| 基于近红外光谱技术的葵花籽品质分析 |
| |
| 引用本文： | 李壮壮,吴琼水,黄莎.基于近红外光谱技术的葵花籽品质分析[J].科学技术与工程,2020,20(10):4061-4065. |
| |
| 作者姓名： | 李壮壮 吴琼水 黄莎 |
| |
| 作者单位： | 武汉大学电子信息学院,光谱成像实验室,武汉430072;武汉大学电子信息学院,光谱成像实验室,武汉430072;武汉大学电子信息学院,光谱成像实验室,武汉430072 |
| |
| 摘 要： | 葵花籽作为国内需求量很大的油料作物，常用的化学检测方法虽然准确性高，但是时间久，破坏样本完整性，难以实现快速检测。为了研究近红外光谱法快速无损检测葵花籽中蛋白、脂肪及水分含量的准确性，本文使用454份葵花籽样本近红外光谱数据及蛋白质、水、脂肪三个含量信息为测试对象，随机选取其中383份作为测试集，71份作为验证集，对测试集使用不同的预处理方法之后分别进行PLS和BP神经网络建模，并通过验证集对模型进行预测分析。结果发现:(1)PLS模型预测中发现小波变换的预处理方法对蛋白质含量的预测最好RMSECV=0.343,RMSEP=0.296,小波变换的预处理方法对水分含量的预测最好RMSECV=0.299,RMSEP=0.354,标准化的预处理方法对脂肪含量的预测最好RMSECV=0.285, RMSEP=0.316;BP神经网络预测中一阶导数+均值中心化对蛋白质含量的预测最好RMSEP=0.341,一阶导数对水分含量的预测最好RMSEP=0.329,一阶导数+标准化对脂肪含量的预测最好RMSEP=0.312。(2)BP神经网络模型与PLS模型预测对比发现，PLS模型预测精度要高于BP神经网络模型。
|
| 关 键 词： | 近红外光谱技术 葵花籽品质测定 PLS BP神经网络 预处理方法 |
| 收稿时间： | 2019/7/17 0:00:00 |
| 修稿时间： | 2020/1/2 0:00:00 |
Quality Analysis of Sunflower Seed Based on Near Infrared Spectroscopy |
| |
| Li Zhuangzhuang,Wu Qiongshui,Huang Sha.Quality Analysis of Sunflower Seed Based on Near Infrared Spectroscopy[J].Science Technology and Engineering,2020,20(10):4061-4065. |
| |
| Authors: | Li Zhuangzhuang Wu Qiongshui Huang Sha |
| |
| Institution: | School of Electronic Information, Wuhan University,, |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
