华东交通大学机电学院光机电技术及应用研究所, 江西 南昌330013
为了提高苹果可溶性固形物含量近红外光谱校正模型的预测能力和稳健性, 分别采用反向区间偏最小二乘法、 遗传算法和连续投影算法, 筛选苹果可溶性固形物的近红外光谱变量, 并建立了偏最小二乘回归模型。 利用遗传算法筛选的141个变量建立的校正模型, 预测效果最好, 与全谱建立的校正模型比较, 预测相关系数, 从0.93提高到0.96, 预测均方根误差, 从0.30°Brix降低到0.23°Brix。 实验结果表明遗传算法结合偏最小二乘回归方法, 有效地提高了苹果可溶性固形物近红外光谱检测模型的预测精度。
近红外光谱 遗传算法 反向区间偏最小二乘法 连续投影算法 可溶性固形物 NIR spectroscopy Genetic algorithm Reverse interval partial least squares method Continuous projection method Soluble solids 光谱学与光谱分析
2012, 32(10): 2680
