共查询到19条相似文献，搜索用时 203 毫秒
1.
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
2.
小波分析用于土壤速效钾含量高光谱估测研究 总被引：7，自引：0，他引：7
【目的】对土壤高光谱数据去噪提纯,提高土壤速效钾含量高光谱估测模型的精度和实用性。【方法】选取土壤有机质、碱解氮、有效磷含量近似而速效钾含量差异较大的样本76个,对土壤样本反射率对数的一阶导数光谱分别基于4种函数进行多层小波离散分解;提取小波低频系数,构建土壤速效钾含量高光谱估测模型。【结果】小波分解1-3层获得的低频系数可用以代表原始光谱。基于各小波函数相同尺度的低频系数,土壤速效钾含量估测建模精度差异不大。其中基于Bior 1.3函数分解的第2层低频系数建模精度略高,作为最佳估测模型,在数据压缩到25%、反映输入光谱信息95.6%的基础上,建模R2达到0.976,RMSE为10.66 mg•kg-1,经验证模型具有较好的预测准确度。【结论】通过小波分析获得小波系数,既提取了土壤高光谱信息,又对数据进行了压缩,结合偏最小二乘回归预测土壤速效钾含量是可行的。 相似文献
3.
该文对近红外光谱技术结合化学计量学分析方法快速预测毛竹材气干密度的可行性进行了研究,重点探讨不同采谱方式对所建模型预测精度的影响.为了便于对比,建模过程中光谱数据未经过任何预处理.结果表明,采谱方式影响着模型的预测精度.从竹材横切面采谱所建模型的预测精度最高,内表面（靠近竹黄面）居中,外表面（靠近竹青面）最差.但如果对竹材内外表面的光谱求平均后建模,则可以显著提高模型的预测精度.随后选择最优模型对随机抽取、未参与建模的30个未知样品的密度进行了预测,预测值与测量值的 相关性高,表明近红外光谱技术可以快速、准确地预测竹材的气干密度. 相似文献
4.
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
5.
6.
7.
[目的]采用近红外漫反射光谱法对41种大黄进行图谱扫描,为大黄的生药鉴定提供一种新方法。[方法]采用小波变换技术对近红外光谱进行压缩,减少训练时间,再采用近红外光谱法结合聚类分析方法对不同产地的大黄药材进行鉴别。[结果]NIR光谱经小波变换压缩后,将光谱变量从700减少到44个,用小波压缩的NIR光谱输入到聚类树鉴别模型,通过聚类分析的方法,对大黄正伪品进行了分类,识别正确率达到82.93%。[结论]近红外漫反射光谱法是一种快速、简便的鉴别分析技术,可用于大黄中药的质量控制。 相似文献
8.
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
9.
基于BP神经网络的木材近红外光谱树种识别 总被引：2，自引：0，他引：2
《东北林业大学学报》2015,(12)
利用木材近红外光谱数据建立反向传播(BP)神经网络模型,实现对木材树种的分类识别。以桉木、杨树、落叶松、马尾松、樟子松5个树种的296个样本的近红外光谱数据为研究对象,运用主成分分析对光谱数据进行降维,并以处理后的主成分数据作为分类模型的输入变量,分别建立了不同属的桉树和杨树以及同属的落叶松和樟子松的BP神经网络二分类模型;建立了桉木、杨树、落叶松、马尾松、樟子松5个树种的BP神经网络识别模型,并利用遗传算法和粒子群算法对5树种分类模型进行优化。结果显示,对于不同属木材,BP神经网络模型树种识别率可达100%,对于同属木材树种识别率也可达85%以上;对所建立的5树种识别模型,BP神经网络树种识别率有所下降,但正确识别率也均可达到75%以上,经过遗传算法和粒子群算法对模型的优化,木材树种平均识别率可分别达到84%和87%以上,表明遗传算法和粒子群算法可以有效提高木材树种识别率。 相似文献
10.
