基于连续投影算法的小麦蛋白质含量近红外光谱预测分析

论文摘要

为了快速无损检测分析小麦蛋白质含量,构建近红外光谱最优小麦蛋白质定量检测分析模型。利用一阶S-G平滑算法+SNV算法对光谱进行预处理。使用连续投影算法（Successive projections algorithm, SPA）提取光谱中的特征波段点,使全谱图的141个波段点降低到17个特征波段点。在选择的17个特征波段点基础上分别建立偏最小二乘回归（Partial least regression, PLSR）模型、支持向量机（Support vector machine, SVM）模型、多元线性回归（Multiple linear squares regression, MLR）模型和主成分回归（Principal component regression, PCR）模型。在构建的4种小麦蛋白质含量预测模型中,MLR预测分析模型的验证集均方根误差（RMSEV）和校正集均方根误差（RMSEC）最小,验证集相关系数（rv）和校正集相关系数（rc）最大,其rv=0.968,rc=0.976,RMSEV=0.300,RMSEC=0.275。因此,相比于其他3种检测模型,建立的MLR小麦蛋白质含量检测模型最优,稳定性和精确性最高。

论文目录

• 1 材料与方法
•   1.1 试验材料
•   1.2 仪器
•   1.3 样品处理
•   1.4 样本集的划分
•   1.5 光谱数据预处理
•   1.6 连续投影算法
•   1.7 数据分析
• 2 结果与分析
• 3 结 论

文章来源

类型: 期刊论文

作者: 张津源,张德贤,张苗

关键词: 小麦,蛋白质含量,近红外光谱,检测模型,特征波段点

来源: 江苏农业学报 2019年04期

年度: 2019

分类: 农业科技,工程科技Ⅰ辑

专业: 化学,轻工业手工业

单位: 河南工业大学信息科学与工程学院

基金: 国家科技支撑计划项目(2013BAD17B04),河南省科技厅自然科学项目(172106000013),粮食信息处理与控制教育部重点实验室开放基金课题(KFJJ2016102)

分类号: O657.33;TS210.7

页码: 960-964

总页数: 5

文件大小: 419K

下载量: 210