光谱技术结合化学计量学识别苹果品种

论文摘要

以"冰糖心""嘎啦"和"山东富士"苹果为试材,采用紫外/可见光谱技术结合化学计量学,分别建立了判别3种苹果品种的K最近邻（KNN）识别模型和偏最小二乘判别分析（PLS-DA）识别模型,分析了不同的光谱预处理方法（二阶微分（SD）、标准正态变换（SNV）和多元散射校正（MSC））对各模型识别效果的影响,并采用主成分分析方法对预处理后的光谱数据进行降维,以提取能反映苹果品种的特征光谱。结果表明:采用主成分分析法选择了累计贡献率超过99%的前6个主成分作为样本集特征光谱数据,很好地实现了光谱数据的降维;二阶微分预处理方法对光谱的预处理效果最好。综上所述,建立的识别模型均能基本满足实际要求,且SD+KNN模型的建模效果最好,MSC+KNN模型的预测性能最好,SD+PLS-DA模型的总识别效果最好。

论文目录

• 1 材料与方法
•   1.1 试验材料
•   1.2 试验方法
•     1.2.1 光谱采集系统
•     1.2.2 光谱数据预处理
•     1.2.3 建模方法
•   1.3 数据分析
• 2 结果与分析
•   2.1 苹果样本光谱特征分析
•   2.2 光谱预处理
•   2.3 主成分分析
•   2.4 识别模型的建立与预测分析
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 尚静,张艳,孟庆龙

关键词: 紫外,可见光谱,化学计量学,主成分分析,无损识别

来源: 北方园艺 2019年16期

年度: 2019

分类: 农业科技,基础科学

专业: 物理学,园艺

单位: 贵阳学院食品与制药工程学院,贵阳学院农产品无损检测工程研究中心

基金: 国家自然科学基金资助项目(61505036),贵州省普通高等学校工程研究中心资助项目(黔教合KY字[2016]017),贵州省教育厅青年科技人才成长资助项目(黔教合KY字[2018]290),博士科研启动经费资助项目(GYU-ZRD[2018]-012)

分类号: O433;S661.1

页码: 66-71

总页数: 6

文件大小: 1141K

下载量: 109