农业工程学报
農業工程學報
농업공정학보
2011年
8期
350-354
,共5页
李水芳%单杨%朱向荣%李忠海
李水芳%單楊%硃嚮榮%李忠海
리수방%단양%주향영%리충해
近红外光谱%小波变换%径向基函数神经网络%蜂蜜%产地判别%偏最小二乘-线性判别分析
近紅外光譜%小波變換%徑嚮基函數神經網絡%蜂蜜%產地判彆%偏最小二乘-線性判彆分析
근홍외광보%소파변환%경향기함수신경망락%봉밀%산지판별%편최소이승-선성판별분석
为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析.kennard-Stone法划分训练集和预测集.光谱用一阶导数加自归一化预处理后,再用小波变换(WT)进行压缩和滤噪.结合滤波后光谱信息,分别用径向基神经网络(RBFNN)和偏最小二乘—线性判别分析(PLS-LDA)建立了苹果蜜产地和油菜蜜产地的判别模型.对不同小波基和分解尺度进行了讨论.对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%.对油菜蜜:WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%.研究表明:WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力.
為瞭實現蜂蜜產地的快速判彆,應用近紅外光譜結閤化學計量學方法對蜂蜜產地進行瞭判彆分析.kennard-Stone法劃分訓練集和預測集.光譜用一階導數加自歸一化預處理後,再用小波變換(WT)進行壓縮和濾譟.結閤濾波後光譜信息,分彆用徑嚮基神經網絡(RBFNN)和偏最小二乘—線性判彆分析(PLS-LDA)建立瞭蘋果蜜產地和油菜蜜產地的判彆模型.對不同小波基和分解呎度進行瞭討論.對蘋果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基為db1、分解呎度為2時的預測精度較好,都為96.2%.對油菜蜜:WT-RBFNN模型在小波基為db4和分解呎度為1時,預測精度較好,為85.7%;WT-PLS-LDA模型在小波基為db9、分解呎度也為1時,預測精度較好,為90.5%.研究錶明:WT結閤線性的PLS-LDA建模比WT結閤非線性的RBFNN建模更適于蜂蜜產地判彆;近紅外光譜技術具有快速判彆蜂蜜產地的潛力.
위료실현봉밀산지적쾌속판별,응용근홍외광보결합화학계량학방법대봉밀산지진행료판별분석.kennard-Stone법화분훈련집화예측집.광보용일계도수가자귀일화예처리후,재용소파변환(WT)진행압축화려조.결합려파후광보신식,분별용경향기신경망락(RBFNN)화편최소이승—선성판별분석(PLS-LDA)건립료평과밀산지화유채밀산지적판별모형.대불동소파기화분해척도진행료토론.대평과밀,WT-RBFNN모형화WT-PLS-LDA모형도시소파기위db1、분해척도위2시적예측정도교호,도위96.2%.대유채밀:WT-RBFNN모형재소파기위db4화분해척도위1시,예측정도교호,위85.7%;WT-PLS-LDA모형재소파기위db9、분해척도야위1시,예측정도교호,위90.5%.연구표명:WT결합선성적PLS-LDA건모비WT결합비선성적RBFNN건모경괄우봉밀산지판별;근홍외광보기술구유쾌속판별봉밀산지적잠력.