基于湿热参数的油茶籽干燥过程含水率在线预测

为在线获取干燥过程中油茶籽含水率,在不同干燥温度(50?60?70℃)?干燥风速(0.5?1.0?2.0m/s)工况下进行热风干燥试验。通过获取干燥过程实时空气湿热数据,分析了湿热参数与含水率的相关关系。运用随机森林算法,基于干燥工况参数与空气湿热参数建立了8种不同输入参数组合下的含水率在线预测模型。研究表明：采用基于干燥工况参数与干燥腔进出口含湿量差、含湿量差变化率参数建立的随机森林模型具有最佳的预测精度。在预测集上模型预测值与实测值的决定系数R_²为0.9926,均方根误差RMSE为0.035,表明采用本方法可以有效预测油茶籽干燥过程含水率。本研究为干燥领域含水率在线检测提供一种新的方法。     

基于温度修正和可见/近红外光谱的油茶籽含水率检测

目的:解决干燥时温度变化对可见/近红外光谱检测油茶籽含水率的影响,并提出一种基于温度修正的油茶籽含水率检测模型。方法:在不同温度下(50,60,70 ℃)进行干燥试验,采集光谱数据。通过获取不同温度下采集的光谱数据,分析温度对光谱影响的原因。对比3种光谱预处理方式,运用竞争性自适应重加权算法(CARS)和偏最小二乘回归算法(PLSR),建立60 ℃下的基准PLSR模型。并采用斜率/偏差法对50,70 ℃下的外部样本预测值进行修正。结果:50,70 ℃下,修正前和修正后的决定系数分别为0.729和0.848,0.763和0.862;相对分析误差RPD值分别为1.921和2.565,2.054和2.692。结论:修正模型可以有效提高预测精度,达到良好的预测效果,克服了温度的影响。     

基于XGBoost的掺伪茶油光谱鉴别模型

为实现采用紫外-可见-近红外光谱技术鉴别掺伪茶油的目的，研究首先通过向茶油中掺入不同比例的葵花籽油、玉米胚芽油和花生油制备掺伪茶油，然后采用自制的透射光谱采集实验平台获得光谱数据，对原始光谱进行预处理后，分别以竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、Boruta算法进行特征波长筛选，最后建立了基于XGBoost的掺伪茶油鉴别模型。研究结果表明，原始光谱经过SG-连续小波变换[CWT(分解尺度2⁵,L5)]预处理和Boruta特征波长筛选后，所建立的XGBoost模型鉴别性能最佳，测试集的准确率、灵敏度和特异性分别达到了98.18%、100.00%和97.62%。通过与常用的支持向量机(SVM)和极限学习机(ELM)模型对比后得到，XGBoost模型的准确率分别提高了3.63%和1.82%,特异性分别提高了4.76%和2.38%。