排序方式: 共有114条查询结果,搜索用时 15 毫秒
101.
鸡蛋蛋白pH可见/近红外光谱在线检测信息变量提取研究 总被引:2,自引:0,他引:2
利用可见/近红外光谱在线检测鸡蛋品质中的蛋白pH, 采用漫反射方式进行光谱采集.采用反向区间偏最小二乘法(BiPLS)和蒙特卡罗无信息变量消除法(MC-UVE)分别优化鸡蛋蛋白pH可见/近红外光谱的信息区间组合及筛选有效建模变量数.经过最优预处理方法一阶导数对光谱进行预处理校正后,BiPLS方法筛选的区间分隔最优数为25,对应信息区间为598.33~617.55 nm、636.63~655.58 nm、783.25~800.72 nm和852.24~885.82 nm.利用MC-UVE方法筛选出来的最佳建模变量数为250个,BiPLS模型的Rp为0.827和RMSEP值为0.094;MC-UVE-PLS模型的Rp为0.833和RMSEP值为0.086.结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度. 相似文献
102.
103.
104.
105.
106.
图 1所示,是连杆 2端面均布 8槽的铣槽工序图。在批量生产中,这类另件的传统铣槽方法采用分度机构在 1次装夹中加工,夹具结构比较复杂,尽管可以保证每端面 4槽的位置精度和角度公差等要求,但装夹不方便,生产效率低。针对上述缺陷,笔者经研究,设计了 1套铣槽夹具,采用 2次装夹工件,用菱形销定位的方法完成铣削加工,可以满足另件的尺寸和位置精度要求,保证产品质量,提高生产效率。 1.加工工艺分析: 工件已加工过的大小头孔分别为 42.6 和 15.3, 2孔中心距为 57± 0.06mm,大小头厚度均为 14.3 mm。在加工槽时,槽的… 相似文献
107.
目的 近红外(Near-infrared)光谱在线检测装置的检测速度和积分时间等因素会影响所建立苹果糖度模型的性能,本文旨在分析检测速度和积分时间对模型适用性的影响,以提高在线检测的精度。方法 近红外光谱在线检测装置检测速度和积分时间分别设置为0.3 m/s+100 ms、0.5 m/s+70 ms、0.5 m/s+100 ms、0.5 m/s+120 ms、0.5 m/s+150 ms,共5个实验组,试验所用苹果样本共180个,在350~1 150 nm波长下采集5个试验组苹果的近红外光谱,应用偏最小二乘法(Partial least squares,PLS)建立苹果可溶性固形物含量(Soluble solid content,SSC)的预测模型。结果 近红外在线检测装置积分时间对苹果糖度的检测存在阈值,当积分时间低于70 ms时,模型预测性能较差。预测模型中建模集与预测集的检测速度与积分时间相同时的预测效果优于二者不同时的。检测速度和积分时间会影响在线检测的精度,不同检测速度和积分时间下,光线在苹果内部的传输路线不同,会导致光纤探头获得的内部信息有所差异,使预测性能变差。在0.3 m/s+100 ms、0.5 m/s+100 ms、0.5 m/s+120 ms和0.5 m/s+150 ms 4个试验组中使用Kennard-Stone算法挑选出135个具有代表性的样本光谱,建立了混合检测速度和积分时间的预测模型,其预测集相关系数(RP)均在0.85以上,预测集均方根误差(RMSEP)均低于0.65。结论 本研究建立的混合检测速度和积分时间的预测模型可对苹果的糖度达到更好的预测,满足不同检测装置参数下苹果糖度在线检测的要求。 相似文献
108.
香根草叶片铅含量的近红外光谱快速检测 总被引:1,自引:0,他引:1
提出了一种应用近红外光谱技术快速检测香根草叶内重金属铅含量的方法,采用多种预处理方法建立偏最小二乘法(PLS)模型并对建模效果对比分析,得出最优预处理方法。结合不同波段选择方法优化PLS模型参数,建立了香根草叶内重金属铅含量定量分析模型,预测决定系数R2为0.87,预测均方根误差RMSEP为0.18。研究结果表明,利用近红外光谱技术快速定量检测香根草叶内重金属铅含量具有可行性。 相似文献
109.
【目的】应用近红外光谱漫反射技术在线检测脐橙内部的可溶性固形物含量(SSC)。【方法】以0.3m/s的速度、400W的光照强度获取脐橙(脐橙样品为97个,其中74个为校正集,23个样品为预测集)的漫反射光谱;对比不同光谱预处理方法(平滑、一阶微分、二阶微分等)对偏最小二乘回归(PLSR)所建预测模型性能的影响,建立PLSR、主成分回归(PCR)和多元线性回归(MLR)在线检测脐橙可溶性固形物含量的预测模型。【结果】在520~1 000nm光谱范围,卷积平滑(S-G)能有效提高光谱的信噪比,改善模型预测精度;基于PLSR所建立的预测模型较PCR和MLR更为理想,其预测相关系数(RP)为0.90,预测均方根误差(RMSEP)为0.61。【结论】利用在线近红外光谱技术检测脐橙可溶性固形物含量是可行的。 相似文献
110.
【目的】研究利用便携式拉曼光谱仪测定农药氧乐果含量(质量分数)的定量分析方法,为农药残留的快速检测提供参考。【方法】利用便携式拉曼光谱仪,采集不同含量氧乐果溶液的拉曼光谱,比较不同预处理方法 (卷积平滑、一阶导数、二阶导数、基线校正、基线校正+卷积平滑)对氧乐果溶液拉曼光谱数据的预处理结果,从中筛选出最优预处理方法;以最优预处理方法处理之后的数据作为输入,分别采用偏最小二乘法(PLS)、主成分回归(PCR)和多元线性回归(MLR)算法建立拉曼光谱与氧乐果含量之间的预测模型,并对模型的预测效果进行评价。【结果】5种预处理方法中,氧乐果溶液拉曼光谱数据经基线校正处理后,所建立模型的预测效果最好。分别采用PLS、PCR和MLR算法建立了拉曼光谱与氧乐果含量之间的预测模型,对3个模型的预测结果进行评价,结果显示,PLS预测模型的相关系数(RP)为0.984,预测均方根误差(RMSEP)为1.12;PCR预测模型的RP为0.977,RMSEP为1.39;MLR预测模型的RP为0.539,RMSEP为5.54,可知基线校正与PLS结合建立的模型预测效果最佳。【结论】建立了基于便携式拉曼光谱仪的氧乐果残留的定量分析方法,为农药残留检测提供了一种快速、简单、方便的方法。 相似文献