农机化研究
農機化研究
농궤화연구
JOURNAL OF AGRICULTURAL MECHANIZATION RESEARCH
2013年
1期
177-180
,共4页
近红外漫反射%芒果%糖度%无损检测
近紅外漫反射%芒果%糖度%無損檢測
근홍외만반사%망과%당도%무손검측
近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测.为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.97659,RMSEC分别为1.6284,0.205 8,MEP为1.235 0,0.7383;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9；调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9％降到8.057 6％.研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的.
近紅外光譜分析技術是近年迅速髮展的一門綠色分析技術,具有快速、準確、無損傷檢測的特點,正越來越廣汎地應用于水果內部品質的無損檢測.為此,應用近紅外漫反射光譜技術無損檢測芒果糖度,光譜數據經一階微分和Savitzk-Golay預處理後,分彆採用主成分迴歸法(PCR)和偏最小二乘法(PLS)建立芒果糖度近紅外分析模型,噹主成分數為10時,預測相關繫數R分彆為0.838 69,0.97659,RMSEC分彆為1.6284,0.205 8,MEP為1.235 0,0.7383;採用BP神經網絡對70箇樣品光譜進行訓練,建模集相關繫數達到0.983 3,而對36箇預測樣品集的相關繫數隻有0.663 9；調整建模集和預測集樣品,相關繫數增大到0.683 6,平均相對誤差由10.336 9％降到8.057 6％.研究結果錶明,利用近紅外漫反射光譜技術對芒果糖度進行無損檢測是可行的.
근홍외광보분석기술시근년신속발전적일문록색분석기술,구유쾌속、준학、무손상검측적특점,정월래월엄범지응용우수과내부품질적무손검측.위차,응용근홍외만반사광보기술무손검측망과당도,광보수거경일계미분화Savitzk-Golay예처리후,분별채용주성분회귀법(PCR)화편최소이승법(PLS)건립망과당도근홍외분석모형,당주성분수위10시,예측상관계수R분별위0.838 69,0.97659,RMSEC분별위1.6284,0.205 8,MEP위1.235 0,0.7383;채용BP신경망락대70개양품광보진행훈련,건모집상관계수체도0.983 3,이대36개예측양품집적상관계수지유0.663 9；조정건모집화예측집양품,상관계수증대도0.683 6,평균상대오차유10.336 9％강도8.057 6％.연구결과표명,이용근홍외만반사광보기술대망과당도진행무손검측시가행적.
