN(global and neigh-borhood)样本优选与CPLS多模型共识的建模方法。选取近红外光谱谱段为900~1 700 nm,径切面和弦切面采集。首先,采用一阶导数与S-G卷积平滑相结合的方法进行数据预处理;然后,利用GN算法计算光谱样本间的全局和邻域马氏距离,实现蒙古栎MOE异常样本的剔除与校正集、预测集的自动划分;最后,融合具有多个成员样本子集的PLS模型,构建CPLS共识模型,取平均值作为最终预测结果。实验采用135个300 mm×20 mm×20mm的无疵小试样为样本,剔除异常样本12个,并选取其中78个为校正集样本,45个为预测集样本。结果表明,一阶导数处理能够消除光谱背景平缓区域干扰,S-G能消除小峰值无关吸收峰的影响;GN样本优选与CPLS结合的建模方法,预测相关系数为085,相对分析误差(RPD)为193,预测效果比传统PLS建模更好,且稳定性有所提高,但该改进模型方法的RPD依然小于25,因此,可做初步分析,准确地进行定量预测依然存在局限性。 相似文献
15.
借助近红外光谱技术,以江西省永丰官山林场楠木种子园的64份闽楠叶片为材料,采用传统的化学分析方法测定闽楠叶片样品的氮元素含量作参考值,同时采集闽楠叶粉末样品的近红外光谱图。运用化学计量学软件NIRCal,选定建模方法、建模波段和预处理方法,建立最优测定模型。另随机抽取10份未知样品对模型进行检验,结合配对样本T检验进行评价。结果表明：用主成分回归方法(PCR)建立的模型效果最好,其校正集相关系数Rc为0.912,校正集均方根误差RMSEC为1.098,交互验证集相关系数Rv为0.897,交互验证集均方根RMSEV为1.192。外部验证结果显示,预测值与实测值的相对偏差范围在0.070～0.705之间,且配对样本T检验结果显示P值为0.116,大于0.05,无显著差异。该方法可用于闽楠营养水平和优质选种的大批量快速检测。 相似文献
16.
采用偏最小二乘法(PLS)建立八角中反式茴香脑和莽草酸含量的近红外光谱定量分析模型。利用近红外光谱技术采集八角粉末的近红外光谱图(NIR),以高效液相色谱法测定的八角中反式茴香脑和莽草酸质量分数作为参考值，经过光谱处理软件将近红外光谱图与质量分数参考值进行关联，反式茴香脑的定量分析模型采用二阶导数作为预处理方法，以7 502～5 446.2和4 601.5～4 246.7 cm-1为波数范围，维数为10;莽草酸的定量分析模型采用一阶导数加直线减法作为预处理方法，以7 502～6 098.1和5 450.1～4 597.6 cm-1为波数范围，维数为8。结果表明：建立的八角中反式茴香脑和莽草酸含量的快速无损定量检测模型的决定系数(R2)分别为90.86%和93.13%,校正集的内部交叉检验均方根误差(RMSECV)分别为0.158和0.285,验证集的均方根误差(RMSRP)分别是0.068 7和0.171,配对T检验P值分别为0.761和0.194,均大于0.05,测量值与参考值偏差较小，建立的模型能较准确地测定八角中反... 相似文献
17.
《林产化学与工业》2017,(4)
为了构建湖南常见3种木本油料植物种子含油率近红外光谱通用模型,收集了98个油桐、96个油茶和96个核桃样本,采集了粉碎后种仁的近红外光谱(NIR),测定了样本含油率,分别采用偏最小二乘法(PLS)及径向基神经网络法(RBFNN)建立油桐+油茶+核桃、油桐+油茶、油桐+核桃和油茶+核桃4个混合样本集含油率的NIR通用模型。对PLS模型,4个样本集(验证集)的相关系数(R_p)分别为0.963、0.881、0.965和0.967,预测均方根误差(RMSEP)分别为2.78、3.31、2.47和2.70,相对标准偏差(RSD)分别为4.87%、6.51%、4.03%和4.55%;RBFNN模型的R_p分别为0.958、0.877、0.959和0.966,RMSEP分别为3.34、2.55、2.85和2.54,RSD分别为5.85%、5.02%、4.66%和4.28%。结果表明:构建油桐、油茶和核桃3种木本油料植物种子含油率近红外光谱通用性检测模型具有可行性。 相似文献
18.
《林业工程学报》2017,(6)
为实现油桐籽含油率的快速检测,采用近红外光谱结合化学计量学方法对油桐籽含油率的测定进行了研究。107个样本用Kennard-Stone法划分为校正集(80个)和验证集(27个)。光谱经预处理方法优化,确定一阶导数结合均值中心化预处理最优。分别采用竞争性自适应重加权算法筛选变量及小波变换压缩变量,比较了偏最小二乘法与径向基神经网络法所建模型的预测性能,确定竞争性自适应重加权算法筛选出的8个变量用于偏最小二乘法建模,所建模型预测性能最好:验证集相关系数0.927,均方根误差2.08,相对标准偏差为3.99%。结果表明竞争性自适应重加权算法筛选变量结合偏最小二乘法建模,所建模型简单,精度较好,可用于油桐籽含油率的快速检测。 相似文献
19.
《中南林业科技大学学报(自然科学版)》2020,(3)
【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。 相似文献