首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到17条相似文献,搜索用时 135 毫秒
1.
基于近红外光谱的烟叶SIMCA模式识别   总被引:2,自引:0,他引:2  
研究了基于烟叶的近红外光谱数据通过软独立模式分类(SIMCA)识别不同烟叶的方法。首先对每种具有确定产地、等级、品种的目标烟叶进行多次分布式取样,扫描目标烟叶多个样品的近红外光谱;再对目标烟叶近红外光谱进行主成分分析(PCA)运算生成每种目标烟叶的数据模型;然后扫描未知烟叶的近红外光谱,用目标烟叶数据模型对未知烟叶近红外光谱进行主成分分解计算,计算未知烟叶与目标烟叶的距离,通过距离衡量未知烟叶与目标烟叶的相似程度。建立了包含115种不同产地、等级、品种的目标烟叶的数据模型,对115个外部检验样品进行了模式识别,正确识别率高于90%。结果表明该烟叶模式识别方法基础数据易得,同时考虑了烟叶的平均水平和分布水平,识别准确率高,具有良好的发展前景。  相似文献   

2.
目的利用可见/近红外光谱技术对产自不同地区的晋谷21号小米进行溯源研究。方法使用近红外光谱仪获取产自洪洞、浮山、沁县3个不同地区的晋谷21号小米400~1004nm波段范围内的漫反射光谱;对光谱分别进行多元散射校正法(multiple scattering correction,MSC)、一阶导数法(first derivative,1St-D)预处理;对预处理光谱进行主成分分析,全交叉验证确定最佳主成分数量,获取主成分;同时选择预处理光谱特征波长。使用马氏距离法、线性判别法建立判别模型,最后用未知样品的验证准确率来表示模型的判别效果。结果原始光谱和MSC处理光谱提取特征波长分别建立的产地判别模型对3个不同产地的小米判别完全准确;1St-D处理光谱基于7个主成分结合马氏距离法和基于9个主成分结合线性判别法建立的2种判别模型对3个不同产地的小米亦实现完全准确判别。结论可见/近红外反射光谱技术用于小米产地的判别具有可行性,本研究可为小米产地的快速判别应用中提供技术基础。  相似文献   

3.
目的 利用近红外光谱技术对国外奶粉进行产地识别。方法 采集荷兰、新西兰、澳大利亚、德国、法国、英国和爱尔兰7个国家55个奶粉样品的近红外光谱,经过数据预处理、主成分分析降低数据维度和特征筛选,构建基于宽度学习系统(Broad Learning System,BLS)的奶粉产地快速识别模型。结果 采用多元散射校正加Savitzky-Golay滤波的预处理效果最好,与未做预处理相比,准确率提高14.55 %,主成分特征数大于38,识别效果最稳定,实验中还研究BLS主要参数对识别准确率的影响,可以指导参数选择。对荷兰、新西兰、澳大利亚和欧洲其它产地4类产地识别,测试准确率达到100.0 %,对样本做7类产地识别,准确率达到81.18 %。相同条件下,与支持向量机方法对比,4类产地识别,BLS方法准确率比支持向量机方法高9.10 %,7类产地识别,两者准确率相同。结论 本文提出的基于BLS的方法可以较好实现国外奶粉产地识别,为奶粉产地快速识别提供了新思路。  相似文献   

4.
为了准确、快速地识别大豆产地,通过近红外光谱技术(NIRS)结合主成分分析(PCA)和人工神经网络技术(ANN)研究不同国家大豆内含特征,建立进口大豆产地识别模型。采用箱型图校正法,剔除阿根廷、巴西、乌拉圭、美国等4个国家166组大豆样本中12组异常样本。采用多元散射校正(MSC)、标准正态变量(SNV)、Savitzky-Golay(SG)平滑滤波等方法进行光谱数据预处理,结果表明,采用SG(3)平滑结合MSC预处理效果最好。主成分分析表明,前10个主成分的累积贡献率达到99.966%。选取主成分分析得到前10个主成分为输入向量,4个产地作为目标向量,分别采用支持向量机(SVM)、邻近算法(KNN)与人工神经网络法(ANN)建立识别模型。结果表明,采用BP-ANN建模效果最好,总体测试集准确率为95.65%,其中阿根廷准确率为100%,巴西准确率为100%,乌拉圭准确率为80%,美国准确率为100%,该模型能够实现对进口大豆生产国别的识别。  相似文献   

