光谱特征波长的S PA选取和基于SV M的玉米颗粒霉变程度定性判别

摘要：

利用波长范围在833～2500 nm的傅里叶变换近红外光谱（Fourier transform near infrared spectros‐copy ，FT‐NIR）对不同霉变程度的玉米颗粒进行检测区分。首先，为避免光谱数据首尾噪声影响，对比四种常见的预处理方法，最终选择移动平均平滑法对原始光谱数据进行预处理；然后为选出合适的样本集划分方法以提高模型预测性能，对常见的四种方法进行对比，最终利用SPXY （sample set partitioning based on joint x‐y distance）法进行样本集划分；进一步为减少数据量，降低维度，使用连续投影算法（successive pro‐jections algorithm ，SPA）提取出7个特征波长，分别为833，927，1208，1337，1454，1861和2280 nm ；最后，将七个特征波长数据作为输入，选取径向基函数（radial basis function ，RBF）作为支持向量机（support vector machine ，SVM）核函数，取参数C＝7760469，γ＝0.017003建立判别模型。SVM模型对训练集和测试集的预测准确率分别达到97.78％和93.33％。另取不同品种的玉米颗粒，以同样的标准挑选样品组成独立验证集，所建立的判别模型对独立验证集的预测准确率达到91.11％。结果表明基于SPA和SVM能有效地对玉米颗粒霉变程度进行判别，所选取的7个特征波长为实现在线霉变玉米颗粒近红外检测提供了理论依据。

关键词：霉变、玉米颗粒、FT-NIR、SPA、SVM

所属期刊栏目：36

分类号：S132(农业化学)

资助基金：国家科技支撑计划项目2012BAK08B04

在线出版日期：2016-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：226-230