烟叶总还原糖近红外光谱稳健模型的建立及其在多台仪器的长期应用
该文使用基于光谱图像特征抽提的尺度不变特征变换(SIFT)的多步波长筛选方法建立了烟叶总还原糖(TRS)的近红外光谱(NIRS)稳健模型,实现了其在多台仪器的直接共享和长期应用.首先采用SIFT方法根据代表性主机样品光谱挑选特征光谱点集合Uc,然后从Uc中剔除样本光谱标准方差(SDSS)过低的点,挑选重要特征光谱点集合Uic,此两步波长筛选法简称为SIFT-SDSS.随后进一步从Uic中挑选对水分不敏感(Mois-ture-unsensitive,MUS)的波长点,得到重要且稳定的光谱点集合Uisc,此3步波长筛选法简称为SIFT-SDSS-MUS.从2011～2013年采集的292个主机烟叶样品中按TRS浓度区间选择80%样品作为建模集,建立不同波长集合下烟叶TRS的偏最小二乘回归(PLSR)校正模型.结果表明,基于SIFT-SDSS两步波长筛选的光谱点建立的TRS模型传递到6台从机预测另外77个2011～2013年样品的TRS时,所有从机样品的平均相对误差绝对值(MARE)均小于6%,满足企业内控要求.该模型对5台近红外仪上2014～2020年各年度样品、1台近红外仪上2014～2019年各年度样品的MARE均小于6%.而全波长模型及SIFT波长筛选方法所建模型在7台仪器上对多个不同年份下样品中TRS的MARE大于6%,难以实现长期应用.SIFT-SDSS-MUS方法所建TRS模型变量最少,但其模型传递能力和长期应用能力略逊于SIFT-SDSS模型.SIFT-SDSS所建TRS模型稳健性好、可解释性强、运算速度快,可在7台同型号近红外仪上直接共享、在6台仪器上连续应用至少6年,大大减少了烟叶TRS近红外光谱模型维护及传递的工作量.
多步波长筛选、近红外光谱模型传递、模型寿命、烟叶、总还原糖、尺度不变特征变换
42
O657.3;TS41(分析化学)
2023-11-21（万方平台首次上网日期，不代表论文的发表时间）
共9页
1479-1487