5.
为实现对成安草莓的快速鉴别,本文采集了不同产地草莓样品的近红外吸收光谱,选择不同的光谱范围,经二阶导数、一阶导数+矢量归一化、最小-最大归一化等预处理,利用因子化法、合格性测试和主成分分析法(PCA)建立了成安草莓的鉴别模型,并取样对该模型进行验证。结果表明:三种模式识别方法对于其他产地草莓的识别正确率高于93.3%,因此认为,采用近红外光谱结合模式识别技术可快速、准确地鉴别成安草莓的真伪。  相似文献   

6.
基于近红外光谱技术的鸡肉产地溯源   总被引:1,自引:0,他引:1  
采用近红外光谱技术对辽宁大连、河北遵化、潍坊坊子、潍坊昌邑、潍坊诸城5个产地的100个鸡肉样本进行扫描,对这些样本的近红外光谱进行主成分分析、聚类分析,建立了鸡肉产地溯源的定性判别模型。试验结果表明:在全光谱范围(780~2 500 nm)内,经二阶求导(13点平滑)和矢量归一化(standard normal variate,SNV)预处理后,5个地区鸡肉的近红外光谱图有显著差异,鸡肉样本的主成分空间分布位于不同的区域,聚类分析树状图中不同产地也各自聚为一类。利用来自5个产区的30个独立样本对模型进行验证,识别率和拒绝率均为100%。此结果表明近红外光谱分析技术可准确、快速追溯鸡肉的产地来源。  相似文献   

7.
研究通过近红外光谱技术(NIRS)结合人工神经网络技术(ANN)识别银耳的不同产地。实验以四川省与福建省两个产地共120组银耳样品为研究对象,对其进行近红外光谱测定,计算光谱吸收值的平均偏差与一阶导数进而选取有效数据,结合主成分分析方法将原始数据降维并采用反向人工神经网络技术构建近红外分析模型。结果显示,通过对有效数据主成分分析,前3个主成分的累计方差贡献率达到100%,判断准确率为88.3%;进一步采用人工神经网络优化模型,在输出层为2隐藏层为11时,判断准确率达100%;此时校正集与预测集的均方根误差分别为3.05×10~(-2)与2.90×10~(-2),模型具有良好的泛化能力。因此,结合人工神经网络的近红外光谱检测技术,优化检测模型,能够准确、快速地识别银耳产地,为食品原材料的质量控制及地理标志的建立提供科学依据。  相似文献   

8.
国产烤烟烟叶的NIRS模式识别   总被引:20,自引:10,他引:10  
以近红外光谱的主成分描述烟叶特征,采用马氏距离判别准则对不同产地的国产烤烟烟叶进行了产地、部位、等级的模式识别。结果表明:①预测准确率随样本的复杂程度和数量而变,波动范围为74%~97%。错分率高于80%的样本主要集中在自然生态环境多样性和复杂性程度较高的云南、贵州、四川及重庆地区的交界地域,说明按照行政区划分烟叶产区不尽合理;②部位、等级识别的准确率低于产地的识别,这与样本数不够大、烟叶分级受人为因素影响较大有关。  相似文献   

