光学精密工程
光學精密工程
광학정밀공정
OPTICS AND PRECISION ENGINEERING
2013年
10期
2513-2519
,共7页
肖海斌%赵进辉%袁海超%洪茜%刘木华
肖海斌%趙進輝%袁海超%洪茜%劉木華
초해빈%조진휘%원해초%홍천%류목화
同步荧光光谱%竞争适应重加权采样(CARS)%支持向量回归%四环素%猪肉
同步熒光光譜%競爭適應重加權採樣(CARS)%支持嚮量迴歸%四環素%豬肉
동보형광광보%경쟁괄응중가권채양(CARS)%지지향량회귀%사배소%저육
synchronous fluorescence spectroscopy%Competitive Adaptive Reweighted Sampling (CARS)%Support Vector Regression(SVR)%tetracycline%pork
为快速检测猪肉中的四环素残留含量,采用同步荧光法结合竞争适应重加权采样(CARS)变量优选法建立了预测猪肉中四环素残留含量的支持向量回归(SVR)模型.从样本的三维同步荧光光谱中确定了最佳波长差为65 nm,采用CARS方法从中挑选出与四环素相关的特征波长变量,并与连续投影算法(SPA)及遗传算法(GA)进行比较.最后,应用SVR算法对优选出的16个波长变量建立猪肉中四环素含量的预测模型.分析发现,多元散射校正(MSC)光谱预处理后的CARS方法优于SPA及GA变量选择方法,可以有效地筛选出全光谱中的特征波长变量.CARS-SVR建立的四环素预测模型优于原始光谱的SVR模型,其预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.961 2和10.94 mg/kg.研究结果表明,采用同步荧光法结合CARS-SVR模型可以预测猪肉中的四环素残留含量,且CARS-SVR能有效地简化模型并提高预测精度.
為快速檢測豬肉中的四環素殘留含量,採用同步熒光法結閤競爭適應重加權採樣(CARS)變量優選法建立瞭預測豬肉中四環素殘留含量的支持嚮量迴歸(SVR)模型.從樣本的三維同步熒光光譜中確定瞭最佳波長差為65 nm,採用CARS方法從中挑選齣與四環素相關的特徵波長變量,併與連續投影算法(SPA)及遺傳算法(GA)進行比較.最後,應用SVR算法對優選齣的16箇波長變量建立豬肉中四環素含量的預測模型.分析髮現,多元散射校正(MSC)光譜預處理後的CARS方法優于SPA及GA變量選擇方法,可以有效地篩選齣全光譜中的特徵波長變量.CARS-SVR建立的四環素預測模型優于原始光譜的SVR模型,其預測集的決定繫數(R2)和預測均方根誤差(RMSEP)分彆為0.961 2和10.94 mg/kg.研究結果錶明,採用同步熒光法結閤CARS-SVR模型可以預測豬肉中的四環素殘留含量,且CARS-SVR能有效地簡化模型併提高預測精度.
위쾌속검측저육중적사배소잔류함량,채용동보형광법결합경쟁괄응중가권채양(CARS)변량우선법건립료예측저육중사배소잔류함량적지지향량회귀(SVR)모형.종양본적삼유동보형광광보중학정료최가파장차위65 nm,채용CARS방법종중도선출여사배소상관적특정파장변량,병여련속투영산법(SPA)급유전산법(GA)진행비교.최후,응용SVR산법대우선출적16개파장변량건립저육중사배소함량적예측모형.분석발현,다원산사교정(MSC)광보예처리후적CARS방법우우SPA급GA변량선택방법,가이유효지사선출전광보중적특정파장변량.CARS-SVR건립적사배소예측모형우우원시광보적SVR모형,기예측집적결정계수(R2)화예측균방근오차(RMSEP)분별위0.961 2화10.94 mg/kg.연구결과표명,채용동보형광법결합CARS-SVR모형가이예측저육중적사배소잔류함량,차CARS-SVR능유효지간화모형병제고예측정도.
