10.3964/j.issn.1000-0593(2016)01-0226-05
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
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。
霉变、玉米颗粒、FT-NIR、SPA、SVM
36
S132(农业化学)
国家科技支撑计划项目2012BAK08B04
2016-04-25(万方平台首次上网日期,不代表论文的发表时间)
共5页
226-230