共查询到20条相似文献，搜索用时 31 毫秒
1.
《东北林业大学学报》2016,(10)
以柞木为研究对象,以900~1 700 nm的近红外光谱仪获取木材表面近红外光谱数据,对89个柞木样本进行检测,其中58个组成校正集,31个为预测集。首先,采集样本径切面光谱数据,并利用SG平滑对光谱数据进行预处理;然后,利用反向区间偏最小二乘(Bi PLS)选出均方根误差最小的波长区间组合;再利用连续投影算法(SPA)进一步选择出波长特征;最后,以优选出的波长特征作为输入,建立偏最小二乘法回归模型,确定出木材基本密度与近红外光谱之间的联系。Bi PLS算法将光谱划分区间划分为10时,均方根误差最小,其最佳区间组合为[3 5 6 7 9],变量个数由全光谱117个降至59个;应用SPA算法二次降维,变量个数降至6个,降低变量信息的冗余,减少了变量个数,提高了建模的速度和效率。Bi PLS-SPA模型较PLS、i PLS、Bi PLS、SPA-PLS具有更高的相关系数,更小的均方根误差,柞木基本密度预测相关系数为0.925,预测均方根误差为0.010 4,相对分析误差为2.83。 相似文献
2.
CARS-SPA算法结合高光谱检测马铃薯还原糖含量 总被引：3，自引：0，他引：3
以竞争性重加权自适应选择算法(CARS)结合连续投影算法(SPA)选择马铃薯还原糖含量特征波长,共制备238个样本,比色法测定马铃薯还原糖含量,选择190个样本作校正集,48个样本作验证集,与全光谱和经典变量提取方法比较。结果表明,CARS-SPA算法筛选波段效果最佳,相比于全谱建模其参与建模波长点由203个减少到17个,模型验证集决定系数r~2由0.8464提高到0.8965,均方根误差(RMSEP)由0.0758降到0.0490。结果表明,采用CARS-SPA结合高光谱成像技术检测马铃薯还原糖含量结果可行。 相似文献
3.
不同波长选择方法在土壤有机质含量检测中对比研究 总被引：1，自引：1，他引：0
由于近红外光谱数据的多重共线性,特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象,以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明,基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中,基于SPA算法的MLR预测模型精度最优,预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4,模型参数只有6个。因此,SPA-MLR可以有效地应用近红外光谱的建模,并且简化模型的复杂度,提高模型的计算效率。 相似文献
4.
以柞木为研究对象,以900～1700 nm的近红外光谱仪获取木材表面近红外光谱数据,对89个柞木样本进行检测,其中58个组成校正集,31个为预测集。首先,采集样本径切面光谱数据,并利用SG平滑对光谱数据进行预处理;然后,利用反向区间偏最小二乘（ BiPLS）选出均方根误差最小的波长区间组合;再利用连续投影算法（ SPA）进一步选择出波长特征;最后,以优选出的波长特征作为输入,建立偏最小二乘法回归模型,确定出木材基本密度与近红外光谱之间的联系。 BiPLS算法将光谱划分区间划分为10时,均方根误差最小,其最佳区间组合为[35679],变量个数由全光谱117个降至59个;应用SPA算法二次降维,变量个数降至6个,降低变量信息的冗余,减少了变量个数,提高了建模的速度和效率。 BiPLS－SPA模型较PLS、iPLS、BiPLS、SPA－PLS具有更高的相关系数,更小的均方根误差,柞木基本密度预测相关系数为0．925,预测均方根误差为0．0104,相对分析误差为2．83。 相似文献
5.
建立可见-近红外漫反射光谱与沙棘汁品种之间的数学模型,以评价可见-近红外漫反射光谱技术快速检测沙棘汁品种。采用美国ASD公司的FieldSpec3光谱仪对三种不同品种的沙棘汁进行光谱分析,各获取30个样本的光谱数据,对原始光谱进行一阶微分和二阶微分预处理,并利用偏最小二乘法(PLS)数学校正方法对三种不同预处理的光谱数据建模。结果表明,采用二阶微分预处理数据,应用PLS方法建模较好,其校正模型相关系数为0.9992,均方根误差为0.0317;采用主成分回归(PCR)和偏最小二乘法(PLS),对沙棘汁的二阶微分数据进行分析比较,结果也表明,基于二阶微分数据,应用PLS方法建模较为理想,其预测集的相关系数为0.9988,所测预测样本的均方根误差为0.0392。近红外光谱可作为一种快速、有效的无损检测方法来识别沙棘汁的品种。 相似文献
6.
