共查询到18条相似文献，搜索用时 265 毫秒
1.
为了建立进口材气干密度近红外光谱校正模型，实现对进口材气干密度的快速预测，以进口阔叶材桃花心木和针叶材辐射松两种木材为研究对象，测定其气干密度真值结合近红外光谱技术，采用偏最小二乘法（PLS）在全波段（350～2 500 nm）建立两个材种的气干密度相应的校正模型，并采用外部验证，最终建立两种木材的气干密度的预测模型。结果表明：桃花心木木材的气干密度范围为0.433～0.840 g·cm-3，辐射松的为0.260～0.600 g·cm-3；不同方法建立的桃花心木木材气干密度近红外光谱校正模型相关参数均好于辐射松的；校正模型的外部验证表明，桃花心木木材气干密度预测模型精度较高，相关系数达到0.90，而辐射松木材气干密度预测模型相关系数为0.75。总之，进口阔叶材桃花心木木材的平均气干密度比针叶材辐射松的大。相较于针叶材辐射松，建立的阔叶材桃花心木木材气干密度预测模型更能较精准的预测其密度真值。 相似文献
2.
以晚熟脐橙为试材,采用近红外光谱技术与常规检测分析相结合的方法,对比和评价了基于果面和果汁光
谱信息的脐橙可溶性固形物(TSS)含量预测模型精度,并筛选了可溶性固形物预测特征光谱.通过对果面和果汁原
始光谱的多元散射校正(MSC)预处理,利用偏最小二乘法(PLS)分别建立了TSS预测模型,其中,当果面光谱主因
子为5时,其对于可溶性固形物预测相关系数为最大(R=0.8367)、预测均方根误差(RMSEP)为最小(RMSEP=
0.4903);而当果汁光谱主因子为8时,其对果汁可溶性固形物的预测相关系数为最大(R=0.9058)、预测均方根
误差为最小(RMSEP=0.5236).采用联合区间偏最小二乘法(siPLS)对果面和果汁光谱特征波段组合进行筛选,
获得果面光谱建模特征波段组合为1000~1107,1750~1857,2071~2177和2178~2284nm,建立的校正集和
预测集模型相关系数分别为0.9462和0.9020,RMSECV为0.3596,RMSEP为0.4309;获得用于果汁光谱建模
的特征波段组合为1000~1125,1251~1375,1376~1500和1626~1750nm,校正和预测模型相关系数分别为
0.9894和0.9596,RMSECV为0.1631,RMSEP为0.3128.结果表明:试验所筛选出的果面和果汁近红外光谱
特征波段组合建立的校正模型,均可用于晚熟脐橙TSS含量的无损检测,果汁光谱对于甜橙果实固形物含量预测
精度高于果面光谱,近红外光谱技术用于橙汁固形物检测是可行的. 相似文献
3.
4.
[目的]探索掺果葡糖浆蜂蜜的快速检测方法。[方法]在对广泛收集的纯净蜂蜜样品主要理化指标检测分析的基础上,建立了蜂蜜中水分、还原糖、蔗糖和淀粉酶值近红外光谱检测模型,并利用所建模型对添加不同比例果葡糖浆的蜂蜜进行检测,验证利用近红外光谱技术检测蜂蜜掺果葡糖浆的预测效果。[结果]蜂蜜中水分、还原糖、蔗糖、淀粉酶值、酸度、羟甲基糠醛的变异系数均较小,基于淀粉酶值所建的蜂蜜近红外光谱检测模型的预测效果最好,预测均方根误差小,可用于对蜂蜜是否掺果葡糖浆进行鉴别。[结论]基于淀粉酶值所建的蜂蜜近红外光谱检测模型可快速检测蜂蜜是否掺果葡糖浆。 相似文献
5.
【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区（重庆）主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法（partial least square method, PLS）及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化（standard normal variables,SNV）为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法（PLS）及内部交叉验证法建立的土壤Fe、Mn、Zn含量校正模型,95%置信区间内的预测精度分别为92.65%、95.59%和95.59%。【结论】利用近红外反射光谱技术进行土壤Fe、Mn、Zn含量检测可行且精度较高。 相似文献
6.
7.
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
8.
脐橙糖度近红外光谱在线检测的建模变量优选 总被引：1，自引：0，他引：1
【目的】采用小波压缩结合遗传算法,优选脐橙糖度近红外光谱在线检测的建模变量,提高在线检测精度。【方法】利用近红外光谱检测装置采集脐橙样品的光谱,并将其转换为反射比光谱,在700.28～933.79 nm波段,利用小波变换将一阶微分处理后的近红外反射比光谱变量压缩成小波系数变量。经遗传算法优选后,建立偏最小二乘法（PLS）模型,并对该模型的预测结果进行评价。【结果】利用小波压缩结合遗传算法优选变量建立的脐橙糖度PLS模型,预测效果最优,模型的相关系数为0.759,模型预测均方根误差为0.468 °Brix。【结论】采用小波压缩结合遗传算法对变量进行优选,可提高脐橙糖度近红外光谱在线检测的精度。 相似文献
9.
10.
