光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2009年
11期
2962-2965
,共4页
梁亮%杨敏华%刘志霄%胥海威%刘福辉%何齐庄%罗云飞
樑亮%楊敏華%劉誌霄%胥海威%劉福輝%何齊莊%囉雲飛
량량%양민화%류지소%서해위%류복휘%하제장%라운비
可见-近红外光谱%杂交稻种%纯度%无损鉴定%偏最小二乘%BP-神经网络
可見-近紅外光譜%雜交稻種%純度%無損鑒定%偏最小二乘%BP-神經網絡
가견-근홍외광보%잡교도충%순도%무손감정%편최소이승%BP-신경망락
提出了一种基于可见-近红外光谱技术快速、无损鉴定杂交稻种纯度的新方法.以FieldSpec(R)3地物光谱仪采集纯度在90%～99%范围内的杂交稻种(宜香725)光谱数据90份,随机分成校正集(75份)和检验集(15份).根据其在380～2 400 nm的反射光谱,以偏最小二乘算法(PLS)建立了回归模型,并比较了不同光谱预处理方法对模型的影响.分析表明采用一阶导数结合标准归一化处理能最有效地提取光谱信息,此时PLS模型校正集决定系数与检验集决定系数分别为0.988 4与0.922 7,校正标准误差(SEC)与预测标准误差(SEP)分别为0.002 5与0.006 6.将经一阶导数结合标准归一化处理后的光谱进行PCA降维,以前20个主成份(含原始光谱86.09%的特征信息)为输入变量,建立杂交稻种纯度鉴定的BP-ANN模型.分析表明BP-ANN模型校正集决定系数与检验集决定系数分别为0.995 2与0.936 9,SEC与SEP分别为0.001 7与0.006 1,具有比PLS模型更高的精度.结果表明以可见-近红外技术进行杂交稻种纯度的快速、无损鉴定是可行的,且PCA结合BP-ANN是一种优选方法.
提齣瞭一種基于可見-近紅外光譜技術快速、無損鑒定雜交稻種純度的新方法.以FieldSpec(R)3地物光譜儀採集純度在90%～99%範圍內的雜交稻種(宜香725)光譜數據90份,隨機分成校正集(75份)和檢驗集(15份).根據其在380～2 400 nm的反射光譜,以偏最小二乘算法(PLS)建立瞭迴歸模型,併比較瞭不同光譜預處理方法對模型的影響.分析錶明採用一階導數結閤標準歸一化處理能最有效地提取光譜信息,此時PLS模型校正集決定繫數與檢驗集決定繫數分彆為0.988 4與0.922 7,校正標準誤差(SEC)與預測標準誤差(SEP)分彆為0.002 5與0.006 6.將經一階導數結閤標準歸一化處理後的光譜進行PCA降維,以前20箇主成份(含原始光譜86.09%的特徵信息)為輸入變量,建立雜交稻種純度鑒定的BP-ANN模型.分析錶明BP-ANN模型校正集決定繫數與檢驗集決定繫數分彆為0.995 2與0.936 9,SEC與SEP分彆為0.001 7與0.006 1,具有比PLS模型更高的精度.結果錶明以可見-近紅外技術進行雜交稻種純度的快速、無損鑒定是可行的,且PCA結閤BP-ANN是一種優選方法.
제출료일충기우가견-근홍외광보기술쾌속、무손감정잡교도충순도적신방법.이FieldSpec(R)3지물광보의채집순도재90%～99%범위내적잡교도충(의향725)광보수거90빈,수궤분성교정집(75빈)화검험집(15빈).근거기재380～2 400 nm적반사광보,이편최소이승산법(PLS)건립료회귀모형,병비교료불동광보예처리방법대모형적영향.분석표명채용일계도수결합표준귀일화처리능최유효지제취광보신식,차시PLS모형교정집결정계수여검험집결정계수분별위0.988 4여0.922 7,교정표준오차(SEC)여예측표준오차(SEP)분별위0.002 5여0.006 6.장경일계도수결합표준귀일화처리후적광보진행PCA강유,이전20개주성빈(함원시광보86.09%적특정신식)위수입변량,건립잡교도충순도감정적BP-ANN모형.분석표명BP-ANN모형교정집결정계수여검험집결정계수분별위0.995 2여0.936 9,SEC여SEP분별위0.001 7여0.006 1,구유비PLS모형경고적정도.결과표명이가견-근홍외기술진행잡교도충순도적쾌속、무손감정시가행적,차PCA결합BP-ANN시일충우선방법.