为实现羊肉新鲜度的快速、无损检测,应用高光谱成像技术对不同存储天数的羊肉建立挥发性盐基氮TVB-N(Total volatile basic nitrogen,TVB-N)含量预测模型。通过高光谱成像系统获取羊肉样本935～2 539nm的高光谱图像,选取样本左上、左下、右上、右下和中间5个位置20×20像素的方形作为感兴趣区域(Region of interesting,ROI),提取ROI并计算区域内样本平均光谱。利用二进制粒子群优化算法(Binary particle swarm optimization,BPSO)和相关系数分析法(Correlation coefficient,CC)提取羊肉TVB-N高光谱特征变量,结合偏最小二乘回归(Partial least squares regression,PLSR)和随机森林回归(Random forest regression,RFR)建模算法,分别建立表征羊肉TVB-N含量的BPSO-PLSR、BPSO-RFR、CC-PLSR、CC-RFR预测模型。依据袋外均方根误差RMSEOOB最小原则,对最佳回归子树和分裂特征2个主要参数进行寻优以提高RFR建模算法的预测精度。比较4个模型的预测效果发现,BPSO-RFR模型的预测精度最高,其校正集决定系数R_c~2和均方根误差RMSEC分别为0.87和2.99,预测集决定系数R_p~2和均方根误差RMSEP分别为0.86和3.36。综上,高光谱成像技术和机器学习算法的有机结合为快速有效检测肉品新鲜度提供了理论依据。 相似文献
7.
基于漫反射法的番石榴可溶性固形物含量（SSC）无损检测中,确定番石榴最佳光谱取样的位置和数量,对提高检测精度具有重要意义。分别采集番石榴顶端、赤道和底部区域漫反射光谱,每个区域采集4 处,以赤道1处、赤道4 处平均和全部12 处平均光谱作为各样本的光谱,建立PLS 模型并对独立预测集样本进行预测。结果显示,12 处平均光谱数据建模效果最好,其预测相关系数Rp=0.962,预测均方根误差RMSEP=0.432;赤道4 处平均光谱建模效果次之,Rp=0.793,RMSEP 为0.588;赤道1 处光谱建模效果最差,Rp=0.687,RMSEP=0.599。再经过连续投影算法（SPA）筛选全谱变量,得到23 个特征波长,此时PLS 模型的Rp=0.902,RMSEP=0.438。试验结果表明,番石榴多处平均的漫反射光谱充分携带其内在品质信息,建模效果优于单处或单区域采样光谱。 相似文献
8.
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
9.
《江西农业学报》2022,(12)
为了进一步提升近红外光谱法测定烟草绿原酸、莨菪亭、芸香苷含量的稳定性和准确性,分别采用7500～4000 cm(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm(-1)光谱波长变量+PLS。 相似文献
10.
基于高光谱和CARS-IRIV算法的‘库尔勒香梨’可溶性固形物含量检测 总被引：3，自引：0，他引：3
[目的]利用高光谱技术实现‘库尔勒香梨’可溶性固形物含量的有效无损检测具有重要意义,但是高光谱数据通常噪声明显,大量无关信息变量和冗余信息变量的存在降低了模型的预测精度。本文旨在探究对高光谱数据特征变量筛选的有效方法来实现‘库尔勒香梨’可溶性固形物含量的快速检测。[方法]以‘库尔勒香梨’可溶性固形物含量(SSC)为研究指标,利用高光谱成像技术采集样本400~1 000 nm波长的漫反射光谱,对样本感兴趣区域(ROI)的光谱进行预处理,分别采用竞争性自适应重加权算法(CARS)、迭代保留信息变量算法(IRIV)以及CARS-IRIV算法筛选特征变量,基于不同筛选方法分别建立偏最小二乘(PLS)与最小二乘支持向量机(LS-SVM)预测模型,以预测集相关系数(Rp)、预测均方根误差(RMSEP)和预测相对分析误差(RPD)值对模型进行评价。[结果]CARS-IRIV算法可以有效减少CARS算法提取的变量个数,并稳定模型预测精度。LS-SVM模型预测结果优于PLS模型,在LS-SVM模型中CARS-IRIV-LS-SVM预测精度最高,Rp、RMSEP和RPD值分别为0.889、0.300和2.823。[结论]CARS-IRIV是一种有效的高光谱特征变量筛选算法,在提高预测精度的同时简化了模型的运算,CARS-IRIV-LS-SVM模型结合高光谱成像技术可以对‘库尔勒香梨’SSC进行快速有效的无损检测。 相似文献
11.
