粮食与饲料工业
糧食與飼料工業
양식여사료공업
CEREAL & FEED INDUSTRY
2013年
4期
15-18
,共4页
张玉荣%付玲%周显青%褚洪强%王学锋
張玉榮%付玲%週顯青%褚洪彊%王學鋒
장옥영%부령%주현청%저홍강%왕학봉
小麦%近红外光谱%蛋白质%BP神经网络%偏最小二乘法%建模
小麥%近紅外光譜%蛋白質%BP神經網絡%偏最小二乘法%建模
소맥%근홍외광보%단백질%BP신경망락%편최소이승법%건모
为了实现小麦籽粒蛋白质含量的快速、准确测定,用近红外分析仪对158份小麦进行光谱扫描,采用主成分分析法剔除异常光谱,对剔除异常值后的图谱进行标准正常化及去散射处理,并分别进行一阶和二阶导数处理.并在光谱预处理基础上,建立了预测小麦籽粒蛋白质含量的BP神经网络和偏最小二乘法校正模型.结果表明:经过标准正常化及去散射处理和二阶导数预处理的图谱,运用BP神经网络建立的模型预测小麦籽粒蛋白质含量效果最优,预测的R2和均方根误差分别为0.983和0.067,小麦蛋白质含量的国标测定值与最优条件下的预测值之间的t检验结果为P =0.82＞0.05,两种方法测定结果无显著性差异.将其与近红外仪器自带模型相比,预测效果显著提高.采用非线性BP神经网络法建立的定标模型可提高预测小麦蛋白质含量的准确性.
為瞭實現小麥籽粒蛋白質含量的快速、準確測定,用近紅外分析儀對158份小麥進行光譜掃描,採用主成分分析法剔除異常光譜,對剔除異常值後的圖譜進行標準正常化及去散射處理,併分彆進行一階和二階導數處理.併在光譜預處理基礎上,建立瞭預測小麥籽粒蛋白質含量的BP神經網絡和偏最小二乘法校正模型.結果錶明:經過標準正常化及去散射處理和二階導數預處理的圖譜,運用BP神經網絡建立的模型預測小麥籽粒蛋白質含量效果最優,預測的R2和均方根誤差分彆為0.983和0.067,小麥蛋白質含量的國標測定值與最優條件下的預測值之間的t檢驗結果為P =0.82＞0.05,兩種方法測定結果無顯著性差異.將其與近紅外儀器自帶模型相比,預測效果顯著提高.採用非線性BP神經網絡法建立的定標模型可提高預測小麥蛋白質含量的準確性.
위료실현소맥자립단백질함량적쾌속、준학측정,용근홍외분석의대158빈소맥진행광보소묘,채용주성분분석법척제이상광보,대척제이상치후적도보진행표준정상화급거산사처리,병분별진행일계화이계도수처리.병재광보예처리기출상,건립료예측소맥자립단백질함량적BP신경망락화편최소이승법교정모형.결과표명:경과표준정상화급거산사처리화이계도수예처리적도보,운용BP신경망락건립적모형예측소맥자립단백질함량효과최우,예측적R2화균방근오차분별위0.983화0.067,소맥단백질함량적국표측정치여최우조건하적예측치지간적t검험결과위P =0.82＞0.05,량충방법측정결과무현저성차이.장기여근홍외의기자대모형상비,예측효과현저제고.채용비선성BP신경망락법건립적정표모형가제고예측소맥단백질함량적준학성.
