10.13995/j.cnki.11-1802/ts.029223
基于近红外光谱技术联合极限学习机的蓝莓贮藏品质定量模型建立
采用近红外光谱技术联合极限学习机(extreme learning machine,ELM)方法建立蓝莓贮藏品质的定量检测模型,实现对蓝莓果实的可溶性固形物、维生素C和花青素含量的快速无损检测,以期为鲜食蓝莓低温贮藏期间的在线品质检测提供技术参考.利用LabSpec 5000光谱仪采集5个不同贮藏时间共150组蓝莓样本的近红外光谱,通过基于联合X/Y的异常样本识别和剔除方法筛选异常样本,使用联合X-Y距离样本集划分方法对样本集进行划分.通过对比分析标准正态变换、多元散射校正、一阶导数等预处理方法对模型性能的影响,确定蓝莓3个成分各自最优预处理方法,采用联合区间偏最小二乘算法(synergy interval partial least squares,SiPLS)选择出特征波段,将其作为输入建立ELM定量分析模型,并将模型结果与偏最小二乘回归进行对比分析.结果表明,蓝莓果实的可溶性固形物、维生素C和花青素含量最优ELM模型的校正集相关系数分别为0.9205、0.9087、0.9421;验证集相关系数为0.8826、0.8972、0.8693;校正集均方根误差为0.7664、0.6954、1.6710;验证集均方根误差为0.5397、0.6243、2.0414.该研究利用全光谱的1/5~2/5的变量就能达到比原始变量所建模型更好的性能,与传统的偏最小二乘回归模型相比,该文建立的ELM模型精度有明显提高,表明SiPLS-ELM结合近红外光谱技术在蓝莓成分的在线无损检测方面具有很大潜力.
近红外光谱、极限学习机、蓝莓、联合区间偏最小二乘、无损检测
48
S601;O657.33;TS201
中央高校基本科研业务费专项资金项目;黑龙江省自然科学基金项目
2022-09-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
270-276