共查询到20条相似文献，搜索用时 15 毫秒
1.
《山西农业大学学报(自然科学版)》2020,(1)
[目的]高光谱技术被普遍应用于土壤有机质的检测,而土壤水分在近红外波段中的吸收特性对土壤有机质的检测有很强干扰,消除水分对土壤有机质检测影响是提高模型预测精度的关键,开展土壤水分光谱影响及其消除方法的研究具有重要意义。[方法]本研究获取了山西省晋中市太谷县内不同区域的50个土壤样本在5种含水率(干土、5%、10%、15%和17%)下共250条高光谱曲线,用非负矩阵分解(Nonnegative matrix factor,NMF)对光谱分解重构,以去除水分对土壤有机质检测的影响。采用偏最小二乘(Partial least-squares,PLS)建立的土壤有机质定量预测模型对重构前后湿土土样的有机质含量进行了预测。[结果]经NMF分解重构后的湿样吸光度谱图与对应的干样相近;重构后的光谱数据对有机质预测相关系数(R)较湿样提高了0.059,预测标准差(Predicted standard deviation,SEP)降低了0.154,均方根误差(Root-mean-square error,RMSEP)降低了0.718。[结论]NMF能够在很大程度上削弱土壤水分对有机质检测的影响,提高湿土土样有机质含量的高光谱预测精度。 相似文献
2.
基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究 总被引：1，自引：0，他引：1
为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169～2 mm和＜0.169 mm的2种土壤样本(各53个)的可见/近红外光谱(325～1075 nm),分别建立各自的主成分-反向传播神经网络(PCA-BPNN)、最小二乘-支持向量机(LS-SVM)和偏最小二乘法(PLS)土壤有机质含量检测模型.结果表明:当土壤粒径为0.169～2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差(RMSEP)都在0.20以下;而当土壤粒径＜0.169 mm时,所建立模型的预测相关系数r均不超过0.71.而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果. 相似文献
3.
【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
4.
近红外光谱法无损检测番茄可溶性固形物含量的研究 总被引：2，自引：0，他引：2
应用近红外漫反射光谱技术对番茄可溶性固形物含量进行了非破坏性检测分析,比较了10种不同的光谱预处理方法对偏最小二乘法(PLS)模型的影响.结果表明,常数偏移消除是适合建立近红外光谱法无损检测番茄可溶性固形物含量PLS模型的最优光谱预处理方法,最能反映番茄可溶性固形物含量信息的光谱波段为11998.9-5449.8cm-1和4601.3～4246.5 cm-1.用偏最小二乘法建立的定量分析模型,其预测值和实测值的相关系数为0.954,校正标准差为0.321%,预测标准差为0.475%.近红外漫反射光谱法可非破坏性分析番茄中可溶性固形物的含量. 相似文献
5.
[目的]建立南疆骏枣叶片含水量的快速、无损的检测模型。[方法]选取73片完好、无损的骏枣叶片,运用NIR检测骏枣叶片含水量的重要指标。通过3种不同的光谱预处理方法进行预处理,建立骏枣叶片含水量的PLS检测模型。[结果]在预测骏枣叶片含水量的PLS模型中,最好的组合是原始光谱+MSC+PLS,相关系数(R)由原始的0.673 1提高到0.874 6,预测精度(Precision)由0.950 7提高到0.957 8,预测残差平方和(PRESS)由0.028 4降低到0.017 7,预测标准偏差(RMSEP)由0.037 7降低到0.029 7。[结论]应用NIR技术不仅对南疆骏枣叶片含水量的快速、无损检测具有可行性,同时还对其他农作物叶片水分、叶绿素、氮含量光谱预处理检测具有一定的借鉴意义。 相似文献
6.
《江苏农业科学》2018,(19)
近红外光谱预处理是胡杨叶片含水量光谱检测的前提,然而样本背景、电噪声和杂散射等会干扰近红外光谱的测量结果。为了避免以上因素对近红外光谱产生的影响,采用连续投影算法(successive ections algorithm,简称SPA)、数据中心化、归一化和标准正态变量变换方法(standard normal variate transformation,简称SNV)对原始光谱数据进行预处理,使用偏最小二乘法(partial least squares,简称PLS)建立胡杨叶片水分含量检测的校正集和预测集模型。结果表明,直接使用原始光谱,利用SPA算法筛选变量数为7个,模型预测精度为0. 971 44,RMSPCV为0. 046 132,相关系数r=0. 674 24,RMSEP=0. 021 434;使用原始光谱+标准正态变量变换方法,利用SPA算法筛选变量数为6个,模型预测精度为0. 976 63,RMSPCV为0. 045 642,相关系数r=0. 774 72,RMSEP=0. 018 24。SNV+SPA预处理方法能够有效地消除噪声和散射,提高模型的预测精度,相关性明显增加,降低数据维数和误差,可用于胡杨叶片水分含量的快速、无损检测,同时对其他作物叶片水分含量光谱预处理检测具有一定的参考意义。 相似文献
7.
