共查询到18条相似文献，搜索用时 171 毫秒
1.
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
2.
采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。 相似文献
3.
【目的】常规化学检测方法检测茄衣烟叶内总氮、钾、总糖、还原糖、总碱、氯和镁等 7 种化学成分含量的过程复杂、费时费力,而近红外光谱技术操作简单、检测快速。旨在建立一种近红外光谱检测模型,对茄衣烟叶内 7 种化学成分的含量实现快速定量分析。【方法】以云南雪茄茄衣烟叶为试材,采用常规化学方法检测茄衣烟叶 7 种化学成分含量,再利用近红外光谱技术结合偏最小二乘法对茄衣烟叶中 7 种化学成分含量及其光谱数据进行近红外模型分析,通过比较模型均方根误差和相关系数确定预测性能最佳的模型。【结果】7种化学成分分别采用原始光谱、一阶导数、一阶导数、原始光谱、原始光谱、一阶导数 + 中值滤波和一阶导数+ 中值滤波预处理方法建立的模型预测效果最佳,最佳主成分数分别为 20、7、4、24、21、9 和 7。7 种模型的训练集相关系数分别为 0.9441、0.8589、0.7664、0.9511、0.9547、0.9031 和 0.8620,交叉验证均方差分别为 0.1288、0.2846、0.0280、0.0096、0.1894、0.2965 和 0.0795;验证集相关系数分别为 0.8958、0.7675、0.7181、0.7928、0.7282、0.8062 和 0.7980,验证集均方差分别为 0.1789、0.3011、0.0324、0.0193、0.3855、0.3990 和 0.0999。模型外部验证结果表明,7 种化学成分预测值与化学值的平均相对标准偏差值皆小于 32%。【结论】利用近红外光谱技术对茄衣烟叶 7 种化学成分含量进行快速定量分析是可行的,该模型对 7 种化学成分含量具有良好的预测效果,可为茄衣烟叶 7 种化学成分含量快速定量分析提供参考。 相似文献
4.
针对现在市场上常见的两种大米掺伪现象,利用近红外光谱技术结合化学计量学方法分别建立了大米中掺入低档米和掺入矿物油的定量分析模型。制配不同掺伪比例的大米样品,采集其近红外光谱,并选用标准正态变量变换、最大最小归一化、平滑和一阶导数4种方法对原始光谱进行预处理,分别结合偏最小二乘法建立PLS定量分析模型。通过对比建模结果选出的最优预处理方法是最大最小归一化,建立的掺低档米模型的校正集和预测集相关系数分别为0.9698和0.9845,均方根误差分别为8.66和6.46;掺矿物油米模型的校正集和预测集相关系数分别为0.9739和0.9888,均方根误差分别为0.106和0.0698。模型的预测精度和稳定性均很好,实现了对两种掺伪大米快速、准确的定量判别,为大米的品质监控提供了一种新的方法思路。 相似文献
5.
利用近红外光谱(350～2 500 nm)系统采集180个西葫芦样本的光谱数据,运用多种预处理方法对原始光谱数据进行处理,建立西葫芦果肉硬度的PCR、SMLR和PLSR预测模型;并通过对不同的建模模型进行分析,对西葫芦硬度进行快速检测,实现可见/近红外光谱技术对西葫芦的硬度品质在线无损检测。结果表明,经过卷积平滑法和标准正态变换(S-G+SNV)处理建立的PLSR硬度预测模型效果最好,校正集相关系数为0.979,预测集相关系数为0.976;验证模型结果预测相关系数为0.886,预测均方根误差为0.126。运用可见/近红外光谱技术对西葫芦硬度指标的预测研究具有可行性,研究结果可为今后在线快速无损检测果蔬硬度提供理论依据。 相似文献
6.