9.
近红外光谱技术对加工后鸡肉产地溯源的研究   总被引:1,自引:0,他引:1       下载免费PDF全文
孙潇  史岩 《现代食品科技》2015,31(6):315-321
本文选择来自昌邑新昌、牟平仙坛、莱阳春雪、亚太中慧四个产地,不同厂家的180只同鸡龄同部位鸡肉样本,分别采用蒸、煮、微波三种方式加工后,经预处理粉碎过筛,利用安全、快速的近红外光谱技术,对不同产地的鸡肉样本进行近红外扫描并对所采集的近红外光谱进行聚类分析(CA)、主成分分析(PCA),针对三种加工方式分别建立鸡肉产地溯源的定性判别模型,以探究加工后鸡肉产地溯源的可行性。试验表明:在波数范围7000~4000 cm-1内,原始光谱经二阶求导(13点平滑)和矢量归一化(SNV)预处理后,经三种方式加工后鸡肉的近红外光谱图均有显著差异,其中聚类分析判别正确率均高于90%,鸡肉样本的主成分空间分布位于不同的区域。利用来自四个厂区的独立样本经相同处理后对模型进行验证,识别正确率可达90%~95%。近红外光谱分析技术对加工鸡肉制品的产地溯源具有可行性。  相似文献   

10.
基于近红外光谱的PLS-DA算法判别烤烟烟叶产地   总被引:1,自引:0,他引:1  
为了快速、无损地鉴别和识别烟叶的产地,以2008年产于四川、云南、重庆和福建的464个烤烟烟叶样品的近红外光谱为基础,采用PLS-DA算法建立了烤烟烟叶产地的分类判别模型.结果表明:①4个模型校正集分类变量的预测值与实测值的相关系数均超过0.94,模型拟合性较好;②模型对检验集样本的判别准确率均高于93.0%,效果良好;③可对四川、云南、重庆和福建烟叶的产地进行有效识别.  相似文献   

11.
基于NIR-PCA-SVM联用技术的烤烟烟叶产地模式识别   总被引:1,自引:0,他引:1  
为了更准确地对烟叶样品进行产地模式识别,检测了云南、河南、安徽、福建、贵州、吉林6省2010年生产的402个初烤烟叶样品的总糖、还原糖、总氮、烟碱、总氯、总钾含量,同时进行了近红外( NIR)光谱扫描,利用主成分分析( PCA)法和支持向量机算法(SVM)建立了烟叶产地模式识别模型,并对云南、河南、安徽、福建、贵州、吉...  相似文献   

12.
近红外光谱技术在烟草在制品稳定性分析中的应用   总被引:1,自引:0,他引:1  
为了研究烟草在制品化学成分的稳定性,在线采集了烘丝出口叶丝的近红外光谱(NIR),采用连续小波变换方法进行光谱预处理,结合主成分分析(PCA)方法研究了样品常规化学成分与NIR的关系;建立了烟草在制品稳定性的表征模型,并通过调整烘丝工序加工参数对模型进行了验证。结果表明:NIR能够对样品常规化学成分所包含的信息进行表征;当显著性水平α=0.05时,B牌号试验卷烟的表征模型对异常样品的识别率为100%,对正常样品的识别率为98%,A,C,D和E牌号卷烟的模型对正常样品的识别率分别为98.7%,99.3%,100%和98.4%。该NIR模型能够对烟草在制品质量进行有效的实时监测。  相似文献   

13.
基于近红外光谱技术的枸杞产地溯源研究   总被引:3,自引:0,他引:3  
采用近红外光谱技术对宁夏、甘肃、青海、内蒙、河北的8个不同产地40种枸杞样品进行扫描,在主成分分析基础上利用简易分类法(simple modeling of class analogy,SIMCA)模式识别原理分别建立模型。结果表明:在950~1650nm全光谱波长范围内,光谱经一阶导数(5点平滑)和矢量归一化(standard normal variate,SNV)预处理后,8个产地模型的主成分数均为3时,采用SIMCA模式识别法可以建立较为稳健的枸杞产地溯源模型;在α=5%的显著水平条件下检验模型的可靠性,8个产地校正集模型的识别率除青海为80%外,其他产地均为100%,拒绝率分别为100%、100%、97%、100%、91%、94%、97%、100%,其验证集模型的识别率均为100%,拒绝率分别为100%、100%、100%、100%、75%、88%、100%、100%。表明该方法在枸杞产地识别中具有可行性。  相似文献   

