1 江南大学 食品科学与技术国家重点实验室, 江苏 无锡 214122
2 浙江大学 控制科学与工程学院, 浙江 杭州 310027
3 张家港出入境检验检疫局, 江苏 张家港 215600
4 江南大学 食品学院, 江苏 无锡 214122
5 食品安全国际合作联合实验室, 江苏 无锡 214122
6 江南大学 理学院, 江苏 无锡 214122
对葡萄酒酒精度偏最小二乘(Partial least squares,PLS)回归模型进行优化研究。使用近红外光谱仪采集葡萄酒样本的光谱数据, 用于建立酒精度定量模型, 实现在线快速检测。通过蒙特卡罗无信息变量消除(Monte Carlo uninformative variable elimination, MC-UVE)和遗传算法(Genetic algorithm, GA)进行变量选择, 基于被选择的变量分别进行PLS和因子分析(Factor analysis,FA), 建立回归模型。结果表明, MC-UVE-GA-FAR模型预测集相关系数(R2)为0.946, 预测均方根误差(Root mean square error of prediction, RMSEP)为0.215, 效果优于MC-UVE-GA-PLS模型。与基于全范围光谱所建PLS回归模型相比, 模型效果有所提升, 而且模型所选变量个数仅为6, 极大地简化了模型。MC-UVE和GA算法与FA分析结合可以实现模型的优化。
近红外光谱 葡萄酒 遗传算法 蒙特卡罗无信息变量消除 因子分析 near-infrared spectroscopy wine genetic algorithm Monte-Carlo uninformative variable elimination factor analysis