基于便携式近红外光谱仪检测梨可溶性固形物 总被引：1，自引：0，他引：1
探索采用便携式近红外光谱仪,利用不同光谱预处理算法及波长优选法建立检测模型检测梨可溶性固形物含量(SSC)的可行性。比较了一阶导数(1st)、二阶导数(2nd)、多元散射校正(MSC)、标准正态变量变换(SNV)等9种预处理方法进行PLS建模的效果,确定最佳预处理方法。用相关系数法、无信息变量消除法(UVE)、向后区间偏最小二乘法(biPLS)和向后区间偏最小二乘法结合遗传算法(biPLS+GA)优选波长,用偏最小二乘法(PLS)建立梨SSC的定标模型,根据各个模型的校正集和预测集的相关系数(r)和交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)评价定标模型的精度和稳定性。结果表明:经过SNV预处理后的建模效果最好,校正集和预测集的相关系数r分别为0.890 8和0.868 9,RMSECV和RMSEP分别为0.592 5和0.630 8;相较于其他3种波长优选法,biPLS+GA方法不仅优选的波长数少,而且所建模型的预测效果更好,校正集和预测集的相关系数分别为0.887 9和0.891 0,RMSECV和RMSEP分别为0.599 9和0.571 3。 相似文献
7.
基于小波消噪柑橘内部品质近红外光谱的无损检测 总被引：6，自引：0，他引：6
为探讨柑橘内部品质无损检测方法,通过3阶Daubechies小波4级分解,对柑橘近红外光谱进行消噪预处理,并运用偏最小二乘法建立了柑橘贮藏中可溶性固形物、糖度、酸度和维生素C含量的校正预测模型.结果表明:建立的可溶性固形物含量预测模型,其预测值与标准值的相关系数为0.954,预测校正均方差为0.418%,最优光谱波段为6 101.7～4 246.5 cm-1;建立的可溶性总糖含量预测模型,其预测值与标准值的相关系数达0.975,预测校正均方差为0.490%,最优光谱波段为7 507.7～6 097.8 cm-1;建立的总酸含量预测模型,其预测值与标准值的相关系数达0.948,预测校正均方差为0.022%,最优光谱波段为 6 101.7～4 246.5 cm-1;建立的维生素C含量预测模型,其预测值与标准值的相关系数为0.957,预测校正均方差为0.039 mg/g,最优光谱波段为7 501.7～5 449.8 cm-1. 相似文献
8.
【目的】研究利用便携式拉曼光谱仪测定农药氧乐果含量(质量分数)的定量分析方法,为农药残留的快速检测提供参考。【方法】利用便携式拉曼光谱仪,采集不同含量氧乐果溶液的拉曼光谱,比较不同预处理方法 (卷积平滑、一阶导数、二阶导数、基线校正、基线校正+卷积平滑)对氧乐果溶液拉曼光谱数据的预处理结果,从中筛选出最优预处理方法;以最优预处理方法处理之后的数据作为输入,分别采用偏最小二乘法(PLS)、主成分回归(PCR)和多元线性回归(MLR)算法建立拉曼光谱与氧乐果含量之间的预测模型,并对模型的预测效果进行评价。【结果】5种预处理方法中,氧乐果溶液拉曼光谱数据经基线校正处理后,所建立模型的预测效果最好。分别采用PLS、PCR和MLR算法建立了拉曼光谱与氧乐果含量之间的预测模型,对3个模型的预测结果进行评价,结果显示,PLS预测模型的相关系数(RP)为0.984,预测均方根误差(RMSEP)为1.12;PCR预测模型的RP为0.977,RMSEP为1.39;MLR预测模型的RP为0.539,RMSEP为5.54,可知基线校正与PLS结合建立的模型预测效果最佳。【结论】建立了基于便携式拉曼光谱仪的氧乐果残留的定量分析方法,为农药残留检测提供了一种快速、简单、方便的方法。 相似文献
9.
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
10.
针对生产实际中缺乏快速的品质检测手段影响马铃薯产业发展的问题,开展基于漫反射光谱的马铃薯干物质含量检测研究。采用一、二阶微分及Norris微分滤波对光谱数据进行预处理,以消除干扰信息的影响。分析了主成分回归(PCR)和偏最小二乘(PLS)两种多元校正法在建立校正模型中的特点,分别建立了干物质含量校正模型,通过外部验证确定适合的建模方法。131个样品的检测研究结果表明,一阶微分光谱Norris滤波(分段长度为17点,分段间距为4点)处理后,采用PLS法的建模与预测效果最好,模型相关系数r为0.898,均方根校正误差(RMSEC)为1.72%,均方根预测误差(RMSEP)为2.34%,明显优于采用原始光谱、一阶微分光谱、二阶微分光谱及二阶微分Norris滤波光谱的建模与预测结果。 相似文献
11.
