基于流形学习的红松仁脂肪近红外定量检测

摘要：

红松仁脂肪的定量检测可以作为评价其食用价值和育种价值的重要指标,利用近红外光谱分析技术开展无损检测研究.在变量标准化校正+一阶导数+小波变换对原始光谱进行预处理的基础上,考虑到传统主成分分析降维方法存在对非线性复杂结构不敏感、完全去除特征间线性相关性信息的问题,分别采用流形学习中的等距映射、局部线性嵌入、改进型局部线性嵌入、局部切空间对齐、黑塞特征映射进行非线性降维,以构建的偏最小二乘为定标模型,进一步分别建立岭回归、支持向量回归、极度梯度提升数学模型.结果表明,改进型局部线性嵌入+支持向量回归建立的参数优化模型质量最佳,其降维方法优化参数为:邻域数取30,维度取16,验证集均方差均值为0.646 4,测试集实测值与预测值间的平均相对误差为0.999 2％,可见,该模型可以良好地应用到红松仁脂肪定量检测中.

关键词：红松仁、脂肪、流形学习、近红外光谱

所属期刊栏目：35

分类号：S126;S58(农业物理学)

资助基金：国家自然科学基金;黑龙江省省属本科高校基本科研业务费项目;中央高校创新团队与重大项目

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1915-1926