隨著時(shí)代的快速前進(jìn)和科技的迅猛進(jìn)步,計(jì)算機(jī)技術(shù)在其他領(lǐng)域的作用也越來越大。近紅外光譜具有分析速度快,對(duì)樣本無損傷的特點(diǎn),因此在食品無損檢測(cè)中得到了廣泛的應(yīng)用。能否建立出穩(wěn)定的、準(zhǔn)確度高的數(shù)學(xué)模型對(duì)整個(gè)數(shù)據(jù)分析的結(jié)果至關(guān)重要,這就需要使用到計(jì)算機(jī)技術(shù)來解決這一問題。目前研究表明影響最終分析結(jié)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(yù)處理手段,特征波長點(diǎn)的選擇以及建模算法的選擇直接決定了最終的預(yù)測(cè)分析的結(jié)果是否準(zhǔn)確。本文針對(duì)近紅外光譜數(shù)據(jù)分析的步驟進(jìn)行了研究,總結(jié)了國內(nèi)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(yù)處理、特征波長點(diǎn)的篩選,定量模型的建立以及模型的優(yōu)化。主要研究內(nèi)容如下:（1）利用一階導(dǎo)數(shù)對(duì)原始光譜數(shù)據(jù)進(jìn)行預(yù)處理,隨后使用連續(xù)投影算法（SPA）對(duì)特征波長點(diǎn)進(jìn)行篩選,并且設(shè)計(jì)了具體的應(yīng)用。（2）通過實(shí)驗(yàn)對(duì)比分析了多種定量建模方法,實(shí)驗(yàn)結(jié)果表明支持向量機(jī)回歸（SVR）對(duì)本實(shí)驗(yàn)樣本表現(xiàn)出較好的預(yù)測(cè)效果。（3）介紹了支持向量機(jī)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(duì)支持向量機(jī)的懲罰參數(shù)C和參數(shù)g進(jìn)行了選擇。實(shí)驗(yàn)結(jié)果... 

【文章來源】：武漢工程大學(xué)湖北省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

MSC處理后的光譜圖

品在各個(gè)波長點(diǎn)時(shí)，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(duì)原始光譜圖進(jìn)行處理操作，最后將所呈現(xiàn)的線性關(guān)系使用最小二乘法進(jìn)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(duì)應(yīng)的光譜， 表示訓(xùn)練集的平均光譜，是殘差光譜。預(yù)處理后得到的光譜圖如圖 3-1 所示。（2）SNV 光譜預(yù)處理

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

【參考文獻(xiàn)】：
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(jī)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(xué)與光譜分析. 2018(05)
[2]近紅外光譜分析技術(shù)研究進(jìn)展及在飼料行業(yè)中的應(yīng)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(cè)定[J]. 陳素彬,胡振.  化學(xué)工程師. 2017(08)
[4]光譜預(yù)處理對(duì)近紅外光譜預(yù)測(cè)蘋果脆片糖度的影響[J]. 時(shí)榕茂,劉靜.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2017(20)
[5]基于近紅外光譜和SVM算法對(duì)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(shù)在糧食工業(yè)中的應(yīng)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(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用研究進(jìn)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(luò)的屬性重要性計(jì)算方法[J]. 潘慶先,董紅斌,韓啟龍,王瑩潔,丁蕊.  中國科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2017(01)
[9]雞蛋脂肪含量近紅外光譜無損檢測(cè)技術(shù)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(shù)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(qiáng).  農(nóng)業(yè)工程學(xué)報(bào). 2016(16)

博士論文
[1]支持向量機(jī)回歸算法與應(yīng)用研究[D]. 李海生.華南理工大學(xué) 2005

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



本文編號(hào)：3542414