光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2012年
10期
2794-2798
,共5页
张海云%彭彦昆%王伟%赵松玮%刘巧巧
張海雲%彭彥昆%王偉%趙鬆瑋%劉巧巧
장해운%팽언곤%왕위%조송위%류교교
生鲜猪肉%支持向量机%可见近红外光谱%水分含量%无损检测
生鮮豬肉%支持嚮量機%可見近紅外光譜%水分含量%無損檢測
생선저육%지지향량궤%가견근홍외광보%수분함량%무손검측
为实现生鲜肉水分含量的快速无损检测,在波长350～1 700 nm范围内采集生鲜猪肉98个样本的可见近红外反射光谱.经中值平滑滤波、多元散射校正和一阶微分复合预处理方法对原始光谱进行降噪处理.将样本数据随机分为训练集和测试集,以训练集交叉验证网格搜索法确定最佳惩罚参数,利用径向基核函数的支持向量机算法建立了支持向量机预测模型,并与偏最小二乘回归建模法进行比较.用径向基核函数的支持向量机算法所建模型对生鲜肉水分含量进行预测的结果为:训练集的预测相关系数Rc为0.96、标准差SEC为0.32,测试集的预测相关系数Rv为0.87、标准差SEV为0.67.实验结果证实用支持向量机所建模型适合于生鲜猪肉水分含量的无损快速检测.
為實現生鮮肉水分含量的快速無損檢測,在波長350～1 700 nm範圍內採集生鮮豬肉98箇樣本的可見近紅外反射光譜.經中值平滑濾波、多元散射校正和一階微分複閤預處理方法對原始光譜進行降譟處理.將樣本數據隨機分為訓練集和測試集,以訓練集交扠驗證網格搜索法確定最佳懲罰參數,利用徑嚮基覈函數的支持嚮量機算法建立瞭支持嚮量機預測模型,併與偏最小二乘迴歸建模法進行比較.用徑嚮基覈函數的支持嚮量機算法所建模型對生鮮肉水分含量進行預測的結果為:訓練集的預測相關繫數Rc為0.96、標準差SEC為0.32,測試集的預測相關繫數Rv為0.87、標準差SEV為0.67.實驗結果證實用支持嚮量機所建模型適閤于生鮮豬肉水分含量的無損快速檢測.
위실현생선육수분함량적쾌속무손검측,재파장350～1 700 nm범위내채집생선저육98개양본적가견근홍외반사광보.경중치평활려파、다원산사교정화일계미분복합예처리방법대원시광보진행강조처리.장양본수거수궤분위훈련집화측시집,이훈련집교차험증망격수색법학정최가징벌삼수,이용경향기핵함수적지지향량궤산법건립료지지향량궤예측모형,병여편최소이승회귀건모법진행비교.용경향기핵함수적지지향량궤산법소건모형대생선육수분함량진행예측적결과위:훈련집적예측상관계수Rc위0.96、표준차SEC위0.32,측시집적예측상관계수Rv위0.87、표준차SEV위0.67.실험결과증실용지지향량궤소건모형괄합우생선저육수분함량적무손쾌속검측.