为利用小麦种子的近红外吸光度研究小麦品种的抗旱性,测定了40份旱地小麦品种的抗旱指数以及籽粒的全光谱吸光度值,并将两者关联,建立PLS近红外抗旱指数量化预测模型。结果表明,光谱吸光度值与供试材料抗旱指数相关系数2个年度均达到0.856*以上,建立的吸光度值和抗旱指数的矩阵公式预测样本的抗旱指数与标准值之间的相关系数达0.930**。研究结果表明,可以用小麦籽粒近红外全光谱吸光度值来预测小麦的抗旱性。为小麦抗旱性评价提供了一种能够在育种早代进行的快速、简单易行的抗旱性鉴定技术。 相似文献
8.
《山西农业大学学报(自然科学版)》2019,(5)
[目的]本文利用可见/近红外光谱定量检测山西省不同产区晋虞1号桃的可溶性固形物(Soluble solids content,SSC)含量,旨在建立一个简单有效、适应性能好的校正模型为后续在线检测设备的开发与利用提供模型参考。[方法]采集3个产区桃的可见/近红外漫反射光谱,选择不同的预处理方法消除客观因素对原始光谱的影响,比较发现SG平滑+多元散射校正(multiplicative scatter correction,MSC)预处理方法建模结果最优。采用Kennard-Stone算法以3∶1比例划分样品集,其中校正集270个用于建立PLS模型,预测集90个用于评价模型性能。为了简化模型运算量、提高模型预测性能使用蒙特卡罗无信息变量消除(Monte Carlo uninformative variables elimination,MCUVE)与连续投影算法(Successive projection algorithm,SPA)相结合筛选有效特征波长。最后,比较了偏最小二乘(Partial least squares,PLS)算法所建单一产地和混合产地下晋虞1号桃SSC含量可见/近红外光谱模型的预测能力。[结果]与单一产地和两两混合产地模型相比,混合3产地桃校正集样本建立的模型预测效果最好,预测的相关系数(Rp)和预测的均方根误差(RMSEP)分别为0.949和0.652°Brix。[结论]利用多个产地的晋虞1号桃样本建立的混合模型具有较强的包容性,可提高对晋虞1号桃SSC含量的预测精度,减小产地差异对SSC含量可见/近红外光谱检测的影响。本文可为山西省内晋虞1号桃内部品质SSC含量的无损检测模型提供了理论基础。 相似文献
9.
10.
[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
11.
以壶瓶枣为对象,利用Field Spec3型近红外光谱仪进行采集光谱,分析了扫描次数对鲜枣近红外光谱响应特性的影响.结果表明,样品同一位置扫描1次、3次、6次时,吸光度△A值和变异系数CV无显著差异,显著性检验概率分别为0.163、0.453,表明光谱稳定性好.对样品同一位置扫描1次、3次、6次的光谱所建立的硬度定量模型,在6次扫描时,硬度定量模型的决定系数较高,该模型较稳定;同时,不同扫描次数下所建模型预测能力差异不显著,显著性检验概率为0.356.因此,对所采集的光谱建立模型时,应综合考虑影响因素选择较少的扫描次数. 相似文献
12.
生姜水分含量的可见-近红外光谱检测 总被引：1，自引：0，他引：1
近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型.利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350～1 800 nm.分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430～1 000 nm、1 000～1 800nm、430～1 800 nm 3个波段建立生姜水分含量的PLS预测模型.对实验结果进行分析表明,在波段范围430～1 800 nm使用一阶导数预处理方法建立的PLS模型最优.其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7.结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测. 相似文献
13.
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
14.
采集位于云南省昆明、安宁、弥勒3个地区的350份土壤样品,利用便携式近红外光谱仪进行光谱的扫描并构建全氮、全钾、全磷和有机质4项养分的近红外预测模型。结果表明,在950～1 650 nm,不同地区的土壤样品光谱的轮廓较为接近;全氮、全磷、有机质的最佳预处理方法为一阶导数,全钾的最佳预处理方法为标准正态变量变换(SNV),光谱数据经过预处理后可提高模型的预测能力,并降低模型的复杂度;在土壤养分的PLS预测模型中,全氮、全钾、全磷和有机质的决定系数(R2)分别为0.789 9、0.910 8、0.947 0和0.833 6,RPD值分别为2.108、2.903、3.938和2.238,模型的拟合效果和预测能力均较好,基于便携式近红外光谱分析技术能实现对土壤养分含量的预测。 相似文献
15.
【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。 相似文献
16.
