共查询到20条相似文献，搜索用时 31 毫秒
1.
洋梨硬度的便携式可见/近红外漫透射检测技术 总被引：2，自引：0，他引：2
采用便携式可见/近红外检测仪快速检测阿巴特、康佛伦斯和五九香梨硬度.采集洋梨漫透射光谱(500～1 010 nm),经二阶导数和卷积平滑处理后,分别建立偏最小二乘法和多元线性回归模型.相关系数法和遗传算法用于选择偏最小二乘法建模变量,预测均方差分别为7.780 N和8.080 N,相对预测误差分别为26.24%和29.71%.多元线性回归模型使用7个变量,预测均方差和相对预测误差分别为7.740 N和26.10%.结果表明:建立多品种洋梨硬度全局模型是可行的,便携式仪器可用于洋梨硬度现场检测. 相似文献
2.
近红外漫反射检测梨可溶性固形物SSC和硬度的研究 总被引：1，自引：0，他引：1
采用近红外漫反射光谱检测梨可溶性固形物(SSC)和硬度.采集梨的近红外漫反射光谱,光谱经梨的吸光度原始光谱、一阶微分和二阶微分预处理,分别采用多元线性回归、主成分回归和偏最小二乘法,建立了梨可溶性固形物(SSC)和硬度的定量预测数学模型.结果表明采用一阶微分结合偏最小二乘法的预测效果最好,可溶性固形物(SSC)和硬度定量数学校正模型的相关系数分别为0.9285和0.8478,均方根误差分别为0.4364°Birx和1.227.近红外漫反射光谱作为一种无损的检测方法用于评价梨可溶性同形物(SSC)和硬度是可行的. 相似文献
3.
生菜叶片含水率光谱特征模型研究 总被引：4，自引：0，他引：4
利用便携式光谱分析仪测量生菜叶片的光谱反射率,并对其进行对数变换.通过变量筛选得到725、1 075、1 272、1 450、1 640和1 958 nm波长处的光谱反射率与生菜干基含水率呈极显著相关.为克服多重共线性影响,分别采用多元线性回归分析、主成分回归分析、偏最小二乘回归分析及偏最小二乘-人工神经网络回归分析4种方法建立了叶片干基含水率的定量分析模型.结果表明4种算法预测值与实测值相关系数分别为0.485 0、0.899 2、0.917 4和0.947 0,偏最小二乘-人工神经网络模型的预测能力优于其他模型. 相似文献
4.
为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。 相似文献
5.
6.
鸡粪工厂化堆肥过程中有机质含量预测模型 总被引：4，自引：1，他引：4
以148份肉鸡粪和菊花渣工厂化高温堆肥过程样品为研究对象,分别探讨了基于基本理化指标和近红外光谱预测鸡粪堆肥过程中有机质含量的可行性.根据样品中干物质含量、pH值和电导率3种理化指标与有机质含量的相关关系建立了基于理化指标预测有机质含量的一元和二元线性回归模型.结果表明,利用干物质含量预测有机质含量简便、易行且最具实际应用价值(R~2=0.81, P<0.001).采用多元线性回归、主成分回归和偏最小二乘回归3种定量分析方法分别建立了鸡粪堆肥过程有机质含量的近红外预测模型.其中,主成分回归和偏最小二乘定量分析方法所得预测模型的验证决定系数(r~2)均为0.95,验证相对分析误差(RPD)均大于4.0,所建模型的预测精度较高,可用于实际检测工作. 相似文献
7.
8.
LS-SVM和BP-ANN在草莓糖度NIR检测中的应用 总被引：1，自引：1，他引：0
为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000～9 000 cm-1.结果表明,所建立的最小二乘-支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279％和0.272％,剩余预测偏差为3.23,与以往研究文献相比,获得了较为理想的预测精度和稳定性能. 相似文献
9.
