特征波长筛选在近红外光谱测定梨硬度中的应用.pdf

《特征波长筛选在近红外光谱测定梨硬度中的应用.pdf》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、第26卷第8期3682010年8月农业工程学报TransactionsoftheCSAE、，01．26No．8Aug．2010特征波长筛选在近红外光谱测定梨硬度中的应用朱伟兴1，江辉1，陈全胜2※(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：为了提高应用近红外光谱分析技术快速测定梨硬度的精度和稳定性，该研究采用联合区间偏最小二乘和遗传算法(siPLS．GA)在校正模型中用来筛选特征光谱区域和波长，通过交互验证法确定模型的主成分因子数和筛选的波长，并以预测均方根误差(RMSEP)和相关系数(忌)作为模犁的评

2、价标准。基于siPLS．GA的最优模型包含4个光谱区、96个变量和10个主成分因子。该模型结果显示：最佳预测模犁相关系数(Ro)和RMSEP分别为0．9083和O．5573。研究结果表明，近红外光谱技术结合siPLS．GA建模用于无损、快速测定梨的硬度是可行的。关键词：近红外光谱，联合区间偏最小二乘，遗传算法，硬度，梨doi：10．3969／j．issn．1002—6819．2010．08．062中图分类号：0657．3文献标识码：A文章编号：1002—6819(2010)一08—0368-05朱伟兴，江辉，陈全胜．特征波长筛选在近红外光谱测定梨硬度中的应用[J]

3、．农业工程学报，2010，26(8)：368--372．ZhuWeixing，JiangHui，ChenQuansheng．Applicationofcharacteristicwavelengthsselectionindeterminationofpearfirmnessbynearinfrared(NIR)spectroscopy[J]．TransactionsoftheCSAE，2010，26(8)：368—372．(inChinesewithEnglishabs仃act)0引言梨作为中国优势果品，其分布范围广、产量大，栽培面积和产量均居世界首位。梨硬度(

4、firmness)是指果肉抗压力的强度，通常作为判断梨品质优劣的一个重要指标。目前国家标准(GB／T10650一2008)规定水果硬度检测采用MT穿孔检测方法(Magness—Taylorpuncturetest)。该方法属于有损检测，且检测速度慢，无法满足梨生产和销售过程中的大样本群体的快速检测【l之J。近年来，近红外光谱检测技术因其快速、无损的优点，在农产品内部品质检测中得到越来越广泛的应用pJ。2007年，邹小波等应用近红外光谱技术检测苹果糖度，通过遗传区间偏最小二乘(intervalpartialleastsquares．geneticalgorithms

5、，iPLS．GA)筛选特征光谱区域并在此基础上采用遗传偏最小二乘法(geneticalgorithms．partialleastsquares，GA．PLS)提取苹果糖度近红外光谱的特征波长，进行苹果糖度预测，结果发现此模型对预测集的预测相关系数提高了近10％；且模型得到了很大的简化H。2008年，王加华等应用近红外光谱技术检测苹果糖度，利用遗传算法最为模块进行波段选择，建立了GA．PLS模型，并建立了全光谱和经验谱区的偏最小二乘(PLS)模型与之比划51。2009年Cavaco等利用可见近红外光谱技术检测梨的硬度，并通过比较成熟期和非成熟梨硬度值的差异来建立预测

6、模型以提高模型预测精度【6】。2009年，王收稿日期：2009．1l-08修订日期：2010-05．20基金项目：国家自然科学基金项目(30800666)；江苏省自然科学基金项目(BK2009216)作者简介：朱伟兴(1957一)，男。江苏苏州人，教授，博七，博士生导师，主要研究方向：智能检测与控制、人工智能与模式识别和农业信息化技术研究。镇江江苏大学电气信息工程学院，212013。Email：wxzhu@ujs．edu．cn※通信作者：陈全胜(1973一)，男，安徽桐城人．副教授，博士，主要研究方向：食品与农产品品质无损检测和生物信息化工程研究。镇江江苏大学食品

7、与生物工程学院．212013。Email：eh【eniian90518@yahoo．tom．ell加华等应用近红外光谱技术评价西洋梨的糖度，通过遗传算法结合偏最小二乘(GA—PLS)进行波段选择，建立了4种洋梨的GA．PLS模型和全光谱模型，比较得知不仅提高了测量精度，且减少了建模变量【71。以上研究表明近红外光谱技术检测梨等水果内部品质的可行性。梨的硬度是一个复杂的综合指标，在某些近红外区域，梨的光谱信息与其硬度之间缺乏相关性，这就导致一定程度的噪音信息。在PLS模型建立过程中，这些噪音和冗余信息的介入容易扩大估计方差，降低模型的精度和稳定性。以往研究应用遗传算

8、法优选特征