共查询到20条相似文献,搜索用时 15 毫秒
1.
为了能够无损、准确检测出稻谷在贮藏过程中的宜存状况,利用近红外光谱技术结合数据分析方法建立了稻谷贮藏品质的鉴别模型。采集1 000~1 800 nm范围内285份样品近红外光谱数据,依据实测脂肪酸值将样品宜存状况划分为宜存、轻度不宜存、重度不宜存三类,采用邻域粗糙集(neighborhood rough set,NRS)算法终选出最优的10个特征波长结合随机森林(random forest,RF)算法所建立的稻谷贮藏品质鉴别模型性能最优,其校正集与测试集正确识别率分别为96.31%和9368%,敏感性和特异性参数分布在0.93~0.99。经分析比较,该模型性能同样优于采用连续投影算法(successive projections algorithm,SPA)和主成分分析(principal component analysis,PCA)结合RF算法各自建立的分类模型。结果表明,近红外光谱技术结合NRS和RF算法用于稻谷贮藏品质的鉴定是可行的,适用于储粮品质安全现场快速筛查。 相似文献
2.
目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403~5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505~4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。 相似文献
3.
4.
该研究针对传统人工感官评价方法的不足,基于可见/近红外光谱技术结合支持向量机(support vector machine, SVM)和随机森林(random forest, RF)建立了2种新鲜度快速评价模型,以期为蓝莓新鲜度的快速准确评价提供参考。以10℃恒温贮藏绿宝石蓝莓为研究对象,利用可见/近红外光谱仪采集其不同贮藏天数样品的光谱信息,综合考虑贮藏时间、外观、质量损失率、硬度、可溶性固形物和维生素C含量这6个反映蓝莓新鲜度的理化指标,计算新鲜度综合得分,将不同贮藏期的蓝莓样品划分为新鲜、次新鲜和不新鲜3个类别。光谱数据应用Savitzky-Golay(S-G)卷积平滑预处理,再采用主成分分析提取光谱特征信息。为使最佳主成分选取更合理,在使用粒子群算法寻优SVM参数时,对主成分个数在[1,20]范围进行了测试,结合5折交叉检验分类准确率最佳值,确定最佳主成分个数为5。以前5个主成分得分为输入变量,新鲜度类别为输出量,基于SVM和RF建立2种新鲜度快速评价模型。结果显示,SVM模型训练集和测试集识别准确率分别为97.78%和88%,RF模型训练集和测试集识别准确率分别为100%和8... 相似文献
5.
采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。 相似文献
6.
近红外光谱用于鉴别苹果产地的研究 总被引:3,自引:0,他引:3
目的:探索近红外光谱定性分析技术鉴别苹果产地的可行性。方法:对天津、陕西和北京3个产地富士苹果品质进行了分析,比较了波段范围、导数处理和散射及标准化处理建立主成分分析结合最小二乘法产地鉴别模型。结果:在1100~1848 nm波段范围内采用一阶导数结合趋势变化法散射处理的光谱预处理方法最优,校正集的鉴别正确率为100%,校正交互验证误差(SECV)0.1245,交互验证相关系数(Rcv)0.9641,预测集的鉴别正确率为98.33%。结论:应用近红外光谱定性分析技术可以准确地、快速地追溯苹果产地的溯源。 相似文献
7.
本文采用近红外光谱技术结合化学计量学方法,建立稻谷水分含量测定的快速分析方法。试验选取江苏省不同地区的两年内197份稻谷样品作为建模集样品,对其进行化学分析和图谱扫描处理,通过近红外化学计量学软件初步建立稻谷水分含量的预测模型。建模结果显示运用PLS(偏最小二乘法)建立的分析模型预测效果最优,决定系数(R2)高达0.9689,交互验证标准差(SECV)为0.3434,选取24个未知样品作为验证集样品,验证决定系数(R2)高达0.9806,预测标准差为0.0933。结果表明,近红外光谱技术可以用于稻谷水分含量的快速测定。 相似文献
8.
9.
10.
目的建立一种微型近红外光谱技术快速判别白芍药材品质合格与否的方法。方法对106批次白芍药材样品采用HPLC法测定芍药苷的含量,同时采用微型近红外光谱仪采集样品光谱,根据药材芍药苷含量大于或小于1.2%,将药材区分为合格与不合格两类,采用偏最小二乘法判别分析(PLSDA)建立合格与不合格药材判别模型,并采用训练集样本对模型预测能力进行外部验证,以识别率和拒绝率为模型评价参数。结果模型验证集、校正集及训练集的识别率和拒绝率均达100%。结论微型近红外光谱技术能准确、快速判别白芍药材的质量。本研究对快速鉴别药材质量具有指导意义。 相似文献
11.