为了进一步提升近红外光谱法测定烟草绿原酸、莨菪亭、芸香苷含量的稳定性和准确性,分别采用7500～4000 cm~(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm~(-1)光谱波长变量+PLS。 相似文献
12.
基于田间原位土壤含水量估测的可见/近红外光谱建模方法 总被引：1，自引：0，他引：1
为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。 相似文献
13.
《云南农业大学学报(自然科学版)》2019,(6)
【目的】建立基于近红外光谱分析技术的初烤烟叶新植二烯含量快速测定方法并对定量测定模型的准确性和稳定性进行评价。【方法】采用近红外技术结合光谱预处理(多元散射校正+二阶求导+Norris平滑)、异常样本的剔除(模群迭代奇异样本诊断)、基于竞争自适应重加权(CARS)算法的波长优选、基于交互验证均方根误差的建模波长变量优选建立了初烤烟叶新植二烯含量近红外PLS校正模型,并从模型内部参数(校正模型的决定系数、交互验证均方根误差、校正误差均方根)和外部验证集的预测误差均方根及其配对t检验结果对模型的稳定性和准确性进行评价。【结果】(1)被优选出来建立校正模型的主要波长范围为:2 464.58～2 450.60 nm、1 962.7～1 959.74 nm、1 767.37～1 763.76 nm、1 687.98～1 681.41 nm、1 425.36～1 419.90 nm、1 412.93～1 409.86 nm、1 180.66～1 177.98 nm、1 174.78～1 173.18 nm、1 168.95～1 167.37 nm和1 156.44～1 154.38 nm;(2)初烤烟叶新植二烯近红外校正模型的决定系数为0.882 7,最优主成分数为5,校正标准误差为18.602μg/g,交互验证均方根误差为18.488μg/g,预测范围为166.21～398.24μg/g;外部验证集的预测误差均方根为20.995,外部验证集样品(n=20)预测值和实测值在α=0.05显著水平下配对t检验结果表明不存在显著差异。【结论】研究建立的初烤烟叶新植二烯含量近红外校正模型具有较好的稳定性和预测准确性。该方法能快速准确测定初烤烟叶新植二烯,具有较好的实用价值。 相似文献
14.
[目的]为探讨鸡蛋污染过程中微生物总量无损预测的可行性,本文研究了一种基于近红外高光谱成像技术可视化鸡蛋中菌落总数的无损预测方法。[方法]将鸡蛋样本在接种大肠杆菌和铜绿假单胞菌的混合菌悬液后储存,采集并统计不同污染程度鸡蛋样本的原始高光谱信息和菌落总数信息;在完成最佳预处理方法筛选后,结合连续投影算法(SPA)分别建立了基于全波段和特征波段光谱信息下的偏最小二乘法(PLS)和支持向量机(SVM)菌落总数预测模型;优选出相对最佳预测模型后进一步实现对鸡蛋内部污染程度的可视化研究。[结果]二阶导数预处理效果相对最佳,其中交叉验证集相关系数R_(CV)为0.88,交叉验证集均方根误差为0.82 lg(CFU·g~(-1));鸡蛋中菌落总数的相对最佳预测模型为基于特征波段下SVM模型,其中建模集相关系数R_C为0.88,预测集相关系数R_P为0.84,建模集和预测集均方根误差分别为0.86和0.97 lg(CFU·g~(-1));根据鸡蛋内部污染程度及光谱特性的差异,建立了鸡蛋内部污染程度伪彩色图像。[结论]近红外高光谱成像技术结合化学计量学及图像处理方法,可实现对鸡蛋内部菌落总数的无损预测及污染程度的可视化,该技术可以为鸡蛋的安全性在线检测提供参考。 相似文献
15.
为探索近红外漫反射光谱技术快速无损检测草莓酸度的新方法,共采集了100颗草莓漫反射近红外光谱数据(波长范围1 000～1 800 nm).通过采用标准正交变换(SNV)对原始光谱进行预处理后,将全光谱分为10个子区间,通过样本交互验证法优化每个子区间的最佳主成分数并计算区间对应的交互验证均方根误差(RMSECV),得到第4个子区间(共 80个特征波长)对应的预测均方根误差最小.采用遗传算法对第4子区间内的波数点进一步优选出1 483,1 482,1 485,1 460 nm 4个波数点,用这4个波长的光谱信息建立的草莓近红外酸度模型预测集相关系数为 0.937 5,预测集均方根误差为 0.072.结果表明:间隔偏最小二乘法结合遗传算法能筛选出最优波长并能减少建模所用变量,提高检测精度,保证模型的稳健性. 相似文献
16.
