马铃薯干物质含量高光谱检测中变量选择方法比较

摘要：

为提高利用高光谱成像技术快速检测马铃薯干物质含量的精度,比较了主成分分析法(PCA)、组合间隔偏最小二乘法(siPLS)、遗传偏最小二乘法(GA-PLS)、无信息变量消除法(UVE)以及竞争性自适应重加权算法(CARS)等变量选择方法.在此基础上提出一种竞争性自适应重加权算法与连续投影算法(SPA)相结合的波长选择方法,最终将原始光谱变量从678个减少到了27个.用27个变量建立多元线性回归模型,模型预测集相关系数Rp为0.86,预测均方根误差为1.06％.实验结果表明:高光谱成像技术能够对马铃薯干物质含量进行检测,同时CARS-SPA是一种有效的变量选择方法.

关键词：马铃薯、干物质、高光谱、变量选择、竞争性自适应重加权算法

所属期刊栏目：43

分类号：O657.39;S123(分析化学)

资助基金：高等学校博士点专项科研基金资助项目20090146110018;湖北省自然科学基金重点资助项目2011CDA033

在线出版日期：2012-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：128-133,185