目的:建立一种无损、快速高效的稻谷水分含量检测方法。方法:研究收集了不同年份的稻谷样品161份,运用近红外光谱结合化学计量学方法,通过剔除异常光谱和光谱预处理,采用偏最小二乘法建立稻谷水分含量预测模型。结果:采用主成分分析结合马氏距离的方法剔除异常光谱样品15个,最佳的光谱预处理方式为消除常数偏移量。训练集建立的预测模型(RCAL2)为0.9943,模型标准偏差(RMSEC)为0.21%,模型交叉验证决定系数(RCV2)为0.9936,模型交叉验证标准偏差(RMSECV)为0.32%,表明预测模型交叉验证预测样品水分含量准确度高。用验证集样品检验预测模型,模型验证集验证决定系数R 2 VA L为0.9801,模型验证集验证标准偏差(RMSEP)值为0.36%,相对分析误差(RPD)值为7.14,表明预测模型对未知样品的预测准确度高。验证集样品实测值与预测值均值方程T检验结果P值(双侧)为0.879,验证集样品实测值与预测值之间差异不显著,表明预测模型的预测结果可信度高,验证集样品预测值与实测值的误差在±1%,且90%以上的验证集样品其预测值与实测值的误差都在±0.5%以内。结论:建立的稻谷水分预测模型可以实现收储稻谷的无损、快速、准确检测。 相似文献
12.
采集150份有代表性的我国南方地区稻谷样品的近红外光谱,用偏最小二回归分析法(PLS),建立了稻谷的水分、直链淀粉、蛋白以及胶稠度的近红外定量分析模型,并对30份预测集样品进行了验证。水分、直链淀粉、蛋白以及胶稠度的校正集模型的决定系数所(R2)分别为0.990 3、0.560 3、0.913 2以及0.678 0,交互验证均方根误差(RMSECV)分别为0.372 8%、1.456 9%、0.305 4%以及5.031 5%;验证集标准预测偏差(RMSEP)分别为0.382 5%、1.465 0%、0.510 0%以及5.052 1%。结果表明,近红外光谱分析法可以满足快速分析的要求。 相似文献
13.
目的 建立基于傅里叶近红外光谱技术的定量分析模型,实现快速测定食用油中酸值和过氧化值含量,保证食用油的品质安全以及跟踪食用油储藏期间的品质变化。方法 首先采用傅里叶近红外光谱仪采集食用油样品漫反射光谱,接着采用归一化(Normalize)和标准正态变换(standard normal variate,SNV)对光谱数据进行预处理,降低原始光谱中噪声的影响;其次通过随机森林(random forest,RF)和引导软收缩(bootstrapping soft shrinkage,BOSS)算法提取特征波长;最后结合径向基函数(radial basis function,RBF)神经网络和极限学习机(extreme learning machine,ELM)建立食用油酸值和过氧化值的预测模型,并与全波段的模型进行对比分析。结果 经过BOSS算法所提取的特征波段建立的模型预测效果优于RF算法以及全波段模型,酸值模型的决定系数(determination coefficient,R2)达到0.98,均方根误差(root mean square error,RMSE)达到0... 相似文献
14.
提出一种基于近红外光谱技术结合偏最小二乘法对面粉品质进行无损快速检测的方法.配制含滑石粉的面粉样品30个,采集样品在12500~4000cm^-1范围内的近红外漫反射光谱,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)建立定量分析模型.结果表明所建定量分析模型的相关性能比较高,预测相关系数和预测均方根误... 相似文献
15.
采用近红外光谱法结合化学计量学方法对桃果实的可溶性固形物(SSC)含量、总酸(TA)含量、糖酸比和硬度等4种品质进行快速检测,研究不同光谱预处理算法对模型的影响,建立偏最小二乘法(PLS)预测模型。建模前,采用方差分析和Pearson相关性分析研究几种指标的关系。桃果实贮藏期的SSC含量、TA含量、糖酸比和硬度最优PLS模型的校正集相关系数分别为0.93,0.69,0.74和0.97;验证集相关系数分别为0.79,0.69,0.68和0.95。交互验证均方根误差(RMSECV)为0.56,0.11,4.24和8.81,预测集均方根误差(RMSEP)为0.89,0.10,6.02和16.22。试验结果表明,近红外光谱对桃果实SSC含量和硬度的快速检测是可行性的,TA含量和糖酸比的预测算法需进一步优化。本研究为实际生产中近红外光谱对桃果实低温贮藏品质无损检测与质量控制提供技术参考。 相似文献
16.
