10.3964/j.issn.1000-0593(2020)05-1413-07
MIV波长优选改善VIS/NIR光谱TVB-N模型性能研究
挥发性盐基氮(TVB-N)是衡量肉品新鲜的重要理化指标,利用可见/近红外(VIS/NIR)光谱对TVB-N含量进行定量检测具有重要意义.预测模型是VIS/NIR光谱检测TVB-N含量性能的关键要素,使其兼顾准确性与稳健性可有效改善T VB-N的定量分析结果.以猪肉为例,采集51组不同新鲜度样本的V IS/N IR光谱数据,去除低信噪比区间200~450和900~1000 nm,选取有效波段450~900 nm的光谱数据用于建模.随后利用主成分分析(PCA)对光谱信息降维,构建一个反向传播神经网络(BPNN)模型.在此基础上,提出用平均影响值(M IV)方法从有效波段中优选与肉质T VB-N含量强相关的特征波长,最终基于221个优选波长,构建一个MIV-PCA-BPNN预测模型.实验表明,初步构建的PCA-BPNN非线性预测模型,校正相关系数(RC)和校正均方根误差(RMSEC)分别为0.96和1.47 mg/100 g,预测相关系数(RP)和预测均方根误差(RMSEP)分别为0.93和1.74 mg/100 g,模型稳健性指标为1.18,优于经典的线性预测模型主成分分析回归和偏最小二乘回归,证明TVB-N具有较强的非线性效应.最终构建的MIV-PCA-BPNN预测模型的RC和RMSEC分别为0.98和1.21 mg/100 g,RP和RMSEP分别为0.96和1.12 mg/100 g,模型稳健性指标为1.08,在所构建的预测模型中,RMSEC和RMSEP最小,RC和RP最大,模型的准确性和稳健性最佳.另外,M IV方法筛选出的特征波长集中在7个波峰附近,皆分布于肉品中化学成分的吸收区内,且与T VB-N中的含氢基团的特征吸收峰表现出高度一致性,为利用M IV方法筛选波长变量提供了理论依据.研究结果显示,M IV波长优选可有效改善预测模型的性能,为利用神经网络剔除无关波长变量提供了新思路,所构建的MIV-PCA-BPNN预测模型满足了肉质中TVB-N定量分析的需求.
VIS/NIR光谱检测、反向传播神经网络、波长优选、挥发性盐基氮
40
O433.4(光学)
湖北省自然科学基金科技支撑计划项目;国家科技支撑计划课题;湖北省自然科学基金重点项目;中央高校基本科研业务费专项资金自科培育项目
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1413-1419