基于近红外光谱的小麦品质分类研究.pdf

《基于近红外光谱的小麦品质分类研究.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、中国麈学通报2013，29(36)：386—390ChineseAgriculturalScienceBulletin基于近红外光谱的小麦品质分类研究毛晓东，孙来军，戴常军，惠光艳，徐璐璐(黑龙江省电子工程省高校重点实验室(黑龙江大学)，哈尔滨150080)摘要：为了快速、简便、准确地鉴别小麦品质的类别，本研究提出了应用近红外光谱分析技术结合BP神经网络的鉴别方法对小麦进行品质分类。研究过程中对小麦样品的光谱数据进行了详细分析，采用马氏距离剔除了光谱数据中异常数据，并通过主成分分析说明利用近红外光谱鉴别小麦品质分类的可行性。为了提高所建模型的性能，采用SPXY算法对小麦样品进行

2、合理的划分。并选取了一阶微分加归一化的预处理方法来处理光谱数据，消除无关信息和噪声对小麦光谱数据的影响。运用偏最小二乘法压缩光谱数据，减少了数据量，节省建模时间。最后采用BP神经网络方法建立了小麦品质分类模型。实验结果显示：模型的鉴别效果较好，对强筋样品识别的准确率高达94．4％，弱筋样品识别的准确率高达100％。实现了快速、准确地对小麦品质强筋和弱筋两类的鉴别，对小麦生产、市场交易及食品加工有着非常重要的意义。关键词：小麦；近红外光谱；偏最小二乘；BP神经网络中图分类号：S1文献标志码：A论文编号：2013．1332StudyonClassificationofWheatQu

3、alityBasedonNearInfraredSpectroscopyMaoXiaodong，SunLaijun，DaiChangjun，HuiGuangyan，Xululu(Key'LaboratoryofElectronicsEngineering,CollegeofHeilongfiangProvince(HeilongfiangUniversity)，Harbin150080)Abstract：Inordertoquick，easyandaccuratelyidentifytheclassificationofwheatquality，thispaperputforw

4、ardusingidentificationmethodofnearinfraredspectralanalysistechnologycombinedwithBPneuralnetworkforclassificationofwheat．Samplesofwheatwerecarriedoutadetailedanalysisofspectraldataintheprocessofresearch．Firstofall，Mahalanobdistancewasappliedonspectraldatafiltering，whichcouldeliminateabnormals

5、pectrum．Andprincipalcomponentanalysisexplainedthatnearinfraredspectroscopyidentifiedthefeasibilityoftheclassificationofwheatquality．Inordertoimprovetheperformanceofmodel，SPXYalgorithmwasusedforreasonabledivisionofsamplesofwheat．ThenthedataprocessingmethodoffirstderivativeandSNVwereusedtodeal

6、withspectraldata，whichcouldeliminateirrelevantinformationandnoiseonwheatspectraldata．Themethodofpartialleastsquareswasusedtocompressspectraldata，whichcouldreducetheamountofdataandsavemodelingtime．Finally，BPneuralnetworkasthemodelingmethodwasusedtoestablishidentificationmodelofwheatquality．Ex

7、perimentalresuhshowedthat：themodelidentificationeffectwasgood，therecognitionaccuracyofstrongglutensampleswasashighas94．4％，theidentificationaccuracyofweakglutensampleswasashighas100％，whichhadrealizedquicklyandaccuratelyclassificationbetweenstrongglu