茶叶掺糖含量检测算法中光谱数据有效性及冗余度研究

摘要：

基于近红外光谱(NIRS)技术和遗传算法-反向传播(GA-BP)神经网络建立模型,分析茶叶掺蔗糖样品的1～2.5μm原始光谱数据的有效性及冗余度.固定样本数据,对模型的参数优化选择后建立茶叶蔗糖含量定量检测模型.将1～2.5μm原始数据分1～1.7,1～1.3,1.3～1.7,1.7～2.5和2～2.2μm.利用建立的模型对同一分辨率下的不同波段进行模型训练.预测结果表明,1～1.7和1～2.5μm波段存在数据冗余.仅使用1.3～1.7或1.7～2.5μm波段即可有效建立模型.预测模型对同一波段下的不同分辨率进行研究,从2 nm到20 nm改变分辨率,当波段范围为1～2.5μm时,模型的R均介于0.9和0.95之间,且RM-SEP也在1.7和2.1之间.当波段范围为1～1.7μm时,模型的R均在0.9和0.93之间,且RMSEP也在1.95和2.25之间.结果表明,1～2.5μm原始数据中确实存在波长范围和光谱分辨率的冗余.通过光谱特征分析和算法建模,可以显著提高光谱数据获取的有效性;对于茶叶中蔗糖含量的检测,可以采用更窄的波长范围和更低的光谱分辨率.

关键词：遗传算法、BP神经网络、近红外光谱分析、有效性、茶叶

所属期刊栏目：42

分类号：O657.3(分析化学)

在线出版日期：2022-11-11（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：3647-3652