西北农业学报
西北農業學報
서북농업학보
ACTA AGRICULTURAE BOREALI-OCCIDENTALIS SINICA
2011年
12期
192-196
,共5页
近红外%掺假山羊奶%多层感知器神经网络%偏最小二乘法
近紅外%摻假山羊奶%多層感知器神經網絡%偏最小二乘法
근홍외%참가산양내%다층감지기신경망락%편최소이승법
以近红外光谱(NIRS)技术为基础,实现掺假山羊奶的快速、无损检测.采用主成分分析结合神经网络以及偏最小二乘法(PLS)分别对纯山羊奶和掺有奶油、还原奶的两类掺假山羊奶进行定性和定量研究.结果表明,将主成分分析与多层感知器(Multilayer Perceptron,MLP)神经网络相结合建立的定性判别模型对样品建模集和预测集的正确判别率都达到100％.光谱经预处理、优选波段和主成分维数后,利用PLS分别建立两类掺假奶的定量校正模型.其中掺奶油山羊奶定量校正模型的决定系数(R2)为98.54％,交叉验证均方根差(RMSECV)为0.379;掺还原奶山羊奶定量校正模型的R2为96.38％,RMSECV为6.20.同时运用马氏距离和二审剔除法判断和剔除异常样本后,两类掺假奶模型的R2分别提高到98.85％和97.06％,RM-SECV分别降低到0.333和5.61.外部验证得到预测值与真值的相关系数(R2)分别为0.989和0.982,预测效果满意.所得结论表明,近红外光谱技术结合化学计量学方法可以实现掺假山羊奶的定性和定量检测.
以近紅外光譜(NIRS)技術為基礎,實現摻假山羊奶的快速、無損檢測.採用主成分分析結閤神經網絡以及偏最小二乘法(PLS)分彆對純山羊奶和摻有奶油、還原奶的兩類摻假山羊奶進行定性和定量研究.結果錶明,將主成分分析與多層感知器(Multilayer Perceptron,MLP)神經網絡相結閤建立的定性判彆模型對樣品建模集和預測集的正確判彆率都達到100％.光譜經預處理、優選波段和主成分維數後,利用PLS分彆建立兩類摻假奶的定量校正模型.其中摻奶油山羊奶定量校正模型的決定繫數(R2)為98.54％,交扠驗證均方根差(RMSECV)為0.379;摻還原奶山羊奶定量校正模型的R2為96.38％,RMSECV為6.20.同時運用馬氏距離和二審剔除法判斷和剔除異常樣本後,兩類摻假奶模型的R2分彆提高到98.85％和97.06％,RM-SECV分彆降低到0.333和5.61.外部驗證得到預測值與真值的相關繫數(R2)分彆為0.989和0.982,預測效果滿意.所得結論錶明,近紅外光譜技術結閤化學計量學方法可以實現摻假山羊奶的定性和定量檢測.
이근홍외광보(NIRS)기술위기출,실현참가산양내적쾌속、무손검측.채용주성분분석결합신경망락이급편최소이승법(PLS)분별대순산양내화참유내유、환원내적량류참가산양내진행정성화정량연구.결과표명,장주성분분석여다층감지기(Multilayer Perceptron,MLP)신경망락상결합건립적정성판별모형대양품건모집화예측집적정학판별솔도체도100％.광보경예처리、우선파단화주성분유수후,이용PLS분별건립량류참가내적정량교정모형.기중참내유산양내정량교정모형적결정계수(R2)위98.54％,교차험증균방근차(RMSECV)위0.379;참환원내산양내정량교정모형적R2위96.38％,RMSECV위6.20.동시운용마씨거리화이심척제법판단화척제이상양본후,량류참가내모형적R2분별제고도98.85％화97.06％,RM-SECV분별강저도0.333화5.61.외부험증득도예측치여진치적상관계수(R2)분별위0.989화0.982,예측효과만의.소득결론표명,근홍외광보기술결합화학계량학방법가이실현참가산양내적정성화정량검측.