为建立一种快速检测茶叶中游离氨基酸含量的方法,应用近红外光谱分析技术对贵州省不同产地的162个绿茶样品中的游离氨基酸含量进行检测,并结合偏最小二乘法(PLS),建立茶叶中氨基酸含量的预测模型。结果表明:通过标准归一化(SNV)光谱预处理,光谱范围选择6 657.74～6 178.16、5 793.11～5 688.98、4 493.33～4 350.62cm-1,主因子数为11,得到模型的内部交互验证相关系数(R)为0.981 56,交互验证均方差(RMSECV)为0.501;模型的预测值与实测值的相关系数为0.998,预测均方差(RMSEP)为0.312,稳定性试验得到的相对标准偏差(RSD)小于0.4%。综合分析,傅里叶变换红外光谱法与化学计量学方法相结合可以实现茶叶游离氨基酸的快速检测,满足检测要求。 相似文献
12.
为了探索一种快速有效的烤烟烟叶产地鉴别方法,利用近红外光谱技术结合最小二乘支持向量机(LS-SVM)对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象,对原始光谱数据进行平滑和附加散射校正(MSC)预处理后再进行主成分分析,选择4～12个主成分作为输入变量进行LS-SVM建模。结果显示,该LS-SVM模型预测效果较好,预测相关系数rp≥0.990 7,预测标准误差(SEP)和预测均方根误差(RMSEP)分别为1.755 1和1.737 3,优于偏最小二乘回归(PLS)的预测结果,基于LS-SVM的近红外光谱技术能够很好地对烟叶产地进行判别。 相似文献
13.
应用近红外光谱和小波网络构建的木材基本密度预测模型 总被引：1，自引：0，他引：1
以柞木为研究对象,将120个样本以2∶1的比例分为校正集和预测集,80个校正集,40个预测集;使用900~1 700 nm的近红外光谱仪,获取样本径切面的近红外光谱数据;采用蒙特卡洛采样法剔除奇异样本,采用多元散射校正和S-G平滑对光谱数据进行预处理,消除光谱漂移、表面散射和噪声的影响;通过Bi PLS-SPA算法对特征波长进行提取,构建小波神经网络模型,预测柞木基本密度;将建模方法与常用的偏最小二乘(PLS)和BP神经网络进行了对比,验证小波网络的有效性。结果表明:小波神经网络对预测集样本验证结果更好,相关系数为0.968,预测均方根误差为0.014 4。 相似文献
14.
基于光场相机的大豆冠层叶面积无损测量方法研究 总被引：1，自引：0，他引：1
大豆上、中、下冠层叶面积分布是大豆植株株型状况评价、产量预测的重要依据,而传统上、中、下冠层叶面积测量方法采用大田切片法,该方法过程繁琐,且会对叶片造成伤害。针对这一问题,引入光场相机重聚焦技术分别得到聚焦在上、中、下叶片的重聚焦图像,通过图像处理技术提取聚焦平面的叶片,去掉离焦平面的叶片,分别得到上、中、下层的投影面积。选用开花期103盆宏秋品种大豆植株作为校正集,根据光场相机的标定计算各冠层叶片的校正系数,获得修正后的各冠层叶片投影面积。建立大豆植株各冠层投影面积和真实叶面积的回归模型,并选20盆作为预测集来验证各回归模型。研究发现:上层叶面积模型的决定系数为0.945,预测集的最大误差为4.48%,均方根误差为4.376;中层叶面积模型的决定系数为0.796,预测集的最大误差为13.62%,均方根误差为7.273;下层叶面积模型的决定系数为0.914,预测集的最大误差为8.63%,均方根误差为1.529。上层和下层叶面积测量模型相关性高,由于上层叶片的遮挡,中层叶面积模型相关性略低。 相似文献
15.
