光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
7期
1840-1843
,共4页
蛋白质%正交信号校正%偏最小二乘%建模%近红外光谱
蛋白質%正交信號校正%偏最小二乘%建模%近紅外光譜
단백질%정교신호교정%편최소이승%건모%근홍외광보
用色散扫描型仪器采集大麦样品的近红外光谱,扫描出的光谱携带了大量样品化学值信息,采用正交信号校正(OSC)预处理方法对这些原始光谱进行处理,剔除噪声等不相关因子以后建立偏最小二乘(PLS)近红外光谱分析模型(OSC-PLS),预测大麦蛋白质的含量,并与传统PLS建模方法进行对比.基于OSC-PLS算法的蛋白质含量近红外光谱分析模型的测定系数R2为0.901,检验集的化学值与模型预测值的相关系数r达到0.971 7,分析模型的预测标准偏差SD为0.545 0,相对标准偏差RSD为4.2%.结果表明,OSC-PLS回归方法能在较大程度上消除无关因素的影响,在简化模型的同时提高了模型的可解释性,能够建立准确的大麦蛋白质含量近红外预测模型,可代替经典分析方法,满足农产品快速分析的需要.
用色散掃描型儀器採集大麥樣品的近紅外光譜,掃描齣的光譜攜帶瞭大量樣品化學值信息,採用正交信號校正(OSC)預處理方法對這些原始光譜進行處理,剔除譟聲等不相關因子以後建立偏最小二乘(PLS)近紅外光譜分析模型(OSC-PLS),預測大麥蛋白質的含量,併與傳統PLS建模方法進行對比.基于OSC-PLS算法的蛋白質含量近紅外光譜分析模型的測定繫數R2為0.901,檢驗集的化學值與模型預測值的相關繫數r達到0.971 7,分析模型的預測標準偏差SD為0.545 0,相對標準偏差RSD為4.2%.結果錶明,OSC-PLS迴歸方法能在較大程度上消除無關因素的影響,在簡化模型的同時提高瞭模型的可解釋性,能夠建立準確的大麥蛋白質含量近紅外預測模型,可代替經典分析方法,滿足農產品快速分析的需要.
용색산소묘형의기채집대맥양품적근홍외광보,소묘출적광보휴대료대량양품화학치신식,채용정교신호교정(OSC)예처리방법대저사원시광보진행처리,척제조성등불상관인자이후건립편최소이승(PLS)근홍외광보분석모형(OSC-PLS),예측대맥단백질적함량,병여전통PLS건모방법진행대비.기우OSC-PLS산법적단백질함량근홍외광보분석모형적측정계수R2위0.901,검험집적화학치여모형예측치적상관계수r체도0.971 7,분석모형적예측표준편차SD위0.545 0,상대표준편차RSD위4.2%.결과표명,OSC-PLS회귀방법능재교대정도상소제무관인소적영향,재간화모형적동시제고료모형적가해석성,능구건립준학적대맥단백질함량근홍외예측모형,가대체경전분석방법,만족농산품쾌속분석적수요.