针对浙江省4种典型土壤,研究应用可见-近红外光谱、近红外光谱和中红外光谱3个波段范围进行土壤快速分类的方法.在获取光谱信息的基础上,采用不同光谱建模方法以提高检测精度,简化分析计算;并分别采用主成分分析结合人工神经网络(PCA-ANN/BP)、偏最小二乘法(PLS)和偏最小二乘法结合人工神经网络(PLS-ANN)3种方法进行建模.结果表明:中红外光谱波段对土壤分类的效果不理想,而可见-近红外光谱、近红外光谱波段均能较好地进行土壤分类;在可见-近红外波段,PLS-ANN模型对土壤的分类效果优于PCA-ANN/BP和PLS模型,为土壤快速准确分类提供了一种简便可行的方法. 相似文献
17.
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
18.
目的 基于近红外光谱技术的红枣水分无损检测,为红枣水分含量模型建立提供科学依据。方法 以塔里木大学园艺试验站红枣资源圃中的脆熟期馒馒枣和保德油枣的果实为试材,采用传统烘干法测定枣果实水分含量,并通过近红外光谱分析仪进行枣水分无损检测。对2个品种样本光谱进行样本集划分并使用预处理的方法Savitzky-Golay平滑法和偏最小二乘回归分析法(PLS)。结果 建立了含水量定量检测分析模型。共获得212个样本,馒馒枣和保德油枣分别为100和112个,2个品种随机校正模型为75和84个,验证模型分别为25和28个,用外部证实法建立样品校正模型和验证模型。建立光谱模型将试验组分别分为红枣含水量校正模型和验证模型。所建2种红枣水分检测模型中SEC(校正集标准偏差)值分别为1.01%和1.29%;SEP(预测标准偏差)值为1.65%和1.41%,2种红枣的校正集与验证集交互相关系数分别为0.878和0.883。结论 以S-G平滑法对光谱数据预处理,以偏最小二乘进行回归分析(PLS)。建立含水量定量检测分析模型对红枣进行水分检测,水分真实值和预测值的交互相关系数均高于0.850。2个品种校正模型和验证模型差异较小均在0.5%左右,建立了红枣近红外光谱和水分含量之间的对应关系。 相似文献
19.
不同类型土壤的光谱特征及其有机质含量预测 总被引：18，自引：1，他引：17
【目的】构建适合土壤有机质含量估测的高光谱参数及定量反演模型。【方法】系统分析中国中、东部地区5种不同类型土壤风干样本有机质含量与350～2 500 nm波段范围高光谱反射率之间的关系,利用特征光谱参数和BP神经网络建立土壤有机质的定量估测模型。【结果】光谱一阶导数构成的两波段光谱参数与土壤有机质含量的相关性明显优于原始光谱,尤其采用Norris平滑滤波后导数光谱效果更好。光谱参数构成形式以差值指数最好,其次为比值和归一化指数。与土壤有机质含量相关程度最高的光谱参数是由可见光区554 nm和近红外区1 398 nm两个波段的一阶导数组合而成的差值指数DI(D554,D1398),两者呈显著指数曲线关系,拟合方程为y= 184.2 ×exp[-1297×DI(D554,D1398)],决定系数为0.90。经不同类型土壤的观测资料检验,模型预测决定系数为0.84,均方根误差RMSE为3.64,相对分析误差RPD为2.98,显示估测模型具有较好的预测精度。另外,利用BP神经网络结合偏最小二乘法(PLS)对导数光谱进行分析,提取贡献率达到99.56 %的前6个主成分建立了三层BP 神经网络模型,模型决定系数为0.98,经不同类型土壤的观测资料检验,模型预测决定系数为0.96,RMSE为2.24,相对偏差RPD为4.83。比较利用DI(D554,D1398)和BP网络进行土壤有机质含量的预测结果,前者精度低于后者,但可以满足土壤有机质监测的需要。【结论】利用差值光谱指数DI(D554,D1398)和BP神经网络模型均可实现对土壤有机质的精确估测。 相似文献
20.
通过透反射模式采集了114个油茶籽油(茶油)样品的近红外光谱(NIR),利用竞争性自适应重加权采样法(CARS)对光谱进行预处理,采用偏最小二乘法(PLS)建立了茶油中棕榈酸、硬脂酸、油酸、亚油酸及亚麻酸5种脂肪酸含量的校正模型,并通过实际测定对模型进行了验证。结果表明:采用近红外光谱技术结合化学计量学方法建立的PLS模型所预测的茶油中棕榈酸、硬脂酸、油酸、亚油酸的含量与实际的化学测定值较接近,而亚麻酸的预测集与实际测定值相关性不理想,仍需进一步研究摸索。这证明近红外光谱法可作为一种快速、无损和准确的方法在茶油主要脂肪酸含量测定中推广应用。 相似文献