基于iPLS的油脂过氧化值近红外光谱特征波段选择

在大豆油脂过氧化值近红外光谱分析中,利用间隔偏最小二乘法(interval partial least square,iPLS)实现油脂光谱特征波段选择。分别将全谱波段以10个数据点间隔和20个数据点间隔分成若干个小波段,然后对全谱和每个小波段分别用PLS回归建模,用预测残差平方和(predicted residual sum of squares,PRESS)对模型进行评价。结果表明：经过特征波段选择后,50个波长点模型的决定系数、预测误差均方根、相对误差均值分别为0.9791、0.0513和2.12%,有效地减少建模的变量数,预测精度得到提高。     

基于SVM的大豆油脂色泽近红外光谱分析

针对罗维朋比色计在油脂色泽测定中存在的问题,提出了一种基于支持向量机(SVM)的大豆油脂色泽近红外光谱分析方法。首先采用C-SVM对3种不同罗维朋黄值的大豆油脂进行模式识别,设计出适合油脂色泽近红外光谱识别的SVM分类器,识别正确率达到100%。然后利用ε-SVR对不同罗维朋黄值的大豆油脂近红外光谱数据与罗维朋红值进行回归,分别建立了不同级别大豆油脂色泽的SVM校正模型,预测误差均在0.2个罗维朋单位以内。研究表明,利用近红外光谱技术实现油脂色泽的定性定量分析是可行的,为进一步实现油脂色泽在线监测和调控提供参考。