陈蕊 1王雪 1,2王子文 1曲浩 1[ ... ]高睿 3
作者单位
摘要
1 黑龙江八一农垦大学信息与电气工程学院, 黑龙江 大庆 163319
2 农业农村部农产品及加工品质量监督检验测试中心(大庆), 黑龙江 大庆 163319
3 东北农业大学电气与信息学院, 黑龙江 哈尔滨 150030
为建立快速近红外光谱定量分析模型, 特征波长筛选是提高定量分析预测精度较为有效的方法之一。 它能够筛选出有效波长信息, 减少数据冗余、 提高数据有效性。 随机森林(RF)作为一种集成算法, 可根据计算特征重要性进行特征筛选。 RF将基于袋外数据(OOB)的平均精度下降(MDA)方法计算均方误差平均值作为特征重要性结果, 通过设置特征重要性阈值筛选特征变量构成特征波长子集, 但该阈值范围的设定无理论依据, 因此需要对特征重要性阈值范围进行探究。 另一方面, 由于RF的随机特性, 特征波长子集中可能包含无效甚至是干扰变量, 并不能保证所选变量的有效性。 故而进一步提出RF-iPLS波长筛选方法。 区间偏最小二乘法(iPLS)筛选出的特征波长多为连续特征波段的特性, 对特征波长子集划分区间, 弥补RF因自身随机性造成的无效变量问题; 同时, RF筛选的离散特征波长解决了iPLS筛选的连续波段中含冗余信息的问题。 为了说明RF-iPLS算法的合理性, 特征子集经过蒙特卡洛(MC)方法500次样本特征采样后, 构建RF-MC-iPLS算法。 虽然RF-iPLS与RF-MC-iPLS算法结构接近, 但运行时间缩短了11.12%, 结果说明RF-iPLS算法在预测模型中的特征波长筛选是有效的, 且具有较低的时间复杂度。 为了进一步验证改进的RF-iPLS算法的有效性, 应用一组公开谷物蛋白质近红外光谱数据, 建立PLSR模型, 并与全谱的PLSR模型以及基于不同波长筛选方法的PLSR模型进行比较。 实验结果表明, 相比于全谱的117个波长, RF-iPLS优选出12个特征波长, 建模集的RMSEC从2.61降到0.64, 预测精度提升了约75.5%, 预测集的RMSEP从2.63降到0.69, 预测精度提升了73.8%, 极大地提高了预测精度且预测结果最优, 说明RF-iPLS是一种有效的特征波长筛选方法, 可以简化近红外光谱定量分析模型的复杂度并实现高效降维。
波长筛选 特征重要性计算 谷物蛋白质含量 定量分析 Wavelength selection Feature importance calculation Grain protein content Quantitative analysis 
光谱学与光谱分析
2023, 43(4): 1043
作者单位
摘要
1 华东交通大学智能机电装备创新研究院, 江西 南昌 330013
2 浙江德菲洛智能机械制造有限公司, 浙江 金华 321000
糖度(SSC)是苹果内部品质主要评价指标之一, 近红外光谱技术是预测苹果SSC的首选技术, 优化近红外光谱采集装置的参数, 可以提升模型的性能。 采用本课题组自主研发的动态在线设备采集苹果的近红外光谱(350~1 150 nm), 研究不同参数条件下(运动速度、 积分时间和光照强度)对近红外光谱预测苹果糖度模型的影响, 优化动态在线装置的参数。 210个红富士苹果被分为两批, 第一批90个苹果样品, 经过Kennard-Stone算法(K-S)算法分为建模集和预测集, 用于研究不同运动速度、 不同积分时间对苹果SSC含量在线预测模型的影响。 在0.3和0.5 m·s-1两种运动速度下, 使用多元散射校正(MSC)、 小波变换(WT)、 标准正态变量变换(SNV)对采集到的光谱进行预处理, 对不同移动速度的光谱构建糖度的偏最小二乘回归模型(PLS), 结果表明: 装置的运动速度为0.5 m·s-1所建立的预测模型性能较优, 在四种不同积分时间中, 积分时间为120 ms时, 经SNV预处理所建立的模型性能最优, 其预测集的相关系数和均方根误差分别为0.968和0.331。 