可见-近红外光谱的小麦硬度预测模型预处理方法的研究

摘要：

硬度是评价小麦品质的一个重要质量参数，对小麦的分类、最终用途以及小麦籽粒组成的研究都非常重要。为实现小麦硬度的快速、准确检测，在详细分析小麦籽粒成分对红外光吸收特性的基础上，研究建立径向基函数（RB F ）神经网络模型实现对未知样品硬度的准确检测，并着重分析了不同光谱信号预处理方法对模型预测精度的影响。从各小麦主产区收集111个小麦样品，扫描样品获得可见‐近红外光谱，采用马氏距离判断并剔除异常光谱；利用优化后的SPXY划分样品集合，得到校正集84个样品，预测集24个样品；利用连续投影算法（SPA ）从262个光谱波点中提取47个特征光谱；分别使用一阶导数、二阶导数和标准正态变量变换（SNV）及其不同组合对光谱进行预处理，验证不同预处理方法之间的相互影响，寻找最优的预处理方法组合。校正集预处理后的特征光谱数据作为RB F模型的输入，采用硬度指数法测定的对应样品硬度作为输出建立模型。预测结果显示当采用SNV和SPA处理光谱数据时模型的效果达到最优，评价指标判别系数（R2）、预测标准差（SEP）和相对分析误差（RPD）可分别达到0.90，3.02和3.11，表明基于可见‐近红外光谱的RB F神经网络模型能够准确地预测小麦的硬度，与传统检测方法相比具有方便、快速、无损等优点，为小麦硬度的检测提供一条更为便捷与实用的方法。

关键词：硬度、小麦、可见-近红外光谱、连续投影算法、径向基函数

所属期刊栏目：36

分类号：S512.1(禾谷类作物)

资助基金：哈尔滨市青年科技创新人才研究专项基金项目2012RFQXN119;国家现代农业技术体系任务书项目CARS-3-1-6

在线出版日期：2016-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2111-2116