基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型 |
| |
引用本文: | 罗浪琴,王涛,刘国庆,赵文革,张锐,于军,陆斌,陈天财.基于近红外光谱法建立核桃仁可溶性蛋白质含量检测模型[J].果树学报,2023(8):1750-1761. |
| |
作者姓名: | 罗浪琴 王涛 刘国庆 赵文革 张锐 于军 陆斌 陈天财 |
| |
作者单位: | 1. 塔里木大学园艺与林学学院;2. 新疆生产建设兵团塔里木盆地生物资源保护利用重点实验室;3. 南疆特色果树高效优质栽培与深加工技术国家地方联合工程实验室;4. 塔里木大学信息学院;7. 云南林业和草原科学院 |
| |
摘 要: | 【目的】核桃仁中的可溶性蛋白质含量是影响核桃品质的重要指标,比较核桃仁可溶性蛋白质含量不同模型之间的预测性能。【方法】以180份核桃仁样品作为研究对象,采集样品的近红外漫反射光谱。使用6种不同预处理方法对光谱信息进行处理,比较BP神经网络法和支持向量回归(SVR)建立核桃仁蛋白质的预测模型。【结果】2种方法对不同组合的预处理方法所建立模型的决定系数均大于0.81,相比于SVR模型的预测模型性能,MSC+FD+BP神经网络所建的预测模型性能更优,建模集的决定系数R2为0.871,均方根误差为0.089 5,RPD为2.875;验证集的R2为0.825,均方根误差为0.105 9,RPD值为2.233。【结论】BP神经网络算法在特征波段的核桃仁可溶性蛋白质含量预测建模中,模型质量优于SVR算法。MSC+FD+CARS+BP神经网络建模方式更适用核桃仁可溶性蛋白质含量的预测,为使用近红外光谱分析核桃仁质量提供了参考依据。
|
关 键 词: | 核桃仁 可溶性蛋白质含量 BP神经网络 支持向量回归(SVR) |
|
|