小麥作為重要的糧食作物,富含一些日常人體所需的營(yíng)養(yǎng)元素,可加工成人們?nèi)粘Ｋ璧氖秤闷啡缑姘�、面條、餅干等。小麥水分與蛋白質(zhì)含量是評(píng)估小麥品質(zhì)的重要指標(biāo),無(wú)損快速檢測(cè)小麥成分含量的方法,對(duì)于小麥等農(nóng)業(yè)作物的檢驗(yàn)與加工具有重要意義。目前對(duì)于近紅外無(wú)損檢測(cè)技術(shù)多以一次建模為基礎(chǔ),雖然建模方法簡(jiǎn)單,但由于“小樣本,多變量”,使得相關(guān)的預(yù)測(cè)結(jié)果并不準(zhǔn)確,阻礙該技術(shù)進(jìn)一步發(fā)展及應(yīng)用的關(guān)鍵問(wèn)題就是預(yù)測(cè)模型的精度和穩(wěn)定性。本文基于此背景開(kāi)展小麥品質(zhì)的近紅外光譜分析方法研究,主要研究?jī)?nèi)容如下:首先,收集全國(guó)范圍內(nèi)不同地區(qū)的小麥樣本,分別測(cè)試樣本水分、蛋白質(zhì)的化學(xué)值,同時(shí)運(yùn)用光纖光譜儀采集小麥樣本近紅外光譜數(shù)據(jù)。其次基于歸一化和異常樣本診斷與剔除方法對(duì)原始小麥的NIR數(shù)據(jù)進(jìn)行預(yù)處理,優(yōu)化小麥樣本光譜數(shù)據(jù)。最后基于模型集群分析（MPA）思想,結(jié)合引導(dǎo)軟閾值算法（BOSS）、競(jìng)爭(zhēng)性自適應(yīng)重加權(quán)采樣法（CARS）、自加權(quán)變量組合集群分析法（AWVCPA）、迭代保留信息變量法（IRIV）、蒙特卡羅變量組合集群分析法（MCVCPA）、變量組合集群分析法（VCPA）、變量組合集群分析迭代保留信息變量法（VCPA-IR... 

【文章來(lái)源】：長(zhǎng)春理工大學(xué)吉林省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖S

33最終通過(guò)MCVCPA-PLS所建立預(yù)測(cè)模型的結(jié)果為：RMSEP值為0.3861，RMSEC值為0.1521,R2值為0.9862，小麥水分含量預(yù)測(cè)值與實(shí)際值散點(diǎn)分布圖如圖3.23所示。圖3.23基于MCVCPA-PLS方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖最終通過(guò)VCPA-IRIV-PLS所建立預(yù)測(cè)模型的結(jié)果為：RMSEP值為0.3563，RMSEC值為0.1478,R2值為0.9934，小麥水分含量預(yù)測(cè)值與實(shí)際值散點(diǎn)分布圖如圖3.24所示。圖3.24基于VCPA-IRIV-PLS方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖最終通過(guò)AWVCPA-PLS所建立預(yù)測(cè)模型的結(jié)果為：RMSEP值為0.3839，RMSEC值為0.1609,R2值為0.9918，小麥水分含量預(yù)測(cè)值與實(shí)際值散點(diǎn)分布圖如圖3.25所示。圖3.25基于AWVCPA-PLS方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖

51大影響。相比VCPA方法與MCVCPA方法，AWVCPA方法特征變量提取結(jié)果相對(duì)集中，但仍選擇了很多無(wú)用信息變量。VCPA-IRIV方法提取的特征變量更分散，包含了很多無(wú)用信息變量�？傮w來(lái)說(shuō)基于VCPA及改進(jìn)與混合方法大致選擇了相同的變量，因?yàn)樗鼈兌际腔赩CPA算法的原理，通過(guò)指數(shù)遞減函數(shù)EDF篩除變量。CARS方法在小麥蛋白質(zhì)特征變量提取過(guò)程中選擇的變量最分散，幾乎包含了大部分的波長(zhǎng)向量，特征變量提取結(jié)果較差。IRIV方法特征變量提取結(jié)果一般，比較分散，選擇了一些無(wú)用信息變量。4.7建立小麥蛋白質(zhì)近紅外定量分析模型4.7.1不同方法的小麥蛋白質(zhì)建模最終通過(guò)BOSS-PLS所建立預(yù)測(cè)模型的結(jié)果為：RMSEP值為0.2105，RMSEC值為0.1962,R2值為0.9527，小麥蛋白質(zhì)含量預(yù)測(cè)值與實(shí)際值散點(diǎn)分布如圖4.21所示。預(yù)測(cè)值圖4.21基于BOSS-PLS方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖最終通過(guò)VCPA-PLS所建立預(yù)測(cè)模型的結(jié)果為：RMSEP值為0.3641，RMSEC值為0.2478,R2值為0.9103，小麥蛋白質(zhì)含量預(yù)測(cè)值與實(shí)際值散點(diǎn)分布如圖4.22所示。預(yù)測(cè)值圖4.22基于VCPA-PLS方法的預(yù)測(cè)值與實(shí)際值散點(diǎn)圖


本文編號(hào)：3461759