10.13995/j.cnki.11-1802/ts.014950
稻谷脂肪近红外光谱特征筛选及检测模型构建
应用近红外光谱技术对稻谷脂肪含量进行检测.采集了90个稻谷样本的漫反射近红外光谱,运用Kennard-Stone法选取校正集及预测集样本.对比研究了归一化、一阶导、二阶导、一阶导+归一化等4种预处理方法对模型性能的影响,确定一阶导为最佳预处理方法.运用竞争性自适应重加权采样技术筛选出与稻谷脂肪含量检测相关的特征波长,再用多元线性回归对特征波长进行优选,最终得到30个特征波长.其中最典型的特征波长为l 343、1 489和l 583 nm,反映了稻谷脂肪中大量存在的—CH和—OH基团.所建立的基于近红外光谱分析技术的稻谷脂肪含量检测模型具的决定系数为0.958 9,定标标准差RMSEC为0.223 6,相对偏差为5.53%.
近红外光谱、稻谷、脂肪、竞争性自适应重加权采样、多元线性回归
44
中央高校基本科研业务费专项2662015PY078;湖北省重大科技创新计划2014ABC009
2018-05-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
87-91