共查询到14条相似文献，搜索用时 109 毫秒
1.
大米蛋白质含量近红外光谱检测模型研究 总被引：3，自引：4，他引：3
探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。 相似文献
2.
对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。 相似文献
3.
为探索一种有效的近红外光谱应用于烟叶成熟度区分以及烟碱含量检测模型建立的方法,对56组烟叶样品近红外光谱数据进行系统聚类,分类结果与原始结果基本一致,客观反映了成熟与未成熟烟叶的差异。识别率达到92.86%。采用多种不同的光谱预处理方法,并选择较优的多元散射校正处理原始光谱,再用偏最小二乘回归建立模型。结果表明：所建模型训练集r=0.9852,RMSE=0.0676;交叉验证r=0.9145,RMSE=0.1645。预测值能够较为均匀紧密地分布于拟合线的两侧,预测结果较好。 相似文献
4.
为探索不同烘烤条件下烤烟纤维素含量近红外光谱检测模型,采用偏最小二乘回归法(PLS)对不同烘烤条件下的共85个样品,分别基于全部波长建立模型。常规烘烤时,定标集r=0.9949,RMSE=0.1122;交叉验证集r=0.9234,RMSE=0.4636;预测集r=0.8982,RMSE=0.6963。低温烘烤时,定标集r=0.9811,RMSE=0.3279;交叉验证集r=0.9456,RMSE=0.5290;预测集r=0.9938,RMSE=0.1608。高温烘烤时,定标集r=0.9128,RMSE=0.4381;交叉验证集r=0.8215,RMSE=0.6162;预测集r=0.9743,RMSE=0.1986。结果表明,采用偏最小二乘法预测不同烘烤条件下烤烟纤维素含量是可行的。 相似文献
5.
烤烟叶片含水量的光谱检测模型研究 总被引：1，自引：1，他引：0
为研究烤烟叶片中含水量随烘烤时间变化的问题,通过烘烤实验探索烤烟叶片含水量的可见-近红外光谱监测模型。针对光谱原始数据和预处理数据,利用交叉验证法采用偏最小二乘法建立回归模型,发现经过平滑处理的数据利用偏最小二乘法(PLS)可以较好地检测烤烟叶片含水量。基于全部波长建立回归模型,训练集r=0.9771,RMSEC=0.0742;交叉验证结果r=0.9573,RMSEC=0.1009;预测集r=0.9683,RMSEC=0.0862。结果表明,基于全部波长原始数据平滑处理的PLS模型预测烤烟叶片含水量是可行的。 相似文献
6.
《农产品加工．学刊》2016,(2)
利用近红外光谱分析技术,建立快速检测水产品下脚料提取过程中牛磺酸含量的方法。利用氨基酸分析仪测定样品中牛磺酸含量,采用一阶导数对原始光谱进行处理,采用偏最小二乘法建立校正模型,并预测样品中牛磺酸含量。所建模型回归系数(R2)为99.12%,交叉检验均方根为0.086;经验证,预测值与参考值的回归系数(R2)为99.9%,预测误差均方根为0.040,模型预测值与氨基酸分析仪测定值之间没有显著差异。因此,近红外光谱分析法可以检测水产品下脚料提取过程中牛磺酸含量。 相似文献
7.
《农产品加工．学刊》2021,(17)
水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400～1 000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing (MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance (SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.969 0,预测标准残差(SEP)为3.472 9%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。 相似文献
8.
水分含量是衡量茶叶干燥过程中品质的最重要因素之一,采用近红外光谱分析技术分析茶叶干燥过程水分含量。首先,采用便携式近红外光谱检测系统采集茶叶干燥过程样本的光谱,采用标准正态变量变换(SNV)预处理光谱;然后,比较应用全光谱偏最小二乘模型(PLS)、遗传偏最小二乘模型(GA-PLS)、竞争性自适应加权抽样偏最小二乘模型(CARS-PLS)建立模型,采用交互验证优化模型。结果显示,CARS-PLS模型预测性能最佳,结果优于PLS和GA-PLS模型;CARS-PLS模型优选的变量数为11,变量数仅为全光谱变量数的2.1%,预测集的Rp=0.990 7,RMSEP=0.574。结果表明,采用近红外光谱技术结合合适的化学计量学方法评价茶叶干燥过程的水分含量具有可行性,为茶叶干燥过程品质的数字化、智能化监控提供方法。 相似文献
9.
以干辣椒为对象,采用近红外快速测定方法检测其辣度。首先,使用高效液相色谱法对8种干辣椒中辣椒碱类物质含量进行准确测定,确定了定量指标辣度。然后,采集干辣椒粉样品的近红外光谱数据,利用偏最小二乘法(PLS)建立检测模型,并对检测波长范围及模型主因子数进行了筛选。结果表明,使用PLS进行模型的建立,校正集方程相关系数0.987 1,验证集方程相关系数0.870 4;校正均方根误差2 870,交叉验证均方根误差9 476,主因子数为8。最终得到的检测模型能够满足对干辣椒中辣度的快速检测要求,且具有较好的准确度。 相似文献
10.
