光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
3期
686-689
,共4页
张愿%张录达%白琪林%陈绍江
張願%張錄達%白琪林%陳紹江
장원%장록체%백기림%진소강
近红外光谱%BP人工神经网络%高油玉米
近紅外光譜%BP人工神經網絡%高油玉米
근홍외광보%BP인공신경망락%고유옥미
以75粒普通玉米、72粒高油玉米和73粒超高油玉米共计220粒玉米籽粒样品为实验材料,通过玉米籽粒的近红外光谱结合主成分信息提取技术建立了不同油分含量的玉米籽粒样品的BPANN识别模型.为考察模型的实际应用效果,连续10次随机划分样品集,每次在各类别玉米籽粒中随机选取4/5作为建模集,剩余1/5作为预测集,选择光谱信息的第2~15个主成分作为网络输入,样品以3个类别值-1,0,1作为目标输出,10次建模的学习识别率均达到100%.以所建BPANN模型对预测集样品进行分类识别,普通玉米、高油玉米和超高油玉米籽粒平均正确识别率分别为99.33%,97.88%和91.43%,总体正确识别率平均达到95%以上.研究结果表明BP人工神经网络近红外光谱法建立玉米籽粒识别模型可对不同油分含量的玉米籽粒进行快速、无损识别,对于玉米籽粒的选育工作具有一定的指导意义.另外还探讨了选择主成分建模对不同油分含量的玉米籽粒种类识别效果的影响,结果显示具有方差贡献率99%以上的光谱第一主成分参与建模,对模型预测效果有负影响,说明不同主成分包含的区分普通、高油与超高油玉米籽粒的分类信息不同,因此近红外光谱法建立样品分类识别模型时选择不同主成分建模是有必要的.
以75粒普通玉米、72粒高油玉米和73粒超高油玉米共計220粒玉米籽粒樣品為實驗材料,通過玉米籽粒的近紅外光譜結閤主成分信息提取技術建立瞭不同油分含量的玉米籽粒樣品的BPANN識彆模型.為攷察模型的實際應用效果,連續10次隨機劃分樣品集,每次在各類彆玉米籽粒中隨機選取4/5作為建模集,剩餘1/5作為預測集,選擇光譜信息的第2~15箇主成分作為網絡輸入,樣品以3箇類彆值-1,0,1作為目標輸齣,10次建模的學習識彆率均達到100%.以所建BPANN模型對預測集樣品進行分類識彆,普通玉米、高油玉米和超高油玉米籽粒平均正確識彆率分彆為99.33%,97.88%和91.43%,總體正確識彆率平均達到95%以上.研究結果錶明BP人工神經網絡近紅外光譜法建立玉米籽粒識彆模型可對不同油分含量的玉米籽粒進行快速、無損識彆,對于玉米籽粒的選育工作具有一定的指導意義.另外還探討瞭選擇主成分建模對不同油分含量的玉米籽粒種類識彆效果的影響,結果顯示具有方差貢獻率99%以上的光譜第一主成分參與建模,對模型預測效果有負影響,說明不同主成分包含的區分普通、高油與超高油玉米籽粒的分類信息不同,因此近紅外光譜法建立樣品分類識彆模型時選擇不同主成分建模是有必要的.
이75립보통옥미、72립고유옥미화73립초고유옥미공계220립옥미자립양품위실험재료,통과옥미자립적근홍외광보결합주성분신식제취기술건립료불동유분함량적옥미자립양품적BPANN식별모형.위고찰모형적실제응용효과,련속10차수궤화분양품집,매차재각유별옥미자립중수궤선취4/5작위건모집,잉여1/5작위예측집,선택광보신식적제2~15개주성분작위망락수입,양품이3개유별치-1,0,1작위목표수출,10차건모적학습식별솔균체도100%.이소건BPANN모형대예측집양품진행분류식별,보통옥미、고유옥미화초고유옥미자립평균정학식별솔분별위99.33%,97.88%화91.43%,총체정학식별솔평균체도95%이상.연구결과표명BP인공신경망락근홍외광보법건립옥미자립식별모형가대불동유분함량적옥미자립진행쾌속、무손식별,대우옥미자립적선육공작구유일정적지도의의.령외환탐토료선택주성분건모대불동유분함량적옥미자립충류식별효과적영향,결과현시구유방차공헌솔99%이상적광보제일주성분삼여건모,대모형예측효과유부영향,설명불동주성분포함적구분보통、고유여초고유옥미자립적분류신식불동,인차근홍외광보법건립양품분류식별모형시선택불동주성분건모시유필요적.