基于支持向量机的有机肥总养分含量NIRS分析 总被引：2，自引：1，他引：1
以我国22个省市的120份畜禽粪便为原料的有机肥产品样品为研究对象,利用近红外漫反射光谱法与支持向量机相结合建立了有机肥产品中总养分含量的快速测定模型,并与偏最小二乘法所建模型作了比较.利用偏最小二乘回归法所建立的基于原始样品和干燥粉碎样品的总养分含量近红外模型验证决定系数R_v~2、预测标准差SEP和验证相对分析误差RPD分别为0.96、7.95 g/kg、2.47和0.93、8.02 g/kg、3.58.利用支持向量机回归法所建立的干燥粉碎样品中总养分含量的近红外模型验证决定系数R_v~2、预测标准差SEP和验证相对分析误差RPD分别为0.93、7.38 g/kg和3.88.结果表明,近红外漫反射光谱法可以快速测定畜禽粪便为原料的有机肥产品中总养分含量,与偏最小二乘法相比,支持向量机所建模型具有更高的预测精度. 相似文献
10.
PLS在提取需水量预测影响因素中的应用 总被引：1，自引：0，他引：1
需水预测模型的输入变量直接影响了需水预测模型精度的高低。为了找出影响需水量的主要因素,选择偏最小二乘回归模型,建立了需水量的影响因素与需水量之间的相关关系模型。偏最小二乘法是多元线性回归、典型相关分析和主成分分析的集成与发展。偏最小二乘法提取的成分既能够很好的概括自变量系统中的信息,又能最好的解释因变量。通过计算影响因素与需水量之间的回归系数等信息,得出了影响需水量的主要成分,确定了需水预测模型的输入项。 相似文献
11.
为增强模型的适应性,选取了3个不同成熟期(绿熟、半红熟和红熟)的李果实样品建立坚实度指标的近红外检测模型,建模所使用的光谱范围为4 000~12 492cm-1。为改善模型性能,比较了最小二乘支持向量机和偏最小二乘法两种建模算法对李果实坚实度指标的建模结果。研究结果表明,所建立的最小二乘-支持向量机模型的预测性能和稳定性均好于偏最小二乘模型,并以前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型为最佳模型,其校正相关系数、校正和预测均方根误差分别为0.989及1.31、1.84kg/cm2,剩余预测偏差为4.79。与以往研究文献相比,获得了较为理想的预测精度和稳定性能。研究结果表明,最小二乘支持向量机算法结合偏最小二乘法提取的潜在变量作为输入变量,可以使李果实坚实度近红外定量模型有较大程度的改善。 相似文献
12.
葡萄酒发酵过程主要参数近红外光谱分析 总被引：2，自引：0，他引：2
用近红外光谱结合化学计量学方法对葡萄酒酒精发酵中葡萄糖、果糖、乙醇和甘油4个指标进行了定量分析,化学指标的测定采用高效液相色谱法.通过对近红外数据进行筛选、变量标准化等预处理,比较了主成分回归和偏最小二乘回归定量分析的模型质量,以决定系数、校正均方根误差、预测均方根误差为模型质量的评价指标.通过比较发现,对于葡萄糖和果糖,主成分回归与偏最小二乘回归的预测精度相当;对于乙醇,主成分回归预测结果较优;对于甘油,偏最小二乘回归的预测结果要优于主成分回归.主成分回归所采用的成分数要多于偏最小二乘回归,但二者都可以用于上述4种成分的定量分析,其预测精度也相近. 相似文献
13.
偏最小二乘法能有效解决多元回归分析中变量的多重共线性问题.选用牛体重、体高两个参数做自变量估测牛的胸围和腹围,应用所建立的线性模型对184头西门塔尔牛的数据进行误差分析,腹围平均相对误差为3.742%,胸围平均相对误差为4.385%.证明所得偏最小二乘回归模型具有较好的精度,模型能应用到种牛的选育过程中,具有较强的实用性. 相似文献
14.