近红外光谱法测定大米中的淀粉含量 总被引：3，自引：0，他引：3
用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。 相似文献
11.
为及时、准确地监测土壤含水量（SMC），采用室内条件下人工模拟不同SMC环境的方法，通过测定各时间段的SMC及其对应的土壤光谱反射率，运用连续投影算法（SPA）提取土壤水分的特征波长，结合多元线性回归（MLR）方法，构建SMC的高光谱定量监测模型。结果表明，光谱反射率随着样本SMC的增加而逐渐降低，二者存在明显的负相关关系；采用SPA方法提取的光谱特征波段为422、629、817、976、1121、1258、1359、1448、1830和2022nm；构建的SPA-MLR土壤水分高光谱监测模型表现出良好的预测效果（校正集的R2=0.930、RMSE=8.845、RPD=3.794，验证集的R2=0.927、RMSE=8.799、RPD=3.581）。研究结果可为土壤水分的高效精准监测提供一定的实践探索和理论参考。 相似文献
12.
利用2019年长江中下游早籼稻早中熟组种质资源为材料,分析主要生育期冠层光谱反射率与籽粒粗蛋白含量的关系,筛选出可用于早籼稻籽粒粗蛋白含量预测的敏感生育期和敏感波长,建立了基于敏感波长和光谱参数的籽粒粗蛋白的一元线性、多元线性、指数和多项式预测模型,用决定系数（R 2）、均方根误差（RMSE）和相对误差（RE）对模型精度进行评价,以期找到估测早籼稻籽粒粗蛋白含量的最适模型。研究发现,在孕穗期514、580、638和695nm波长处冠层一阶微分光谱反射率与籽粒粗蛋白含量相关性达到极显著水平;在基于敏感波长的估测模型中,四元线性模型估测效果最佳,其建模集R 2、RMSE和RE分别为0.566、0.342%和2.874%,验证集R 2、RMSE和RE分别为0.518、0.154%和1.303%;在基于光谱参数构建的估测模型中,DSI(R′514和R′638)为自变量构建的多项式模型估测效果较优,其建模集R 2、RMSE和RE分别为0.638、0.312%和2.639%,验证集R 2、RMSE和RE分别为0.581、0.230%和2.307%。 相似文献
13.
利用高光谱技术可实现土壤有机质含量的快速、精确反演。然而运用不同的光谱预处理算法及建模方法获取的模型预测精度及稳定性不同。为了选取最佳土壤有机质估算模型,本研究应用ASD波谱仪测定河南省潢川县水稻土的光谱数据,比较使用2种建模方法组合18种光谱预处理转换算法建立模型的反演效果。对于多元逐步回归模型和偏最小二乘模型,使用SGF3-2预处理算法均获得了最佳的预测效果,所建模型具有较小的误差和较高的精度。相比使用多元逐步回归法,使用偏最小二乘回归法可以获取更稳定的预测模型。运用偏最小二乘模型结合SGF3-2预处理算法得到了最佳的水稻土有机质含量估算模型,模型预测均方根误差RMSEv=0.036,决定系数Rv2=0.89。选择最佳的建模方法结合预处理算法,可以改进模型反演精度。本研究对比的不同方法也可以应用到类似的土壤模型选取中。 相似文献
14.
不同养分配施对‘云烟87’叶绿素与SPAD的影响 总被引：1，自引：1，他引：0
为探讨N、P、K、S配施对烤烟叶绿素和SPAD的影响,以福建优质烤烟品种‘云烟87’为研究对象,通过二次通用旋转组合设计,研究不同施肥对SPAD值与叶绿素的影响及其相关性。结果表明：烤烟不同生育期不同施肥处理对SPAD值与叶绿素的影响差异明显,无氮处理在整个生育期SPAD值与叶绿素含量均最低,与其他处理间差异均达显著水平;多氮处理SPAD值与叶绿素含量在整个生育期均未达最大值。从团棵期到旺长期,随烤烟生长和叶片展开,叶中处SPAD值与均值间差异未达显著水平（除处理13、17外）,因此推荐测定SPAD的最佳部位为叶中处。用SPAD快速诊断烤烟叶片的叶绿素是可行的,但不同时期SPAD值与叶绿素相关性不同,团棵期SPAD值与叶绿素具有较好的二项式相关关系,叶绿素总量的回归方程为y=-0.0085x2+0.6803x-10.911 (r=0.7483),旺长期SPAD与叶绿素具有较好的乘幂相关关系,叶绿素总量的回归方程为y=0.004x1.7371 (r=0.8514)。 相似文献