聚光科技 SupNIR-1000 便携式近红外分析仪

通过采用不同样品量不同定标集和验证集比例以 3 2 5期 党文新等: 样本集选择对稻谷千粒重NIR模型预测精度的影响 及不同定标集选择方法对稻谷千粒重NIR模型影响的 试验研究，可以得出以下结论: 样品数量对稻谷千粒重的NIR模型有明显的影响， 采用合适数量的样品进行光谱扫描，可以提高模型的预 测精度 当样本总数一定时，定标集与验证集的比例不同， 所建模型的预测能力有明显的差异在总样本中，以 70%的样本建立定标模型，其余30%样本作为验证样 本，可以获得较好的预测效果 定标集选择方法明显影响稻谷千粒重NIR模型的 预测能力在含量梯度法K－S算法和随机抽取法中， 采用K－S算法选取定标集进行建模，稻谷千粒重的NIR 模型具有较好的预测能力

PSOPLS方法与W-PLS 相比, 获得的苹果酸度的预测值与化学值之间具有更好的相关性。从表2 中可见, PSO-PLS 方法与W-PLS 相比, 波长变量数由500个减少到53个, 可以较大地减少计算量; 校正均方根误差( RMSEC )明显变小以及校正相关系数( R c)变大, 说明模型优化明显; 预测均方根误差( RMSEP)降低明显以及预测相关系数( Rp)变大, 表明预测准确度有较大的提高。结果显示, PSO-PLS 法所建立的苹果酸度近红外光谱模型比全光谱模型更简洁、更稳健, 该模型具有较强的预测能力。

在实验室条件下利用光谱分析技术能对颜色相近的黄瓜 和其茎叶进行识别。 利用 PC A 对校正集分析, 前两个主成分 累计贡献率达 99 % , 清晰可靠地 区分三类研究对象, 利用样 本的主成分得分结合马氏距离法剔除 7 个异 常样本。剩余的 1 01 个样本作为定标建模 样本, 交互验 证法得 到最佳 主成分 数为 7 并建立 PL S 模型, 对验证集预测。 P LS 模 型的预测结 果显示预测值和实际值有很高的相关度, 通过人工 设定参考 值区域, 识别率达 到 1 00 % 。能 够快 速区 分黄 瓜果 实、茎和 叶。 与传统的计算机视觉相比, 本文提出的光谱识别黄瓜果 Fi g
6
P r ed i cti on r esul t u s i ng PLS me thod 实具有一定特色, 为黄瓜采摘, 喷药等智 能作业 的识别 工作 提供了依据, 是一种有效的方法。

( 1 ) 本 研究 运用 人工 神经 网络 ( A N N) 建 立 的肉馅 的脂 肪 、 蛋 白和水分的近红外模型是成 功的 ， 可以用于实践 中。 ( 2 ) 本研究通过建立 整块牛 肉预测模 型 ， 证 明了近红外 技术测定整块牛肉的化学成分是可行的 。 整块 牛 肉脂肪模型 建立蹬较成功 ， 但脂肪和蛋白的预测相关 系数有待进一步提 高 。 ( 3 ) 本试验采用 国产 S u p N I R - 1 0 0 0近红外光 谱仪 ， 所建 肉馅和整块 牛肉的模 型较成功 ， 说 明我 国的近红 外设备 已具 备较高的品质 ， 并且与国外近红外光谱仪相 比经济很 多 ， 大 大节省了检测的成本 。 ( 4 ) 本试验 对 整块 牛 肉进 行 了谱 图采 集 ， 建立 了脂 肪 、 蛋 白和水分 的整块牛 肉模型 ， 这就为近红外技术 在线 应用的 更进一步研 究奠定 了基础 。