基于偏最小二乘与广义回归神经网络的近红外光谱测定土豆中3种营养成分的研究

• 作者: 刘波平 曹树稳 王俊德 秦华俊 罗香
• 来源期刊: 分析试验室
• 学科: 化学
• 关键词: 近红外光谱 土豆 偏最小二乘 GRNN网络 多组分检测
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 研究报告与简报
• 页码范围: 38-41
• 页数: 4页
• 分类号: O657.33
• 字数: 1849字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-0720.2007.09.010

摘要

偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalized regression neural networks,GRNN)联用对土豆样品建立起粗纤维、淀粉、蛋白质含量的预测校正模型,用PLS法将原始数据压缩为主成份,取前3个主成份的12个特征吸收峰输入GRNN网络,网络光滑因子σi为0.1.PLS-GRNN模型对样品3个组分含量的预测决定系数(R2)分别为: 0.945、 0.992、 0.938.结果表明,近红外光谱技术可以快速、准确地同时测定土豆中的粗纤维、淀粉、蛋白质,该方法可应用于果蔬产业的品质管理与控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹树稳	南昌大学食品科学教育部重点实验室	71	933	17.0	26.0
2	罗香		27	267	10.0	15.0
3	刘波平	南京理工大学化工学院	25	260	11.0	15.0
5	王俊德	南京理工大学化工学院	65	1146	19.0	30.0
8	秦华俊	南昌大学食品科学教育部重点实验室	8	102	6.0	8.0