[目的]研究结合WT预处理的近红外光谱PLS算法模型预测鲜枣糖度的方法。[方法]用S-G、MSC、FD、SD、WT和WT＋MSC 6种预处理法,SMLR、PCR和PLS 3种算法模型,对60个鲜枣样品的近红外光谱数据进行预处理、糖度预测和建模精度分析,建立最佳算法的数学模型。[结果]在鲜枣糖度近红外光谱预处理阶段引进小波变换方法去除导数光谱噪声,得到了很好的去噪效果。不同的小波函数、分解尺度使消噪的结果有所不同。与常见的光谱预处理法相比,在选用db4-3小波函数、默认阈值情况下,采用WT＋MSC预处理及建模算法为PLS时所建立的模型最好,其相关系数R为0.919 02,校正集标准差RMSEC为0.863,预测集标准差RMSEP为1.71。[结论]结合小波变换预处理的PLS算法模型可有效预测鲜枣糖度,改善模型的预测精度。 相似文献
11.
12.
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
13.
【目的】探索近红外光谱分析技术在甘蓝型油菜茎秆纤维组分含量及木质素单体G/S测定中应用的可能性。【方法】采集近红外光谱,根据马氏距离GH（Global H）筛选出103份纤维组分含量材料和75份木质素单体G/S材料作为定标样品,采用Van Soest法和GC-MS法对茎秆纤维组分含量和木质素单体比例进行测定,统计结果表明定标样品化学测定值变异范围较大,3次重复差异较小,可用于近红外模型构建。运用不同光谱预处理方法和化学计量学方法建立校正模型,对比各模型性能参数,筛选出最优定标模型并用检验集对模型进行验证。【结果】采用修正偏最小二乘法（MPLS）建立模型最佳。中性洗涤纤维（neutral detergent fiber,NDF）、酸性洗涤纤维（acid detergent fiber,ADF）、酸性洗涤木质素（acid detergent lignin,ADL）与木质素单体G/S的交叉验证相关系数（1-VR）分别为0.864、0.861、0.872和0.920,定标相关系数（RSQ）分别为0.892、0.891、0.907和0.953。用检验集对模型进行验证,NDF、ADF、ADL及木质素单体G/S模型的外部检验相关系数（RSQ）分别为0.837、0.818、0.870和0.935,其预测标准差（SEP）为0.680、0.636、0.348和0.054。【结论】试验所建模型质量较好,能快速测量茎秆纤维组分含量和木质素单体G/S,可为油菜抗病抗倒伏育种研究提供技术支持。 相似文献
14.
基于近红外技术的落叶松木材密度预测模型 总被引：2，自引：0，他引：2
运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。 相似文献
15.
[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。 相似文献
16.
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
17.
基于小波变换的原理,分别利用阈值滤波、小波包、小波收缩3种常用的去噪方法,对砂糖橘样品的可见/近红外光谱信号进行去噪处理,探讨每种去噪方法的最优参数组合(小波函数、分解尺度、阈值)的同时选择最适去噪方法,并通过偏最小二乘法(PLS)对去噪后的重构光谱和砂糖橘果形指数建模。结果表明,小波包去噪有利于消除导数光谱中的噪声,提高建模精度,其最优参数组合为默认阈值条件下,小波函数Bior1.3、2尺度分解,去噪后的砂糖橘果形指数光谱建立的PLS模型的预测集R为0.9632,RMSEP为0.0779。 相似文献
18.
根据朗伯—比尔定律所建立的近红外光谱数据相思树综纤维素含量的预测模型公式,采用Java语言开发了利用近红外光谱数据来预测木材化学成分含量的web版软件V1.0。首先对近红外光谱数据进行预处理和分组,然后使用拟合方法建立了许多非线性子模型,列出每个吸光值及其所对应的子模型当中的系数参数,采用Java5.0语言将以上数据和模型公式编译成软件。该软件使用方便,操作简单,预测结果准确度高(如综纤维素测量值与预测值之间的相关系数为0.935 2),为木材纸浆性能分析提供了可靠的依据和可操作的方法,并有望用于其他树种的化学成分预测。 相似文献
19.
为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用相关成分分析法对大米直链淀粉的近红外光谱进行分析。结果表明:采用相关成分分析法进行波长选择后,建模波长点数减少为波长选择前的22%,模型预测值与标准值的相关系数R由0.921 2提高到0.973 0,交叉验证标准差(SECV)由3.404 3减小为1.977 4,预测标准差(SEP)由4.810 0减小为1.900 0,模型的预测能力得到显著提高。 相似文献