变量选择结合模型更新以改进苹果的糖度检测

摘要：

为了获得稳健的近红外光谱模型,采用变量选择结合模型更新的方法,以 240 个红富士苹果为对象,取得近红外漫透射光谱和糖度数据,建立偏最小二乘回归模型,对苹果糖度含量进行预测,并采用后向区间偏最小二乘法和竞争性自适应重加权算法,对建模变量进行了选择,通过将新批次中的一些样品加入到旧批次中重新校准来实现模型更新.结果表明,变量选择可以提高模型性能,预测决定系数提高到 0.7915,预测均方根误差降低到 0.5810,预测偏差降至 0.2627;结合模型更新策略,可以进一步降低预测均方根误差和预测偏差;仅使用 20 个样品进行模型更新已经明显改善了模型性能,预测决定系数提高到 0.8506,预测均方根误差降到 0.4358,预测偏差降到 0.1045.这一结果对于多种水果建立稳健的近红外光谱模型是有帮助的.

关键词：光谱学、后向区间偏最小二乘、竞争性自适应重加权、苹果、模型更新

所属期刊栏目：47

分类号：O657.3(分析化学)

资助基金：国家自然科学基金;江西省青年科学基金资助项目

在线出版日期：2023-09-08（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：666-671