基于高光谱图像技术的配合饲料主要营养成分的检测方法
收集403个配合饲料样本,利用高光谱成像仪对样本进行图像采集,获取配合饲料样本的可见/近红外光谱信息.采用光谱杠杆值和学生残差法剔除异常样本,利用CG法、SPXY法和K-S法按3∶1的比例进行样本集划分,采用均值中心化、标准化、一阶导数、二阶导数、正交信号校正、多元散射校正和标准正态变量变换、去趋势变换,以及其组合方法对光谱进行预处理;采用相关系数法获取特征波段,建立基于高光谱图像技术的配合饲料中粗蛋白、粗灰分、水分、总磷、钙含量的偏最小二乘法(PLS)定量分析模型.通过验证,粗蛋白验证集决定系数R弓为0.777 8,均方根误差RMSEP为2.6155％,相对分析误差RPDv为2.114 3;粗灰分验证集Rv2为0.775 8,RMSEP为1.0611％,RPDv为2.120 4;水分验证集Rv2为0.631 4,RMSEP为1.6003％,RPDv为1.937 1,总磷验证集Rv2、RMSEP、RPDv分别为0.467 2、0.1916％、1.357 0;钙验证集Rv2仅为0.440 6,RMSEP为0.1755％,RPDv,为1.310 5.结果表明,所建立的粗蛋白、粗灰分最优定量分析模型预测性能较好,水分最优定量分析模型预测精度不够理想,总磷和钙定量分析模型的预测性能很差.
配合饲料、营养成分、高光谱图像技术、快速检测、偏最小二乘法
36
S216.2(农业动力、农村能源)
国家公益性行业农业科研专项201003063-04
2017-04-17（万方平台首次上网日期，不代表论文的发表时间）
共7页
123-129
