文献类型：期刊文章

作　　者：袁莹[1] 王伟[1] 褚璇[1] 喜明杰[1]

机构地区：[1]中国农业大学工学院,现代农业装备优化设计北京市重点实验室,北京100083

出　　处：《光谱学与光谱分析》

基　　金：国家科技支撑计划项目(2012BAK08B04)资助

年　　份：2016

卷　　号：36

期　　号：1

起止页码：226-230

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、EI(收录号：20160101768463)、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCI(收录号：WOS:000368043800044)、SCI-EXPANDED(收录号：WOS:000368043800044)、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：利用波长范围在833~2 500nm的傅里叶变换近红外光谱（Fourier transform near infrared spectroscopy,FT-NIR）对不同霉变程度的玉米颗粒进行检测区分。首先,为避免光谱数据首尾噪声影响,对比四种常见的预处理方法,最终选择移动平均平滑法对原始光谱数据进行预处理;然后为选出合适的样本集划分方法以提高模型预测性能,对常见的四种方法进行对比,最终利用SPXY（sample set partitioning based on joint x-y distance）法进行样本集划分;进一步为减少数据量,降低维度,使用连续投影算法（successive projections algorithm,SPA）提取出7个特征波长,分别为833,927,1 208,1 337,1 454,1 861和2 280nm;最后,将七个特征波长数据作为输入,选取径向基函数（radial basis function,RBF）作为支持向量机（support vector machine,SVM）核函数,取参数C=7 760 469,γ=0.017 003建立判别模型。SVM模型对训练集和测试集的预测准确率分别达到97.78%和93.33%。另取不同品种的玉米颗粒,以同样的标准挑选样品组成独立验证集,所建立的判别模型对独立验证集的预测准确率达到91.11%。结果表明基于SPA和SVM能有效地对玉米颗粒霉变程度进行判别,所选取的7个特征波长为实现在线霉变玉米颗粒近红外检测提供了理论依据。

关 键 词：霉变 玉米颗粒  FT-NIR SPA SVM

分 类 号：S132]