为快速测定花生油过氧化值和酸值,保证食用油质量安全,构建了花生油过氧化值和酸值的近红外定量分析模型。采集32份花生油近红外光谱,并按标准方法进行过氧化值和酸值测定。经优化,过氧化值的最佳光谱预处理方法为"一阶导数+矢量归一化",过氧化值谱区范围为6 094.3~7 506.0 cm-1,维数为6,模型的决定系数(R2)为91.93,交叉验证根均方差(RMSECV)为1.23;酸值最佳光谱预处理方法为"矢量归一化",酸值谱区范围为6 094.3~7 506.0 cm-1,维数为7,模型R2为93.88,RMSECV为0.074。综上所述,所建模型可以快速准确地预测花生油的过氧化值和酸值。 相似文献
11.
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
12.
近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。 相似文献
13.
毛竹、杉木木质素的近红外光谱法快速分析 总被引：3，自引：0，他引：3
该文用近红外光谱法对毛竹和杉木的木质素含量进行了快速测定.首先依据常规湿化学方法测定了54个毛竹和48个杉木样品的木质素含量,用近红外光谱仪采集相应的光谱,对原始光谱进行平滑预处理和二阶微分处理后,用偏最小二乘法和完全交互验证方式建立了相应的校正模型和预测模型.结果表明,毛竹和杉木木质素含量预测模型的相关系数R分别为0·97和0·90;预测标准误差SEP分别为0·65和0·28·将毛竹和杉木样品混合,建立的混合分析模型,R为0·98,SEP为0·83·结果表明,近红外光谱法可以快速预测杉木和毛竹中的木质素含量. 相似文献
14.
温度变化对酚醛胶在竹材表面动态润湿性的影响 总被引：1，自引：0，他引：1
为了探讨温度变化对酚醛胶在竹材表面润湿性的影响,该文采用测量动态接触角方法,用润湿模型分析了酚醛胶在20、60、80和100℃环境下,对层积材用竹片青、黄表面的润湿性和铺张渗透系数k值的影响. 结果表明:酚醛胶在竹青和竹黄表面的润湿性差异不显著;随着温度的升高,接触角(起始和平衡接触角)增大,k值减小,竹材表面的润湿性、铺张和渗透性变差;但温度变化对竹青和竹黄表面k值影响的规律不同;随着温度的升高,竹材表面的酚醛胶会出现收缩、干瘪现象,温度越高,出现干瘪、收缩时间越短. 相似文献
15.
[目的]获得精度高、鲁棒性强的玉米近红外光谱淀粉组分检测模型。[方法]用一阶导数和Savitzky．Golay平滑对玉米1300～2298nlTl近红外光谱进行预处理,而后分别以RS（random sampling）、KS（Kennard Stone）、Duplex、SPXY（sample set partitioning based on joint x-y distance）方法选取最佳校正集样本集合,最后分别用PLS（Partial Least Squares）、iPLS（intervalPLS）和siPLS（synergy interval PLS）方法建立校正模型。[结果]采用sPXY方法选取有代表性的校正集合样本,以siPLS方法所建立的近红外光谱玉米淀粉组分校正模型最优,校正样本集合中r为0．9917,RMSECV为n1073,预测样本集合中r达到了0．9944,RMSEP为0．0814。[结论]SPXY-siPLS方法建立的近红外光谱玉米淀粉组分校正模型,不但可以减小参与建模的数据规模．而且缩短了运算时间．预测能力和精度也均得到提高。 相似文献
16.
采用近红外光谱法对粗皮桉木材中化学成分质量分数进行快速预测。用常规湿化学方法测定了粗皮桉木材样品的化学成分质量分数,结合近红外光谱仪采集相应的光谱,对原始光谱进行二阶导数预处理后,用偏最小二乘法建立相应的模型并对其进行外部验证。结果表明:粗皮桉木材综纤维素校正模型的相关系数为0.96,预测模型的相关系数为0.92,RPD为2.30。木质素校正模型的相关系数为0.91,预测模型相关系数为0.88,RPD为2.11。利用近红外光谱分析方法可以快速预测粗皮桉木材中综纤维素和木质素质量分数。 相似文献
17.
采用独立分量分析(ICA)方法,对玉米样品的近红外光谱进行分解,得到统计上独立的各成分光谱;然后用多元回归方法建立基于ICA成分的玉米粗蛋白质、粗淀粉和粗脂肪含量的定量分析模型,3种成分建模集和预测集的化学值和近红外预测值之间的相关系数都较高,且平均相对误差都较低。结果表明,ICA方法建立的玉米样品3个主要成分的近红外模型预测准确度都较高,可应用于玉米育种中大批样品的快速品质分析。 相似文献
18.
将膨胀烟丝与某品牌正常生产切丝后烟丝,分别按计算好的不同比例混合均匀后,应用傅立叶变换近红外光谱技术采集混合烟丝的近红外光谱,采用偏最小二乘法(PLS)建立预测膨胀烟丝与片烟烟丝掺配比例值的近红外模型,其相关系数是0.993 0,并进行了准确性和精密度试验。试验表明,FT-NIR光谱法可以很好地应用于膨胀烟丝与片烟烟丝掺配比例的快速检测,以监控制丝过程中膨胀烟丝与片烟烟丝的掺配均匀性。 相似文献