光谱特征变量和BP神经网络构建油用牡丹种子含水率估算模型

摘要：

为了进一步提高种子含水率的高光谱估算精度,该研究测定了156份油用牡丹种子的近红外吸收光谱及其对应的含水率值,分析了近红外吸收光谱、一阶微分光谱、水分吸收特征参数与含水率的相关关系,构建了基于特征波长吸收光谱、特征波长一阶微分光谱、水分特征吸收参数和BP神经网络的油用牡丹种子含水率估算模型,并对模型进行了验证;再结合一元线性回归(SLR,Single Linear Regression)、逐步多元线性回归(SMLR,Stepwise MultipleLinear Regression)、偏最小二乘回归(PLSR,Partial Least Squares Regression)模型与BP神经网络(BPNN,BP Neural Network)模型进行比较.结果表明:1)油用牡丹种子含水率的吸收光谱特征波长位于1410、1900、1990 nm,一阶微分光谱特征波长位于1150、1950、2080 nm;2)以DF2080和AD2140为自变量建立的一元线性回归模型预测效果较优,在能够满足水分估算精度的情况下,是最优的选择方法.3)将优选的特征参数作为输入,实测含水率值作为输出,构建BP神经网络模型,其建模与验模R2分别为0.978和0.973,RMSE分别为0.220％和0.242％,而RPD值分别为6.478和5.889,与其他模型相比,BP神经网络模型的建模及预测精度均最高,是估算油用牡丹种子含水率的最优模型,其次为逐步多元线性回归模型.研究结果表明BP神经网络模型对种子含水率具有更好的预测能力,是估算油用牡丹种子含水率的有效方法.

关键词：水分、模型、近红外光谱、特征变量、BP神经网络、油用牡丹种子

所属期刊栏目：36

分类号：S379(农产品收获、加工及贮藏)

资助基金：河南省科技公关项目;河南科技大学博士科研启动基金;河南科技大学大学生研究训练计划项目

在线出版日期：2021-01-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：308-315