黑龙江八一农垦大学信息技术学院, 黑龙江 大庆 163319
基于可见-近红外光谱分析技术, 提出了一种快速鉴别马铃薯品种的方法。 以三种不同品种共计352个样本的马铃薯作为主要研究对象, 随机将其分为建模集(307个样本)和预测集(45个样本)。 对其中的建模集样品进行可见-近红外光谱分析, 将获取的光谱图像通过多元散射校正(MSC)和窗口大小为9的Savitzky-Golay(S-G)一阶卷积求导方法预处理, 消除颗粒大小、 表面散射及光程变化对漫反射光谱影响, 降低原始光谱曲线的随机噪声影响。 然后用偏最小二乘法(PLS)对数据进行降维、 压缩, 使用主成分分析方法(PCA)获得的前4个主成分累计贡献率达到96%以上, 并从前4个主成分图谱中提取20个吸收峰作为输入变量, 经过试验, 得到一个20(输入)-12(隐含)-3(输出)结构的3层BP神经网络。 最后利用该模型对预测集样本进行品种鉴别, 识别正确率达到100%。 此方法能较为快速、 准确地鉴别马铃薯的品种, 为马铃薯品质检测与鉴别提供了新思路。
可见-近红外光谱 马铃薯 BP神经网络 偏最小二乘 品种鉴别 Vis-NIRS Potato BP neural network Partial least squares (PLS) Discrimination 光谱学与光谱分析
2016, 36(8): 2474