苹果可溶性固形物nir线性模型建立 毕业论文

《苹果可溶性固形物nir线性模型建立 毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科生毕业论文苹果可溶性固形物NIR线性模型建立院系　化学化工学院专业　　食品科学与工程　班级　　071班　　学号　　　　学生姓名　　　　　　联系方式　指导教师职称：副教授2011年5月独创性声明本人郑重声明：所呈交的毕业论文是本人在指导老师指导下取得的研究成果。除了文中特别加以注释和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果。与本研究成果相关的所有人所做出的任何贡献均已在论文中作了明确的说明并表示了谢意。签名：　　年　月　日授权声明本人完全了解许昌学院有关保留、使用本科生毕业论文的规定，即：有权保留并向国家有关部

2、门或机构送交毕业论文的复印件和磁盘，允许毕业论文被查阅和借阅。本人授权许昌学院可以将毕业论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编论文。本人论文中有原创性数据需要保密的部分为：无。签名：　　　　　年　　月　　日指导教师签名：年　　月　　日  摘要本文以红富士苹果为样品，研究可见／近红外光谱技术进行苹果糖度的无损检测方法。采集苹果的漫透射光谱（500-1010nm），采用杠杆值（阈值为0.136）与学生残差（阈值为3）检验判别方法剔除异常样本，考察了不同的光谱信号校正方法对光谱噪声消除

3、的效果，并对处理后光谱进行变量优选，分别建立PLS和SMLR，PCR苹果糖度的校正模型，以RPD值评价模型稳健性，比较可得SMLR最优，其R=0.940，RMSEC=0.483，RMSEP=0.545，RPD=2.400。结果表明：在诸如苹果糖度这一类农产品品质综合指标的光谱检测中，应用SMLR建模进行定量分析是完全可行的。关键词：可见/近红外光谱；无损检测；苹果；糖度 ABSTRACTInthispaper,Fujiapplesampleswereusedtostudythevisible/nearinfrared(Vis/N

4、IR)spectroscopyfornondestructivetestingmethodforsoublesolidscontent.Apple'sdiffusereflectancespectra(500-1010nm)werecollectedbyportableVis/NIRspectrometer.TheperformanceofdifferentsignalcorrectionmethodswereevaluatedafterremovingabnormalsamplesaccordingtotheStudentiz

5、edResidual(3)andLeverage(0.136)testmethods.PLS,SMLRandPCRcalibrationmodelswereconstructedtopredicttheSSCofFujiapplewhicharebasedontheselectionofspectralvariables.RPDvaluewasusedtoevaluatemodelrobustness,comparethebestavailableSMLR,theR=0.940,RMSEC=0.483,RMSEP=0.545,R

6、PD=2.400.Theresultsshowedthat:inthesoublesolidscontentofthistypeofagriculturalproductssuchasApple'scomprehensiveindexofthequalityofspectraldetection,theapplicationofSMLRmodelforquantitativeanalysisisfeasible.Keywords：Visible/nearinfraredspectroscopy;Non-destructiveme

7、asuring;Apple;Soublesolidscontent(SSC)缩略词PLS，PartialLeastSquares，偏最小二乘法MLR，MultipleLinearRegression，多元线性回归法MSC，MultiplicativeScatterCorrection，多元散射校正PRESS，PredictionResidualErrorSumofSquares，预测残差平方误差总和R，CorrelationCoefficient，相关系数RMSEC，theRootMeanSquareErrorofCalibra

8、tion，校正均方根偏差RMSECV，theRootMeanSquareErrorofCrossValidation，内部交叉验证均方根偏差RMSEP，theRootMeanSquareErrorofPredication，预测均方根偏差SMLR，Stepwis