梨可溶性固形物含量NIR与变量筛选无损检测

《梨可溶性固形物含量NIR与变量筛选无损检测》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、２０１０年１０月农业机械学报第４１卷第１０期ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００１２９８．２０１０．１０．０２７梨可溶性固形物含量ＮＩＲ与变量筛选无损检测１１２１朱伟兴江辉陈全胜郭建光（１江苏大学电气信息工程学院，镇江２１２０１３；２江苏大学食品与生物工程学院，镇江２１２０１３）【摘要】为提高利用近红外光谱技术快速检测梨可溶性固形物含量的精度和稳定性，结合区间偏最小二乘和遗传算法（ｉＰＬＳＧＡ）来筛选校正模型中的特征光谱区和变量，通过交互验证法确定模型中的主成分因子数和筛选的变量，并以预测均方根误差（ＲＭＳＥＰ）和相关系数（

2、Ｒ）作为模型评价标准。试验结果显示：ｉＰＬＳＧＡ最优模型包ｐ含５个光谱区、５０个变量和１０个主成分因子。最佳预测模型相关系数（Ｒ）和ＲＭＳＥＰ分别为０９３９８和０３２５０，ｐ研究结果表明近红外光谱结合ｉＰＬＳＧＡ算法可以准确、无损检测梨的可溶性固形物含量。关键词：梨可溶性固形物含量近红外光谱间隔偏最小二乘遗传算法中图分类号：Ｏ６５７３３；Ｓ１２３文献标识码：Ａ文章编号：１０００１２９８（２０１０）１００１２９０５ＭｅａｓｕｒｅｍｅｎｔｏｆＳｏｌｕｂｌｅＳｏｌｉｄｓＣｏｎｔｅｎｔｉｎＰｅａｒｂｙＦＴＮＩＲＳｐｅｃｔｒｏｓｃｏｐｙａｎ

3、ｄＶａｒｉａｂｌｅＳｅｌｅｃｔｉｏｎ１１２１ＺｈｕＷｅｉｘｉｎｇＪｉａｎｇＨｕｉＣｈｅｎＱｕａｎｓｈｅｎｇＧｕｏＪｉａｎｇｕａｎｇ（１ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ２ＳｃｈｏｏｌｏｆＦｏｏｄａｎｄＢｉｏｌｏｇｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＩｎｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｓｏｌｕｂｌｅｓｏｌｉｄｓｃｏｎｔｅ

4、ｎｔ（ＳＳＣ）ｉｎｐｅａｒｂｙＦＴＮＩＲｓｐｅｃｔｒｏｓｃｏｐｙｔｅｃｈｎｉｑｕｅ，ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｐｒｅｃｉｓｉｏｎａｎｄｒｏｂｕｓｔｎｅｓｓ，ｉｎｔｅｒｖａｌｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｃｏｕｐｌｅｄｗｉｔｈｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ（ｉＰＬＳＧＡ）ｗａｓｕｓｅｄｔｏｓｅｌｅｃｔｔｈｅｅｆｆｉｃｉｅｎｔｓｐｅｃｔｒａｌｒｅｇｉｏｎｓａｎｄｖａｒｉａｂｌｅｓｉｎｃａｌｉｂｒａｔｉｎｇｍｏｄｅｌ．Ｓｅｌｅｃｔｉｏｎｓｏｆｓｐｅｃｔｒａｌｒｅｇｉｏｎｓａｎｄｖａｒｉａｂｌｅｓｗｅｒｅｉｍｐｌｅｍｅｎｔｅｄｂｙｔｈｅ

5、ｃｒｏｓｓｖａｌｉｄａｔｉｏｎ．Ｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｆｉｎａｌｍｏｄｅｌｗａｓｅｖａｌｕａｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒｏｆｐｒｅｄｉｃｔｉｏｎ（ＲＭＳＥＰ）ａｎｄｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ（Ｒ）ｉｎｐｒｅｄｉｃｔｉｏｎｓｅｔｓ．Ｔｈｅｒｅｓｕｌｔｓｏｆｆｉｎａｌｍｏｄｅｌｗｅｒｅａｃｈｉｅｖｅｄａｓｆｏｌｌｏｗ：ｔｈｅｐｏｐｔｉｍａｌｉＰＬＳＧＡｍｏｄｅｌｗａｓｏｂｔａｉｎｅｄｗｉｔｈ１０ＰＬＳｆａｃｔｏｒｓ，ｗｈｅｎ５ｓｐｅｃｔｒａｌｒｅｇｉｏｎｓａｎｄ５０ｖ

6、ａｒｉａｂｌｅｓｗｅｒｅｓｅｌｅｃｔｅｄ，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＲａｎｄＲＭＳＥＰｏｆｏｐｔｉｍａｌｍｏｄｅｌｗａｓ０９３９８ａｎｄ０３２５０ｒｅｓｐｅｃｔｉｖｅｌｙｂｙａｐｐｒｅｄｉｃｔｉｏｎｓｅｔ．ＴｈｉｓｗｏｒｋｄｅｍｏｎｓｔｒａｔｅｄｔｈａｔＮＩＲｓｐｅｃｔｒｏｓｃｏｐｙｗｉｔｈｉＰＬＳＧＡｃｏｕｌｄｂｅａｐｐｌｉｅｄｓｕｃｃｅｓｓｆｕｌｌｙｔｏｄｅｔｅｒｍｉｎｅｔｈｅＳＳＣｉｎｐｅａｒａｓａｐｒｅｃｉｓｅａｎｄｎｏｎｄｅｓｔｒｕｃｔｉｖｅｍｅｔｈｏｄ．ＫｅｙｗｏｒｄｓＰｅａｒ，Ｓｏｌｕｂｌｅｓｏｌｉｄｓｃｏｎｔｅｎｔ，Ｎｅａ

7、ｒｉｎｆｒａｒｅｄｓｐｅｃｔｒｏｓｃｏｐｙ，Ｉｎｔｅｒｖａｌｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅ，ＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍＳＳＣ检测，但大多研究都是采用经典偏最小二乘法引言［１～３］（ＰＬＳ）建立水果的ＳＳＣ预测模型。近红外区域可溶性固形物含量（ＳＳＣ）也称为糖度，是梨内存在大量含氢基团倍频与合频的吸收，这就造成在部品质的重要指标之一。目前，近红外光谱（ＮＩＲ）整个近红外区域内，存在一定程度的信息冗余。梨作为一种快速无损检测技术，已广泛应用于水果的的ＳＳＣ并不是几个多糖或单糖成分的简单累加，而收稿日期：２００９１２０７修回日期：２００

8、９１２３１国家自然科学基金资助项目（３０８００６６６）和江苏省自然科学基金资助项目（ＢＫ２００９２１６）作者简介：朱伟兴，教授，博士生导师，主要从事智能检测与控制