文档介绍：万方数据
应用多种近红外建模方法分析梨的坚实度傅霞萍,应义斌。,陆辉山,于海燕,worksANN)]品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分逐步多元线性回归等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法岷狭薙途断蚧窬用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的模型的得到了较好的结果;校正集相关系数猳.,=o84RMSEP426NmSNIRs[3](artifi是在样品的被测参数与光谱吸光度之间建立起一个非线性关到目前为止,也有不少学者在应用近红外光谱技术检测cho[11]NIRs980光谱建立了预测猕猴桃坚实度的多元模型,他们将较差的预的坚实度,在进行分析方法分类苹果坚实度时他们研究275月光谱学与光谱分析May2007浙江大学生物系统工程与食品科学学院,浙江杭州(nearspectroscopyNs)(PLsR)(PcR)N蛔楹纤惴ǖ慕=峁萐蚉的结果好,但比的结果稍差:校正集猳.,.Nro82RMSEP467N可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。中图分类号:籘A文章编号:—一一近期曾有过多种方法缥南譡检测水果的坚实度,但是仍存在了不少缺点。本文提出用多种近红外建模方法分析梨的坚实度,取得很好的结果。(stepwiseregressionsMLR)主成分回归,和偏最小(partialleastregressionPK)法在样品的被测参数和光谱吸光度之间建立起一个线性关系。神经网络有很多种不同的训练方法,径向基函数网络琑、是其中一种,它是由swierengawindigDavies[68]有不少文献报道了在化学、光谱数据分析方面的应用‘。术检测苹果坚实度,并认为由于果胶物质的变化及水分在浇奈帐菇峁艿揭欢ǖ挠跋臁等的研究1个果胶的吸收峰。萚应用测结果归因于水果成分变化与坚实度没有直接的关系。[13'18001测甜樱桃和苹果坚实度,研究结果表明没有一个单一波长与Park[15]PcR(mhalanobisdistanceMD)了结果表明进行坚实度分类时较宽的波长范围比较窄的波长范围更精确。本研究的主要目的是:(1)实度之间的校正模型;(2)的梨坚实度预测模型的性能;(3)测模型的性能。(30671197)(NcET_040524)作者简介:傅霞萍,女,年生,浙江大学生物系统工程与食品科学学院博士生*琋,收稿日期::一—e-******@zj甧.
万方数据
1,扫m162940。敷和砇分析结果光谱学与光谱分析之间从浙江大学实验果园分尾烧5摹G个采收时间分左右室温下进行。本实验共有鲅罚渲个用于建立校正模型,剩余个用于模型的验证。NEXUSFT氓光谱仪岣吡σ瞧鞴荆拦及其所带的光纤漫反射mn800钢圆柱形管,入射光纤束和接收光纤束随机地分布其中。架之上,果柄一果蒂轴线呈水平。在水果和光谱探头之间有一12033标记。在水果光谱采集之前,先要测量标准白板在相同参数设置下的背景光谱作为参比。N进行测量,用固定在生物材料万能试验机n20时还能实现其他许多操作如波数与波长之间的转换、光谱平滑处理、光谱微分处理等等。本实验获取的光谱以每一波长MatIabANN人工神经网络是一个从输入到输出的非线性映射