14.
分析利用可见/近红外光谱(400~1 000 nm)与中短波近红外光谱(900~1 700 nm)对不同自然霉变程度油茶果检测判别的可行性,实验同时采集不同霉变程度油茶果赤道阴面、阳面和接合面三点的两波段光谱,样品平均光谱的主成分分析(principal component analysis,PCA)发现不同霉变程度样品同组内具有一定聚类效果且PC1和PC2对于判别不同组间样品有效,全光谱偏最小二乘判别分析模型结果显示原始光谱已具有足够信息,建立的模型性能比预处理后全光谱更优。进一步进行特征波长选取,发现相比于PC载荷,连续投影法在两光谱范围选取波长建立的简化模型均为最优,预测集判别准确率与Kappa系数均为84.4%与0.766 7。结合预测集混淆矩阵发现,两光谱范围最优简化模型预测不同霉变组样品特异度相当,均在0.84以上,但900~1 700 nm中短波近红外光谱对于中等霉变程度的判别灵敏度(0.72)略高。本研究表明近红外光谱技术可用于油茶果的自然霉变程度检测,可见/近红外与中短波近红外光谱能力相当,考虑到仪器成本问题,可见/近红外光谱具有更好的实时检测应用前景。  相似文献   

15.
Near infrared spectra of apples contain the most useful information of the soluble solids content and firmness of apples. A new feature extraction method, called sorting discriminant analysis, was proposed to use a sorting method based on principal component analysis and linear discriminant analysis to extract the features of near infrared spectra. The objective of this research was to make use of feature extraction methods, such as principal component analysis, linear discriminant analysis, discriminant partial least squares, and sorting discriminant analysis to extract information from near infrared spectra of the “Huaniu” apples and the “Fuji” apples. After feature extraction, the nearest neighbor classifier was used to classify the apples, and the classification results were compared to study that which feature extraction method performed best. The experimental results showed principal component analysis + linear discriminant analysis and sorting discriminant analysis could extract discriminant information from near infrared spectra of apples better than principal component analysis and discriminant partial least squares, and sorting discriminant analysis was the best one. Sorting discriminant analysis can not only compress the high-dimensional near infrared spectra to the low-dimensional data but also project near infrared spectra to a new feature space where the data can be classified easily and effectively, and sorting discriminant analysis is superior to principal component analysis + linear discriminant analysis in most cases.  相似文献   

16.
目的 建立红外光谱预处理方法以实现对不同品牌燕麦的快速无损鉴别。方法 通过对不同品牌燕麦样品近红外光谱进行采集, 结合单一以及组合光谱预处理方法消除光谱干扰, 最后利用主成分分析法构建稳健的鉴别模型。结果 光谱预处理有效消除了变动背景以及基线漂移干扰, 最佳预处理方法为二阶导数, 可以实现进口、国产、劣质燕麦之间的完全鉴别。结论 通过近红外光谱预处理方法对原始光谱图进行处理, 可以提取光谱图中有用信息, 消除样品自身不均等因素对光谱的影响, 提高不同品牌燕麦鉴别的准确率。  相似文献   

17.
基于可见近红外光谱玉米种子活力的无损 检测方法   总被引:1,自引:0,他引:1  
目的基于近红外漫反射技术,初步探讨玉米种子活力的快速、无损检测方法。方法本研究利用实验室自行搭建的近红外光谱检测系统获取60粒表面平整无明显损伤的M017玉米种子450~900 nm光谱曲线,其中校正集和验证集比例为3:1。利用红墨水染色法判定玉米种子样品是否具有活力。通过进行SG-5点平滑(Savitzky-Golay smoothing,SG)预处理方法减小曲线噪声,基于主成分分析(principal component analysis,PCA)方法提取主要判别成分,并依据测定的种子活力情况和其光谱曲线应用支持向量机(support vector machine,SVM)建立判别模型进行分析。结果当累计贡献率达到96%时,选取6个主成分,建立的模型判别正确率最高,近红外漫反射光谱数据能够较好的判别种子活力的有无,其中校正集和预测集判别正确率分别为95.56%和86.67%。结论证明该方法可行,基本能够满足快速无损检测判别玉米种子活力的要求,为今后快速无损检测玉米种子活力奠定了基础。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号