基于近红外光谱大豆蛋白质、脂肪快速无损检测模型的优化构建

• 作者: 吴泉源 徐明雪 曹见飞 王翠秀 顾振飞
• 来源期刊: 大豆科学
• 关键词: 大豆 蛋白质 脂肪 近红外光谱 竞争性自适应重加权采样法 BP神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 分析加工
• 页码范围: 968-976
• 页数: 9页
• 语种: 中文
• DOI: 10.11861/j.issn.1000-9841.2019.06.0968

摘要

为实现大豆蛋白质、脂肪含量的快速无损检测,采集350～2 500 nm光谱范围内的大豆近红外光谱.运用经典Kennard-Stone算法选取建模样本及验证样本,对近红外原始光谱进行卷积平滑(savitzky and golay,SG)+一阶微分、变量标准化(standard normal variate,SNV)+去趋势算法(de-trending,DT)、正交信号校正(orthogonal signal correction,OSC)处理;然后通过竞争性自适应重加权采样方法(competitive adaptive reweighted sampling,CARS)筛选出特征波长,比较偏最小二乘法(partial least squares,PLS)、BP神经网络法所建模型,最终获得对于大豆蛋白质、脂肪含量的快速、无损检测的最佳模型.结果 表明:(1)经CARS特征波段挑选后,波长的变量个数由1 981个减少为100个以下,变量压缩率大于94.95％;(2)CARS波段选择能够提高建模精度,基于挑选的特征波段所建立模型的决定系数均＞0.9;(3) OSC+ CARS+ PLS与OSC+ CARS+ BP该类数据处理组合方式在一定程度上能够实现大豆蛋白质、脂肪的快速、无损检测.优化构建的该模型能够精准快速无损的检测大豆蛋白质、脂肪含量,对大豆品质评估以及作物改良具有重要意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴泉源	山东师范大学地理与环境学院	54	617	14.0	23.0
2	曹见飞	山东师范大学地理与环境学院	12	80	6.0	8.0
3	徐明雪	山东师范大学地理与环境学院	2	1	1.0	1.0
4	王翠秀	山东师范大学地理与环境学院	1	0	0.0	0.0
5	顾振飞	山东师范大学地理与环境学院	1	0	0.0	0.0