目的:提出一种利用近红外光谱技术无损快速检测工夫红茶含水率、游离态氨基酸、茶多酚品质的新方法。方法:实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS 7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合含水率、游离态氨基酸、茶多酚含量建立预测模型,分析预测模型的预测性能。结果:各预测模型预测精准度高,均可用于工夫红茶含水率、游离态氨基酸、茶多酚品质预测。其中,各模型校正相关系数(Rc)为92.76%~99.28%,校正均方根误差(RMSEC)为0.016~0.0437;预测相关系数(Rp)为97.41%~98.46%,预测均方根误差(RMSEP)为0.00915~0.0168。各模型校正集和预测集均有较高的拟合度,模型预测性能游离态氨基酸>含水率>茶多酚。结论:近红外光谱图结合含水率、游离态氨基酸、茶多酚品质含量建立的各预测模型预测性能优,适合工夫红茶品质评价。 相似文献
17.
脐橙总糖近红外光谱模型传递研究 总被引:1,自引:0,他引:1
为实现近红外光谱模型在同类光谱仪器间的共享,以脐橙总糖为例,在主仪器上建立最优的偏最小二乘(PLS)近红外光谱模型,采用斜率截距(Slope/Bias)校正法和直接校正(DS)算法把主仪器上建立的模型传递到从仪器上,并探讨标准化样品个数对模型传递效果的影响。研究表明:在主仪器建立的模型经DS算法传递后,从仪器预测集的预测标准差(RMSEP)为0.448%,经Slope/Bias校正法传递后的预测标准差(RMSEP)为0.756%,DS算法更优于Slope/Bias校正法,利用直接校正法实现脐橙总糖傅里叶近红外光谱模型传递是可行的。 相似文献
18.
基于近红外光谱技术(NIRS)对工夫红茶审评品质客观评价研究 总被引:1,自引:0,他引:1
目的:提出一种利用近红外光谱技术客观评价工夫红茶品质的新方法。方法:实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合感官审评结果进行建立预测模型,分析预测模型的预测性能。结果:各预测模型预测精准度高,均可用于工夫红茶审评品质预测。其中,各模型校正相关系数(Rc)为96.07%~98.80%,校正均方根误差(RMSEC)为0.148~0.419;预测相关系数(Rp)为90.04%~98.34%,预测均方根误差(RMSEP)为0.105~0.357。各模型校正集和预测集均有较高的拟合度,总分模型预测精准度高于其他几个单因子感官模型。结论:近红外光谱图结合感官审评结果建立的各预测模型预测性能优,适合工夫红茶审评品质评价。 相似文献
19.
近红外技术对不同动物来源肉掺假的检测 总被引:1,自引:0,他引:1
采用近红外光谱结合主成分分析法(PCA)、判别分析法,分别建立了牛肉和羊肉中掺杂其它动物肉的定性鉴别模型,根据鉴别准确率评价模型的预测性能。采用近红外光谱结合PCA、偏最小二乘法(PLS),建立了掺假物的定量检测模型,根据模型对预测集样品的预测均方差(RMSEP)以及预测值与实测值间的相关系数(r)验证模型的预测能力。结果,牛肉掺猪肉模型对训练集和预测集的鉴别准确率分别为97.86%和91.23%,羊肉掺猪肉模型对训练集和预测集的鉴别准确率分别为98.28%和92.98%,羊肉掺鸭肉模型对训练集和预测集的鉴别准确率分别为99.59%和93.97%,羊肉掺假模型对训练集和预测集的鉴别准确率分别为97.57%和90.76%。牛肉掺假定量模型对训练集的交互验证均方差(RMSECV)和预测集的RMSEP分别为3.87%和4.13%,r分别为0.9505和0.9134;羊肉掺假定量模型对训练集的RMSECV和预测集的RMSEP分别为4.48%和4.86%,r分别为0.9306和0.9082。表明近红外技术结合一定的化学计量学方法可实现不同动物来源肉掺假的鉴别,且能够对掺假物进行定量检测。 相似文献
20.
目的:提出一种利用近红外光谱技术客观评价工夫红茶品质的新方法。方法:实验样品共计240个,手动选择180个样品作为校正级,剩余60个样品作为预测集;利用OPUS7.0软件优化出各模型最佳波数段和最佳预处理方法,平滑点数17,维数1,结合感官审评结果进行建立预测模型,分析预测模型的预测性能。结果:各预测模型预测精准度高,均可用于工夫红茶审评品质预测。其中,各模型校正相关系数(Rc)为96.07%~98.80%,校正均方根误差(RMSEC)为0.148~0.419;预测相关系数(Rp)为90.04%~98.34%,预测均方根误差(RMSEP)为0.105~0.357。各模型校正集和预测集均有较高的拟合度,总分模型预测精准度高于其他几个单因子感官模型。结论:近红外光谱图结合感官审评结果建立的各预测模型预测性能优,适合工夫红茶审评品质评价。 相似文献