利用果实化学成分含量与光谱的非线性模型,实现果实化学成分含量的快速无损鉴定,成为林业研究的热点之一。果实在生长发育过程中,化学成分的含量随时间的递增而不断增加,常规方法不能较好拟合和预测果实化学成分含量的变化。本研究提出一种基于时间梯度的神经网络方法(TSNN),以6个时间梯度山核桃果实蛋白质和脂肪含量的光谱和实测数据为研究对象,分别与偏最小二乘法(PLS)和人工神经网络(PLS-ANN)方法比较,检验TSNN方法的建模和预测效果。结果表明:TSNN方法对蛋白质含量的预测,均方根误差分别比PLS和PLS-ANN方法降低了18.82%和7.39%;TSNN方法对脂肪含量的预测,均方根误差分别比PLS和PLS-ANN方法降低了39.95%和35.02%。TSNN方法的校正相关系数平方(R_c~2)和预测相关系数平方(R_p~2)比PLS和PLS-ANN均有提升。因此,TSNN方法是一种比较准确实用的定量分析方法。 相似文献
17.
基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测 总被引：1，自引：0，他引：1
为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。 相似文献
18.
一种便携式苹果糖度无损检测仪的研制 总被引：1，自引：0，他引：1
糖度是判断苹果质量好坏的一个重要参考标准,针对苹果糖度的检测问题,设计了一种以Cortex-A9为内核、以自研发的可见-近红外光谱仪(波长范围400~1 000 nm)作为光谱检测装置、以Linux为操作系统的便携式苹果糖度无损检测仪。以山东烟台的100个红富士苹果为材料,采集了漫透射检测方式下基于自收发光机构的苹果漫透射光谱曲线,结合化学计量学方法,对样本的全光谱曲线使用了平均法和Savitzky-Golay卷积平滑光谱预处理方法,将预处理后的光谱数据按波峰位置划分区间,并分别按照全光谱范围和所划分区间的波段范围建立PLS模型来预测苹果的糖度含量。结果表明,经预处理后的全光谱数据所建立的PLS模型预测效果最好,优于按波峰划分区间所建立的PLS模型,其校正相关系数为0.96、预测相关系数为0.87,校正均方根误差为0.31、预测均方根误差为0.34。同时对仪器工作时的预测稳定性进行了测试,测试结果得出检测精度可控制在±0.2 Brix以内,模型预测精度满足现场快速检测应用要求。 相似文献
19.
《江西农业大学学报》2015,(4)
为研究激光诱导击穿光谱检测水果中重金属元素的应用,将激光诱导击穿光谱技术和化学计量学相结合分析脐橙中铜元素的含量。通过偏最小二乘法(PLS)、区间偏最小二乘法(i PLS)、联合区间偏最小二乘法(siPLS)优化建模区域,建立了经过标准正态变换(SNV)校正后光谱的铜含量分析模型。实验结果表明,后两种改进的偏最小二乘法建立的预测效果模型明显优于全波长(320~340 nm)PLS模型,并且当采用si PLS将光谱划分为25个子区间划分,选择其中5、14、16、22四个子区间时建立的si PLS模型效果最佳,其校正集相关系数r和交互验证误差(RMSEC)分别为0.988 3和5.61μg/g,预测集相关系数r和预测均方根误差(RMSEP)分别为0.979 2和8.62μg/g。研究为进一步实现水果中痕量重金属元素的快速定量分析提供了方法和数据参考。 相似文献
20.
研究利用近红外光谱分析技术定量测定茶叶中咖啡碱的含量,目的是通过变量筛选简化模型并提高预测精度.试验中以135个来自大闽食品公司的茶叶作为研究对象,利用基于小波系数蒙特卡罗无信息变量消除法(WT-MC-UVE)进行变量筛选并结合偏最小二乘法(PLS)建立咖啡碱定量分析模型,选择交互验证均方根误差(RMSECV)和预测集均方根误差(RMSEP)以及预测相关系数(Rp)作为模型的评价指标.应用 WT-MC-UVE筛选的90个变量所建立的模型,交互验证均方根误差,预测卷均方根误差,预测相关系数分别为0.1248、0.1611和0.9574.结果表明,该方法有效可行. 相似文献