绿茶杀青叶料含水率可见-近红外光谱检测 总被引：3，自引：0，他引：3
为实现绿茶杀青叶料含水率的快速无损检测,基于可见-近红外光谱分析建立含水率的预测模型。使用FieldSpec 3型便携式地物光谱仪,采集192个杀青叶料样品的漫反射光谱信息,基于X-Y共生距离的样本划分算法SPXY,确定144个样本的校正集和48个样本的预测集。进行一阶微分和移动平滑滤波预处理后,采用相关系数法优选出11个特征波段,建立了含水率检测的偏最小二乘回归、主成分回归、人工神经网络及其组合的模型。结果表明,选用5个主成分的偏最小二乘回归模型最佳,其校正和预测模型的相关系数分别为0.990和0.819,均方根误差分别为0.011和0.037,预测含水率的平均相对误差为3.30%。 相似文献
15.
基于GSA的厌氧发酵原料碳氮比NIRS快速检测 总被引：1，自引：0，他引：1
在以预处理后玉米秸秆、秸秆粪便混合物为原料进行厌氧发酵生产沼气时,为了对厌氧发酵原料碳氮比进行快速检测,将近红外光谱(NIRS)与偏最小二乘(PLS)回归相结合构建快速检测模型,并基于遗传模拟退火算法(GSA)构建遗传模拟退火区间偏最小二乘算法(GSA-iPLS)和双重遗传模拟退火偏最小二乘算法(DGSA-PLS)分别用于特征谱区优选和特征波长点优选,以提高回归模型的检测精度和效率。全谱1844个波长点经GSA-iPLS进行谱区优选后,得到641个波长变量,再经DGSA-PLS进行特征波长点优选后,得到628个波长变量。DGSA-PLS回归模型验证集的决定系数(R2p)为0.920,预测均方根误差为7.178,相对分析误差为3.805。与全谱建模相比,DGSA-PLS模型的RMSEP减小了15.87%。通过波长优选,参与建模的波长点数量显著减少,有效降低了变量维度和模型复杂度,提升了预测精度和预测能力。本文通过优选碳氮比的敏感波长变量,有效提高了预测模型的鲁棒性,为直接、快速、准确测量厌氧发酵原料的碳氮比提供了新途径。 相似文献
16.
苹果内部品质的CT成像结合傅里叶变换方法检测 总被引：1，自引：0，他引：1
通过对苹果的CT扫描灰度图像进行傅里叶变换,在变换后的频域图像中提取16个参数,并结合苹果的可溶性固形物质量分数、可滴定酸度、pH值和含水率,采用主成分回归和偏最小二乘回归的方法建立模型,预测苹果的内部品质。结果表明,采用主成分回归分析建立模型,主成分的累计贡献率选取99%的情况下,F检验的P均小于0.05,预测效果良好。采用偏最小二乘回归时潜变量的个数为12时,各模型的误差平方和最小,预测效果良好。对两个模型进行误差率验证表明主成分回归的模型略优于偏最小二乘回归模型。 相似文献
17.
基于近红外傅里叶特征提取方法的土壤含水率检测 总被引：1，自引：1，他引：1
以湖北地区的3种土壤为研究对象,利用偏最小二乘法建立了处理后样品的土壤含水率分析模型,模型预测值与标准值的决定系数为0.995,交叉验证预测均方差为0.801%,模型预测决定系数为0.992,预测均方差为0.912%,利用该模型预测黄土高原地区黄绵土含水率误差均大于4%.利用近红外光谱傅里叶变换特征提取方法对湖北地区黄棕壤、稻田土和潮土建立土壤含水率PLS预测模型,模型决定系数为0.988,交叉验证预测均方差为1.106%,且该模型预测黄绵土的误差均在2%左右,精度较传统模型有较大提高. 相似文献
18.
19.
芝麻油掺伪的近红外透射光谱检测技术 总被引：2，自引：0，他引：2
采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。 相似文献
20.