运用近红外光谱技术对松子霉变的快速检测

论文摘要

采集234组有代表性的松子实验数据,对光谱数据进行求导、变量标准化（SNV）、小波变换、套索算法（LASSO）与主成分分析（PCA）方法预处理后,使用高斯过程（GP）等10种建模方法对光谱数据进行建模,分析运用近红外光谱技术快速检测松子霉变的可行性。结果表明:使用径向基核支持向量机建模的F1度量分数为0.868、使用高斯过程建模的F1度量分数为0.631、将应用主成分分析方法降维后的数据使用高斯过程建模的F1度量分数为0.933、将应用套索算法与主成分分析方法处理后的数据使用高斯过程建模的F1度量分数为1.000,实验结果验证了使用套索算法-主成分分析-高斯过程建立近红外光谱模型筛选霉变松子是可行的。

论文目录

• 1 材料与方法
•   1.1 材料与主要仪器
•   1.2 近红外数据预处理
•     1.2.1 变量标准化、求导与平滑处理
•     1.2.2 特征选取
•     1.2.3 套索回归与主成分分析优化的高斯过程分类
•   1.3 可视化建模
• 2 结果与分析
•   2.1 模型评价
•   2.2 预处理对分类效果的影响
• 3 结论

文章来源

类型: 期刊论文

作者: 蒋大鹏,张冬妍,李丹丹,曹军

关键词: 近红外光谱,松子,无损检测,数据建模

来源: 东北林业大学学报 2019年05期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑

专业: 轻工业手工业

单位: 东北林业大学

基金: 中央高校创新团队与重大项目培育资金项目(E2572016EBC3)

分类号: TS207.3

DOI: 10.13759/j.cnki.dlxb.2019.05.016

页码: 83-87+99

总页数: 6

文件大小: 2339K

下载量: 191