基于变量筛选的温州蜜桔品质的光谱快速检测
目的 利用可见/近红外光谱技术结合变量筛选算法建立预测模型.方法 采集7个不同批次蜜桔样本的漫透射光谱,预处理优化后,以无信息变量消除法(uninformative variable elimination,UVE)、竞争性自适应重加权法(competitive adaptive reweighting sampling,CARS)及其组合(UVE-CARS)共3种策略来进行光谱有效波段的筛选,建立蜜桔可溶性固形物含量(soluble solid content,SSC)的偏最小二乘预测模型(partial least square,PLS).结果 比较全变量模型和3个特征变量模型的预测性能,UVE-CARS-PLS模型取得了最优的检测效果,相比全变量模型,建模变量数减少了96.5%,其预测集相关系数RP提升至0.732,预测集均方根误差(root-mean-square error,RMSEP)下降至0.8730Brix.结论 结合多重变量选择算法,可以进一步压缩建模变量数,简化模型,提高模型预测精度,实现区域蜜桔品质的光谱快速检测.
蜜桔、可见/近红外光谱、变量选择、可溶性固形物
11
大学生创新创业计划项目;温州大学开放实验室项目
2020-06-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
3460-3464