农业机械学报
農業機械學報
농업궤계학보
TRANSACTIONS OF THE CHINESE SOCIETY OF AGRICULTURAL MACHINERY
2009年
z1期
134-137
,共4页
金航峰%黄凌霞%金佩华%楼程富
金航峰%黃凌霞%金珮華%樓程富
금항봉%황릉하%금패화%루정부
可见-近红外光谱技术%蜂花粉%贮存温度%主成分分析%最小二乘支持向量机
可見-近紅外光譜技術%蜂花粉%貯存溫度%主成分分析%最小二乘支持嚮量機
가견-근홍외광보기술%봉화분%저존온도%주성분분석%최소이승지지향량궤
利用可见-近红外光谱技术结合最小二乘支持向量机(LS-SVM)对不同贮存温度下的蜂花粉进行鉴别.选择-20、4、15、25和40℃ 5个温度下分别贮存60d后的蜂花粉为研究对象.对原始光谱数据进行平滑和附加散射校正(MSC)的预处理后进行主成分分析,选择4～20个主成分作为输入变量进行LS-SVM建模.模型预测参数比较结果显示,当主成分数取20时模型的预测效果最好,预测相关系数r2p≥0.9919,预测标准偏差(SEP)和预测均方根误差(RMSEP)分别为1.7854和1.7675,优于偏最小二乘回归(PLS)的预测结果,说明基于LS-SVM的可见-近红外光谱技术能够很好地对蜂花粉贮存温度进行检测.
利用可見-近紅外光譜技術結閤最小二乘支持嚮量機(LS-SVM)對不同貯存溫度下的蜂花粉進行鑒彆.選擇-20、4、15、25和40℃ 5箇溫度下分彆貯存60d後的蜂花粉為研究對象.對原始光譜數據進行平滑和附加散射校正(MSC)的預處理後進行主成分分析,選擇4～20箇主成分作為輸入變量進行LS-SVM建模.模型預測參數比較結果顯示,噹主成分數取20時模型的預測效果最好,預測相關繫數r2p≥0.9919,預測標準偏差(SEP)和預測均方根誤差(RMSEP)分彆為1.7854和1.7675,優于偏最小二乘迴歸(PLS)的預測結果,說明基于LS-SVM的可見-近紅外光譜技術能夠很好地對蜂花粉貯存溫度進行檢測.
이용가견-근홍외광보기술결합최소이승지지향량궤(LS-SVM)대불동저존온도하적봉화분진행감별.선택-20、4、15、25화40℃ 5개온도하분별저존60d후적봉화분위연구대상.대원시광보수거진행평활화부가산사교정(MSC)적예처리후진행주성분분석,선택4～20개주성분작위수입변량진행LS-SVM건모.모형예측삼수비교결과현시,당주성분수취20시모형적예측효과최호,예측상관계수r2p≥0.9919,예측표준편차(SEP)화예측균방근오차(RMSEP)분별위1.7854화1.7675,우우편최소이승회귀(PLS)적예측결과,설명기우LS-SVM적가견-근홍외광보기술능구흔호지대봉화분저존온도진행검측.
