基于抽取和連續(xù)投影算法的可見近紅外光譜變量篩選

摘要：大多數(shù)短波CCD硅檢測(cè)器為2 048或3 648像元,相鄰波長(zhǎng)間隔小,預(yù)處理算法對(duì)其適用性差.本文在600.09～980.47 nm光譜范圍內(nèi),采用等間隔抽取方法重構(gòu)光譜矩陣.經(jīng)不同光譜預(yù)處理后,分別采用遺傳算法(GA)和連續(xù)投影算法(SPA),篩選偏最小二乘法(PLS)建模變量.采用留一法交叉驗(yàn)證評(píng)價(jià)模型的預(yù)測(cè)能力,經(jīng)比較,SPA篩選變量建立的PLS模型的預(yù)測(cè)效果最優(yōu),南豐蜜桔可溶性同形物、總酸和維生素C的PLS模型交叉驗(yàn)證標(biāo)準(zhǔn)差分別為0.661°Brix,0.067％和2.91 mg· (100 g)-1.結(jié)果表明光譜抽取結(jié)合SPA的變量篩選方法可提高南豐蜜桔品質(zhì)可見近紅外光譜模型的預(yù)測(cè)能力. 作者： 孫旭東  郝勇  蔡麗君  劉燕德 Author： SUN Xu-dong,  HAO Yong  CAI Li-jun  LIU Yan-de 作者單位： 華東交通大學(xué)機(jī)電工程學(xué)院,光機(jī)電技術(shù)及應(yīng)用研究所,江西南昌330013 期 刊： 光譜學(xué)與光譜分析   ISTICEISCIPKU Journal： Spectroscopy and Spectral Analysis 年，卷(期)： 2011, 31(9) 分類號(hào)： S123 O434 關(guān)鍵詞： 可見近紅外    光譜抽取    連續(xù)投影    南豐蜜桔    機(jī)標(biāo)分類號(hào)： O65 TP3 機(jī)標(biāo)關(guān)鍵詞： 抽取方法    投影算法    可見近紅外光譜    變量篩選    預(yù)測(cè)能力    南豐蜜桔    評(píng)價(jià)模型    交叉驗(yàn)證    偏最小二乘法    預(yù)處理算法    光譜預(yù)處理    SPA    PLS    預(yù)測(cè)效果    遺傳算法    篩選方法    光譜模型    光譜范圍    波長(zhǎng)間隔    維生素 基金項(xiàng)目： 國(guó)家科技支撐計(jì)劃項(xiàng)目，江西省對(duì)外科技合作計(jì)劃項(xiàng)目，江西省主要學(xué)科學(xué)術(shù)和技術(shù)帶頭人培養(yǎng)對(duì)象計(jì)劃項(xiàng)目 基于抽取和連續(xù)投影算法的可見近紅外光譜變量篩選[期刊論文]  光譜學(xué)與光譜分析 --2011, 31(9)孫旭東  郝勇  蔡麗君  劉燕德大多數(shù)短波CCD硅檢測(cè)器為2 048或3 648像元,相鄰波長(zhǎng)間隔小,預(yù)處理算法對(duì)其適用性差.本文在600.09～980.47 nm光譜范圍內(nèi),采用等間隔抽取方法重構(gòu)光譜矩陣.經(jīng)不同光譜預(yù)處理后,分別采用遺傳算法(GA)和連續(xù)投影算法(SPA),...

【基于抽取和連續(xù)投影算法的可見近紅外光譜變量篩選】相關(guān)文章：

不同貯存溫度蜂花粉的可見-近紅外光譜鑒別04-26

基于近紅外光譜技術(shù)的農(nóng)作物病害診斷04-27

基于近紅外光譜的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)大米直鏈淀粉含量04-28

基于主成分分析和BP神經(jīng)網(wǎng)絡(luò)的土壤養(yǎng)分近紅外光譜檢測(cè)04-29

霉變板栗的近紅外光譜和神經(jīng)網(wǎng)絡(luò)方法判別04-26

基于正弦變換的紅外圖像均衡算法05-02

玉米自交系品質(zhì)性狀的近紅外光譜測(cè)定04-30

基于BP神經(jīng)網(wǎng)絡(luò)的啤酒酒精度近紅外光譜快速檢測(cè)04-27

基于支持向量機(jī)的紅外成像跟蹤算法04-27

異穗卷柏的顯微與近紅外光譜鑒定研究04-26