隨著時代的快速前進和科技的迅猛進步,計算機技術在其他領域的作用也越來越大。近紅外光譜具有分析速度快,對樣本無損傷的特點,因此在食品無損檢測中得到了廣泛的應用。能否建立出穩(wěn)定的、準確度高的數(shù)學模型對整個數(shù)據(jù)分析的結果至關重要,這就需要使用到計算機技術來解決這一問題。目前研究表明影響最終分析結果的因素有很多,例如儀器的差異,樣本的形態(tài),環(huán)境因素等。其中預處理手段,特征波長點的選擇以及建模算法的選擇直接決定了最終的預測分析的結果是否準確。本文針對近紅外光譜數(shù)據(jù)分析的步驟進行了研究,總結了國內外近紅外光譜數(shù)據(jù)分析的研究現(xiàn)狀,研究了近紅外光譜數(shù)據(jù)的預處理、特征波長點的篩選,定量模型的建立以及模型的優(yōu)化。主要研究內容如下:（1）利用一階導數(shù)對原始光譜數(shù)據(jù)進行預處理,隨后使用連續(xù)投影算法（SPA）對特征波長點進行篩選,并且設計了具體的應用。（2）通過實驗對比分析了多種定量建模方法,實驗結果表明支持向量機回歸（SVR）對本實驗樣本表現(xiàn)出較好的預測效果。（3）介紹了支持向量機的參數(shù)優(yōu)化。使用了粒子群算法（PSO）、遺傳算法（GA）和網(wǎng)格搜索算法（GS）對支持向量機的懲罰參數(shù)C和參數(shù)g進行了選擇。實驗結果... 

【文章來源】：武漢工程大學湖北省

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

MSC處理后的光譜圖

品在各個波長點時，都具有相同的散射系數(shù)。將樣品的波段與吸光率的光譜矩陣作為輸入，按照前面的介紹對原始光譜圖進行處理操作，最后將所呈現(xiàn)的線性關系使用最小二乘法進行擬合，公式如3-1和3-2所示：= + + （3-1= （3-2式中， 表示的是樣本 i 對應的光譜， 表示訓練集的平均光譜，是殘差光譜。預處理后得到的光譜圖如圖 3-1 所示。（2）SNV 光譜預處理

表示的是第 i 個樣品光譜的平均值，k 為任意常數(shù)，m、n 表示波長點數(shù)。經(jīng)過 SNV 預處理后得到的光譜圖如圖 3-2 所示：（3）導數(shù)校正（Derivative Correction）導數(shù)光譜法是一種常見的光譜預處理方法，它分為一階導數(shù)和二階導數(shù)兩種。一階導數(shù)如公式 3-4 所示，二階導數(shù)如公式 3-5 所示= （3-4）= （3-5）經(jīng)過一階導數(shù)處理后的 Camelina 波段與吸光率的關系圖如圖 3-3所示，經(jīng)過二階導數(shù)處理后的 Camelina 波段與吸光率的關系圖如圖 3-4所示。

【參考文獻】：
期刊論文
[1]基于煙葉電子鼻-近紅外數(shù)據(jù)融合的支持向量機分類判別煙葉年份（英文）[J]. 張浩博,劉太昂,束茹欣,楊凱,葉順,尤靜林,葛炯.  光譜學與光譜分析. 2018(05)
[2]近紅外光譜分析技術研究進展及在飼料行業(yè)中的應用[J]. 李倩,黃小燕,王根虎.  飼料博覽. 2017(12)
[3]基于近紅外光譜和QPSO-LSSVM模型的玉米脂肪測定[J]. 陳素彬,胡振.  化學工程師. 2017(08)
[4]光譜預處理對近紅外光譜預測蘋果脆片糖度的影響[J]. 時榕茂,劉靜.  現(xiàn)代計算機(專業(yè)版). 2017(20)
[5]基于近紅外光譜和SVM算法對琥珀摻偽的定性鑒別與定量分析[J]. 明晶,陳龍,陳科力,黃必勝.  中藥材. 2017(01)
[6]近紅外光譜技術在糧食工業(yè)中的應用[J]. 孫玉俠.  糧油食品科技. 2017(01)
[7]我國近紅外光譜分析技術在農業(yè)領域的應用研究進展[J]. 姜淼,高一娜,王玉梅,郭淑杰.  黑龍江科技信息. 2017(02)
[8]一種基于BP神經(jīng)網(wǎng)絡的屬性重要性計算方法[J]. 潘慶先,董紅斌,韓啟龍,王瑩潔,丁蕊.  中國科學技術大學學報. 2017(01)
[9]雞蛋脂肪含量近紅外光譜無損檢測技術研究[J]. 孫艷文,尹程程,李志成,曹沖,楊柳.  食品工業(yè). 2016(09)
[10]基于近紅外光譜技術的茶油原產(chǎn)地快速鑒別[J]. 文韜,鄭立章,龔中良,李立君,謝潔飛,馬強.  農業(yè)工程學報. 2016(16)

博士論文
[1]支持向量機回歸算法與應用研究[D]. 李海生.華南理工大學 2005

碩士論文
[1]近紅外光譜定量建模技術研究[D]. 吳兆娜.中國海洋大學 2015



本文編號：3542414