科研产出
木薯块根灰分和水分近红外光谱预测模型的构建与优化
《热带生物学报 》 2024
摘要：为快速检测木薯的灰分和水分含量，以同地块同一时期木薯种质资源为材料进行建模，采用GB 5009.3—2016和GB/T5009.4—2016法对木薯灰分和水分含量进行测定，同时使用近红外光谱分析仪对137份样品进行光谱采集，利用TQ Analyst 9.0分析软件，采用偏最小二乘法（PLS）构建木薯灰分和水分近红外定标模型。实验结果显示，木薯灰分、水分模型相关系数（R）分别为0.94、0.93，校正均方根误差（RMSEC）分别为0.22、0.48，预测均方根误差（RMSEP）分别为0.21、1.46，交叉验证均方差（RMSECV）分别为0.40、1.54；选用未参与建模的20份木薯种质资源对该模型进行外部验证，预测值与真实值进行差异性分析（P＞0.05）,P值分别为0.464、0.459说明差异无显著性，表明该模型可适用于木薯灰分和水分检测。
全文链接
请求原文
近红外光谱技术快速鉴别稻谷霉菌污染的研究
《食品科技 》 2021 北大核心
摘要：为了建立一种快速鉴别稻谷霉菌污染的方法,研究采用近红外光谱技术结合化学计量学方法,以150份未污染霉菌的稻谷样品和150份污染霉菌的稻谷样品为研究对象,通过剔除异常光谱和光谱预处理,采用偏最小二乘回归法建立鉴别模型。结果表明:运用基于马氏距离的主成分分析方法剔除异常光谱36个,最佳光谱预处理方式为分位数标准化处理,采用基于联合x-y距离的样本集划分法,将剩余264份样品划分成训练集和验证集。建立的鉴别模型,最佳主成分数为4,其R2cv值为0.9220、R2val值为0.9184和正确率为98.48%。将外部验证集样品的光谱,代入建立并优化好的鉴别模型中,判定正确率为100%。因此,该研究所建立的鉴别模型识别能力强,可以用于稻谷中霉菌污染的快速检测。
全文链接
请求原文
近红外光谱信息筛选在玛咖产地鉴别中的应用
《光谱学与光谱分析 》 2016 EI SCI 北大核心 CSCD
摘要：食药植物玛咖富含多种营养成分,极具药用价值。采用近红外漫反射光谱,对采自秘鲁及云南共139份玛咖样品进行产地鉴别。采用多元信号校正结合二阶导数和Norris平滑预处理光谱,利用光谱标准偏差初步选择光谱波段(7 500~4 061cm~(-1)),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)筛选出适宜的主成分数为5。基于所筛选的光谱波段及主成分数,利用"模群迭代奇异样本诊断"方法剔除2个异常样品后,分别采用竞争自适应重加权法(competitive adaptive reweighted sampling,CARS)、蒙特卡洛-无信息变量消除法(monte carlo-uninformative variable elimination,MC-UVE)、遗传算法(genetic algorithm,GA)和子窗口重排(subwindow permutation analysis,SPA)四种方法筛选光谱变量信息,利用模型集群分析(model population analysis,MPA)思想对所筛选的光谱变量信息进行评价。结果显示,RMSECV(SPA)>RMSECV(CARS)>RMSECV(MC-UVE)>RMSECV(GA),分别为2.14,2.05,2.02,1.98,光谱变量数分别为250,240,250和70。采用偏最小二乘判别分析法(partial least squares discriminant analysis,PLS-DA)对四种方法筛选的光谱变量建立判别模型,随机选择97份样品作为建模集,其余40份样品作为验证集。通过R2,RMSEC和RMSEP分析可知,R2:GA>MC-UVE>CARS>SPA,RMSEC和RMSEP:GA 关键词：
玛咖
近红外光谱
鉴别
光谱信息筛选
模型集群分析
全文链接
请求原文
近红外光谱快速鉴别不同产地药用植物重楼的方法研究
《光谱学与光谱分析 》 2014 EI SCI 北大核心 CSCD
摘要：重楼属植物极具药用价值,野生资源主要分布在我国西南省区。应用近红外漫反射光谱,以贵州、广西和云南三个不同产区的70份野生药用植物重楼为研究对象进行产地鉴别。采用多元信号校正、标准正态变量、一阶导数、二阶导数、Norris平滑和Savitzky-Golay滤波六种方法,对训练集(50份样品)原始光谱进行优化处理。结果表明,多元信号校正结合二阶导数和Norris平滑预处理光谱效果最好。采用光谱标准偏差选择光谱波段(7 450~4 050cm-1),结合主成分-马氏距离(principal component analysis-mahalanobis distance,PCA-MD)建立分类模型,前三个主成分累计贡献率、R2、RMSEC和RMSEP分别为89.44%,97.58%,0.179 6,0.266 4,预测正确率90%;采用变量重要性图选择光谱波段(7 135.33~4 007.35cm-1),结合偏最小二乘判别分析法(partial least square discrimination analysis,PLS-DA)建立判别模型,前三个主成分累计贡献率、R2、RMSEC和RMSEP分别为89.28%,95.88%,0.234 8,0.348 2,预测正确率为100%。比较两种方法的结果可知:采用变量重要性图方法选择光谱波段结合偏最小二乘判别分析法建立的判别模型能更准确地鉴别不同产区的重楼,该方法的建立为中药材真伪和品质评价奠定基础。
关键词： 重楼 近红外光谱 主成分分析-马氏距离 偏最小二乘判别分析 光谱波段选择
全文链接
请求原文
云南水稻直链淀粉含量近红外模型的创建研究
《云南农业大学学报 》 2008 北大核心 CSCD
摘要：收集云南有代表性的水稻品种(系)210份,用常规法测定直链淀粉含量,采用偏最小二乘(PLS)法建立直链淀粉含量近红外光谱分析预测的校正模型,并对模型进行了预测准确性评价。结果表明AAC的模型校正决定系数Rc2为0.962 2;校正标准差RMSEE为1.329;内部交叉检验的决定系数Rcv2为0.925 6,标准差RM-SECV为1.320。模型的检验相关系数达到90%以上,对云南水稻品质育种及种子资源相关研究具有实用价值。
全文链接
请求原文
近红外分析技术在稻米淀粉RVA谱特征值测定中的应用
《西南农业学报 》 2007 CSCD
摘要：采用近红外光谱分析技术和化学计量方法建立了稻米淀粉RVA谱3项(BDV、SBV、CSV)与稻米其它品质相关显著的特征值的近红外分析模型,并对模型进行了预测准确性评价。结果显示BDV、SBV和CSV的模型校正决定系数Rc2分别为0.9707,0.9966和0.9943,校正标准差RMSEE分别为4.12,2.41和1.72;内部交叉检验的决定系数Rcv2分别为0.942,0.9942和0.9913;标准差RMSECV分别为5.4,2.87和1.99。验证决定系数除DBV外均达到0.99以上,模型准确性较高,具有实用价值。
全文链接
请求原文
首页上一页1下一页尾页
