文献类型：期刊文章

作　　者：易克传[1,2] 曾其良[1] 张新伟[2] 高连兴[2]

机构地区：[1]安徽科技学院机械与车辆教研室,安徽省凤阳县东华路9号233100 [2]沈阳农业大学工程学院农业机械教研室,沈阳市东陵路120号110161

出　　处：《光谱实验室》

基　　金：国家自然科学基金资助项目(50775151)

年　　份：2013

卷　　号：30

期　　号：1

起止页码：68-72

语　　种：中文

收录情况：CAS、CSA、CSA-PROQEUST、RSC、普通刊

摘　　要：为了提高近红外光谱技术在梨的可溶性固形物含量(SSC)检测中的精度和稳定性,对采集的原始光谱进行标准归一化(SNV)预处理,采用联合区间偏最小二乘法(SiPLS)建立了SSC的预测模型;通过交互验证法确定了模型的主成分因子数,以预测时的相关系数(Rp)和预测均方根误差(RMSEP)作为评价指标对模型预测结果进行了分析,并与经典偏最小二乘(PLS)模型、间隔偏最小二乘(iPLS)模型进行了比较。结果表明,利用SiPLS所建的预测模型的最优组合包含21个光谱区间并联合4个子区间和15个主成分因子,其预测集的相关系数和预测均方根误差分别为0.9633和0.203;说明利用近红外光谱结合SiPLS算法可以准确、无损检测梨中可溶性固形物含量。

关 键 词：近红外光谱 联合区间偏最小二乘  梨  可溶性固形物含量

分 类 号：O657.33] S123[化学类]