分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密...分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。展开更多
采用近红外透射法建立了一种灵芝孢子油识别方法。分别在灵芝孢子油中掺入葵花油、薏仁油、花生油、玉米油和食用调和油。这些掺杂油品的体积百分比范围为0～100%。采用近红外透射法进行测定。选择最佳的光谱波段,然后用偏最小二乘(Part...采用近红外透射法建立了一种灵芝孢子油识别方法。分别在灵芝孢子油中掺入葵花油、薏仁油、花生油、玉米油和食用调和油。这些掺杂油品的体积百分比范围为0～100%。采用近红外透射法进行测定。选择最佳的光谱波段,然后用偏最小二乘(Partial Least Squares,PLS)法分别建立了定量分析模型。对于不同比例的掺杂油料,预测相对误差范围在-0.357～0.435之间。研究结果表明,基于化学计量学和近红外光谱技术的分析手段可以作为一种简便、快捷、准确、廉价的方法应用于油类品种识别和掺杂量检测中。展开更多
文摘分别采用卷积平滑法、小波变换法对蒙古栎木材近红外光谱(NIRS)做去噪处理,并讨论两者混合去噪时,处理顺序变化对光谱去噪效果的影响,最后应用偏最小二乘法(partial least squares regression,PLS)和主成分回归法建立蒙古栎木材气干密度近红外定标模型。结果表明,当平滑点数为3,db5小波分解层数为2时,以平滑+小波方式去噪效果最好,其信噪比(SNR)为18.546,均方根误差为0.04。平滑+小波去噪后,基于PLS的蒙古栎木材密度近红外校正模型决定系数由0.767提高到0.902,校正均方根误差降低了35.32%,预测集决定系数为0.860,内部交叉验证和预测均方根误差分别达到最低,剩余预测偏差为2.67。因此,近红外光谱技术可实现蒙古栎木材气干密度快速预测,合理选择处理参数和建模方法可以有效提高模型精度。
文摘采用近红外透射法建立了一种灵芝孢子油识别方法。分别在灵芝孢子油中掺入葵花油、薏仁油、花生油、玉米油和食用调和油。这些掺杂油品的体积百分比范围为0～100%。采用近红外透射法进行测定。选择最佳的光谱波段,然后用偏最小二乘(Partial Least Squares,PLS)法分别建立了定量分析模型。对于不同比例的掺杂油料,预测相对误差范围在-0.357～0.435之间。研究结果表明,基于化学计量学和近红外光谱技术的分析手段可以作为一种简便、快捷、准确、廉价的方法应用于油类品种识别和掺杂量检测中。
