光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2014年
2期
281-288
,共8页
近红外光谱%最小二乘支持向量机%鲜辣椒%可溶性固形物%维生素C
近紅外光譜%最小二乘支持嚮量機%鮮辣椒%可溶性固形物%維生素C
근홍외광보%최소이승지지향량궤%선랄초%가용성고형물%유생소C
near infrared spectrum%Least Square Support Vector Machine(LS-SVM)%fresh pepper%Soluble Solid Content(SSC)%Vitamin C(Vc)
应用傅里叶变换近红外光谱技术实现了鲜辣椒中可溶性固形物(SSC)和维生素C(Vc)含量的快速无损检测.分别采用7种预处理方法对原始光谱进行处理后,建立了SSC和Vc预测的偏最小二乘法(PLS)模型.将利用最小二乘法(PLS)提取的主成分(PC)和蒙特卡罗无信息变量消除法(MC-UVE)提取的有效波长作为最小二乘支持向量机(LSSVM)的输入变量,分别建立了PC-LS-SVM和MC-UVE-LS-SVM模型,并与MC-UVE-PLS模型进行了比较.采用优化后的模型对27个预测集未知样品进行了预测.结果表明,对鲜辣椒中SSC含量预测最优的为MC-UVE-PLS模型,其预测集相关系数(rp)为0.971,预测集均方根误差(RMSEP)为0.382°Brix;对鲜辣椒中Vc含量预测最优的为MCUVE-LS-SVM模型,其rp为0.899,RMSEP为21.022 mg 100 g.研究结果表明:鲜辣椒中SSC和Vc的含量与近红外光谱具有显著的相关性.
應用傅裏葉變換近紅外光譜技術實現瞭鮮辣椒中可溶性固形物(SSC)和維生素C(Vc)含量的快速無損檢測.分彆採用7種預處理方法對原始光譜進行處理後,建立瞭SSC和Vc預測的偏最小二乘法(PLS)模型.將利用最小二乘法(PLS)提取的主成分(PC)和矇特卡囉無信息變量消除法(MC-UVE)提取的有效波長作為最小二乘支持嚮量機(LSSVM)的輸入變量,分彆建立瞭PC-LS-SVM和MC-UVE-LS-SVM模型,併與MC-UVE-PLS模型進行瞭比較.採用優化後的模型對27箇預測集未知樣品進行瞭預測.結果錶明,對鮮辣椒中SSC含量預測最優的為MC-UVE-PLS模型,其預測集相關繫數(rp)為0.971,預測集均方根誤差(RMSEP)為0.382°Brix;對鮮辣椒中Vc含量預測最優的為MCUVE-LS-SVM模型,其rp為0.899,RMSEP為21.022 mg 100 g.研究結果錶明:鮮辣椒中SSC和Vc的含量與近紅外光譜具有顯著的相關性.
응용부리협변환근홍외광보기술실현료선랄초중가용성고형물(SSC)화유생소C(Vc)함량적쾌속무손검측.분별채용7충예처리방법대원시광보진행처리후,건립료SSC화Vc예측적편최소이승법(PLS)모형.장이용최소이승법(PLS)제취적주성분(PC)화몽특잡라무신식변량소제법(MC-UVE)제취적유효파장작위최소이승지지향량궤(LSSVM)적수입변량,분별건립료PC-LS-SVM화MC-UVE-LS-SVM모형,병여MC-UVE-PLS모형진행료비교.채용우화후적모형대27개예측집미지양품진행료예측.결과표명,대선랄초중SSC함량예측최우적위MC-UVE-PLS모형,기예측집상관계수(rp)위0.971,예측집균방근오차(RMSEP)위0.382°Brix;대선랄초중Vc함량예측최우적위MCUVE-LS-SVM모형,기rp위0.899,RMSEP위21.022 mg 100 g.연구결과표명:선랄초중SSC화Vc적함량여근홍외광보구유현저적상관성.