Diagnosis of bacterial spot of tomato using spectral signatures 总被引：2，自引：0，他引：2
Ultraviolet, visible, and near-infrared reflectance spectroscopy was used to determine the disease severity of tomato (Lycopersicon esculentum) leaves infected with Xanthomonas perforans, the causal agent of bacterial leaf spot of tomato. Chemometric methods were used to identify significant wavelengths and create spectral-based prediction models. Significant wavelengths were identified through analysis of the B-matrix from partial least squares (PLS) regression, analysis of a correlation coefficient spectrum, and through the use of a stepwise multiple linear regression (SMLR) procedure. These analysis methods revealed several significant regions wavelengths and produced predictive models of disease severity based on absorbance spectra. The best model predicted the disease severity of the validation data set with a root mean square difference (RMSD) of 4.9% and a coefficient of determination (R2) of 0.82. The results of this initial study indicate the potential for the use of spectral technology to detect bacterial leaf spot of tomato in the field. 相似文献
16.
【目的】建立一种利用近红外光谱和化学计量学检测甜玉米种子活力指数的方法，为种子批量无损筛选提供新方法。【方法】在反射和透射模式下分别收集甜玉米种子的近红外光谱，采用主成分分析和蒙特卡罗交叉验证方法对异常值进行识别与剔除；选取最合适的预处理方法和变量选择方法，建立并选取最优偏最小二乘法预测模型。【结果】对于漫反射活力指数定量分析模型，采用532份样品进行建模研究，其最佳预处理方法为多项式平滑导数（Savitzky-Golay derivative，SG）+均值中心化（Mean Center，MC），最佳变量选择方法为竞争自适应重加权抽样（Competitive adaptive reweighted sampling，CARS），其模型的性能参数校正相关系数（Rc）、交互验证相关系数（Rcv）、预测相关系数（Rp）、校正均方根误差（RMSEC）、交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.826、0.783、0.663、0.137、0.151和0.199。对于透射活力指数定量分析模型，采用415份样品进行研究，其最佳预处理方法为SG一阶导数平滑，最佳变量选择方法为相关系数法（Correlation coefficients，CC），模型的性能参数Rc、Rcv、Rp、RMSEC、RMSECV和RMSEP分别为0.783、0.680、0.728、0.121、0.142和0.133，该模型不存在过拟合现象，说明光谱采集的透射模型可能更适合测定种子活力指数。【结论】透射光谱可获得更多有关甜玉米种子活力的信息，透射模块是光谱采集预测种子活力的较好方法。 相似文献
17.
利用光谱技术对大田哈密瓜冠层叶片叶绿素含量定量估测,可为田间水肥调控以及田间管理提供理论依据。本实验在剔除噪音后的378 nm到1 115 nm光谱的基础上采用多元散射校正、标准正态变量相交、标准化、Savitzky-Golay卷积平滑法、归一化、移动平均平滑等方法对原始光谱数据进行预处理,然后采用特征区间选择与特征波长选择相结合的方法实现数据降维和简化模型,并建立偏最小二乘和极限学习机的回归模型。结果表明,多元散射校正预处理效果最佳,在此基础上,利用反向区间偏最小二乘法(BiPLS)和竞争性自适应重加权采样算法(CARS)相结合共筛选出13个特征波长,将其作为模型的输入变量,由偏最小二乘法(PLS)建立的模型效果最优,其预测集的相关系数Rp和均方根误差RMSEP分别为0.942 4与1.006 2。因此,采用BiPLS与 CARS结合PLS建立的光谱定量分析模型,可实现对哈密瓜冠层叶片叶绿素含量的定量估测。 相似文献
18.
利用可见/近红外光谱透射技术检测温州蜜柑含水率.采用微分处理(differential processing,SD)、多元散射校正(multivariate scattering correction,MSC)、标准正态变换(standard normal variate,SNV)、SG卷积平滑以及标准化等预处理方法比... 相似文献