为提高白酒固态发酵的副产物黄水中淀粉含量预测模型精度和建模效率。采用傅里叶变换近红外光谱仪采集黄水光谱信息,利用一阶导数对光谱进行预处理,并结合偏最小二乘回归(partial least squares regression,PLSR)建立黄水淀粉定量预测...为提高白酒固态发酵的副产物黄水中淀粉含量预测模型精度和建模效率。采用傅里叶变换近红外光谱仪采集黄水光谱信息,利用一阶导数对光谱进行预处理,并结合偏最小二乘回归(partial least squares regression,PLSR)建立黄水淀粉定量预测模型。使用决定系数(R^(2))和预测均方误差(root mean square error of prediction,RMSEP)评价模型性能。光谱中含有大量冗余信息,为有效提升黄水淀粉含量检测精度和优化模型效率,将不同特征提取方法的优点结合,发现使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)结合连续投影算法(successive projections algorithm,SPA)提取的光谱特征所建立的PLSR模型,相较于未使用特征提取或仅使用单一特征提取所建立的模型均有明显提升。在单一使用CARS时,模型的R^(2)为0.9654,RMSEP为0.2012%,而结合SPA后,R2为0.9738,RMSEP为0.1748%。此外,光谱维度从2203个减少到了126个,不仅提高了预测精度,也提升了建模效率。本研究提出的方法可作为黄水近红外定量模型优化的有效途径。展开更多
水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原...水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原始光谱数据进行预处理;采用连续投影算法(Successive projections algorithm,SPA)对采集的SG预处理光谱进行特征波长选择,基于SG预处理光谱和SPA法优化的特征光谱建立乌龙茶中水浸出物含量的PLS定量模型。结果显示,利用SPA法优化出14个特征波长建立SPA-PLS模型的性能最佳。在预测集中的相关系数为0.8966,预测均方根误差为0.8034%,剩余预测偏差为4.11。结果表明采用近红外光谱结合SPAPLS算法快速检测乌龙茶中水浸出物含量是可行的。展开更多
文摘为提高白酒固态发酵的副产物黄水中淀粉含量预测模型精度和建模效率。采用傅里叶变换近红外光谱仪采集黄水光谱信息,利用一阶导数对光谱进行预处理,并结合偏最小二乘回归(partial least squares regression,PLSR)建立黄水淀粉定量预测模型。使用决定系数(R^(2))和预测均方误差(root mean square error of prediction,RMSEP)评价模型性能。光谱中含有大量冗余信息,为有效提升黄水淀粉含量检测精度和优化模型效率,将不同特征提取方法的优点结合,发现使用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)结合连续投影算法(successive projections algorithm,SPA)提取的光谱特征所建立的PLSR模型,相较于未使用特征提取或仅使用单一特征提取所建立的模型均有明显提升。在单一使用CARS时,模型的R^(2)为0.9654,RMSEP为0.2012%,而结合SPA后,R2为0.9738,RMSEP为0.1748%。此外,光谱维度从2203个减少到了126个,不仅提高了预测精度,也提升了建模效率。本研究提出的方法可作为黄水近红外定量模型优化的有效途径。
文摘水浸出物是茶叶质量评价的重要指标之一。该研究提出利用近红外光谱法结合偏最小二乘算法(Partial least squares,PLS)快速检测乌龙茶中水浸出物含量。利用近红外光谱仪采集60份乌龙茶样品的光谱信息,通过Savitzky-Golay(SG)滤波器对原始光谱数据进行预处理;采用连续投影算法(Successive projections algorithm,SPA)对采集的SG预处理光谱进行特征波长选择,基于SG预处理光谱和SPA法优化的特征光谱建立乌龙茶中水浸出物含量的PLS定量模型。结果显示,利用SPA法优化出14个特征波长建立SPA-PLS模型的性能最佳。在预测集中的相关系数为0.8966,预测均方根误差为0.8034%,剩余预测偏差为4.11。结果表明采用近红外光谱结合SPAPLS算法快速检测乌龙茶中水浸出物含量是可行的。
