基于连续投影算法的小麦蛋白质含量近红外光谱预测分析

• 作者: 张德贤 张津源 张苗
• 来源期刊: 江苏农业学报
• 学科: 农学
• 关键词: 小麦 蛋白质含量 近红外光谱 检测模型 特征波段点
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 加工贮藏·质量安全
• 页码范围: 960-964
• 页数: 5页
• 分类号: S126
• 字数: 3769字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-4440.2019.04.030

摘要

为了快速无损检测分析小麦蛋白质含量,构建近红外光谱最优小麦蛋白质定量检测分析模型.利用一阶S-G平滑算法+SNV算法对光谱进行预处理.使用连续投影算法(Successive projections algorithm,SPA)提取光谱中的特征波段点,使全谱图的141个波段点降低到17个特征波段点.在选择的17个特征波段点基础上分别建立偏最小二乘回归(Partial least regression,PLSR)模型、支持向量机(Support vector machine,SVM)模型、多元线性回归(Multiple linear squares regression,MLR)模型和主成分回归(Principal component regression,PCR)模型.在构建的4种小麦蛋白质含量预测模型中,MLR预测分析模型的验证集均方根误差(RMSEV)和校正集均方根误差(RMSEC)最小,验证集相关系数(rv)和校正集相关系数(rc)最大,其rv=0.968,rc=0.976,RMSEV=0.300,RMSEC=0.275.因此,相比于其他3种检测模型,建立的MLR小麦蛋白质含量检测模型最优,稳定性和精确性最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张苗	河南工业大学信息科学与工程学院	19	80	5.0	8.0
2	张德贤	河南工业大学信息科学与工程学院	88	431	10.0	17.0
3	张津源	河南工业大学信息科学与工程学院	3	8	2.0	2.0