第二批苹果120个, 经K-S分为建模集和预测集, 选择运动速度为0.5 m·s-1, 积分时间为120 ms的装置参数进行不同光照强度对苹果SSC预测模型影响的研究, 结果发现: 在光照强度为4.5 A时, 采集到的光谱相对其他光照强度组有较大的变化, 光谱在640和800 nm处的波峰基本消失。 在光照强度为6.5 A时, 经SNV预处理后建立的模型性能最优。 再使用竞争性自适应重加权算法(CARS)、 连续投影算法(SPA)对采集的光谱数据进行波长筛选后, 建立苹果SSC模型, 结果表明: CARS-PLS所建立的模型性能较好, 其预测集的相关系数和均方根误差分别为0.991和0.149, 同时简化了模型, 提高了模型的稳定性。 研究表明: 对动态在线设备进行参数优化, 有助于提高苹果模型的预测精度, 该研究有助于对苹果品质在线分选提供技术支持。
近红外光谱分析技术 动态在线装置 光照强度 波长筛选 参数优化 Near-infrared spectrum Dynamic on-line Light intensity Wavelength screening Parameters optimization 
光谱学与光谱分析
2023, 43(1): 116
作者单位
摘要
宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
采用荧光高光谱成像技术对脐橙表面不同浓度毒死蜱和多菌灵进行判别。 实验通过由氙灯光源激发的高光谱成像系统(392~998.2 nm)分别采集浓度为0, 0.5, 1, 2 mg·kg-1的毒死蜱和0, 1, 3, 5 mg·kg-1多菌灵的高光谱图像。 使用ENVI软件获取样本的感兴趣区域(ROI); 对原始光谱数据采用卷积平滑(SG)、 标准正态标量变换(SNV)及一阶导数(FD)方法进行预处理; 采用区间变量迭代空间收缩法(iVISSA)、 无信息变量消除算法(UVE)和竞争性自适应加权算法(CARS)进行一次提取特征波长, 二维相关光谱(2D-COS)方法进行二次提取特征波长。 最后采用主成分分析与线性判别分析相结合算法(PCA-LDA)和偏最小二乘算法(PLS-DA)建立基于两次提取特征波长脐橙表面不同浓度毒死蜱和多菌灵残留的判别模型。 将原始光谱数据与经过预处理的3种光谱数据进行建模分析, 结果发现毒死蜱和多菌灵的光谱数据经过SG处理后模型效果最优。 对经SG预处理后的毒死蜱光谱数据和多菌灵光谱数据进行特征波长一次提取, 最佳特征波长分别为iVISSA法和CARS法, 分别提取出26个和30个特征波长; 再采用二维相关光谱(2D-COS)算法对这26个和30个特征波长进行二次提取, 分别得到10个和12个特征波长。 对一次提取特征波长和二次提取特征波长后的光谱数据分别建模。 结果表明, 对于不同浓度的毒死蜱, 基于iVISSA-2D-COS建立的PCA-LDA模型判别效果最佳, 其校正集与预测集判别正确率分别为98.61%和95.83%; 对于不同浓度的多菌灵, 基于CARS-2D-COS建立的PCA-LDA模型判别效果最佳, 其校正集与预测集判别正确率分别为97.22%和95.83%, 均高于全波段光谱数据模型和一次提取特征波长模型判别正确率, 说明2D-COS可以捕捉可用的荧光光谱信息。 该研究采用2D-COS对一次提取最优特征波长进行二次提取后建模, 研究结果为脐橙表面不同浓度农药残留的快速无损判别提供了一定的参考。
荧光高光谱成像技术 毒死蜱和多菌灵 特征波长筛选 二维相关光谱 判别 Fluorescence hyperspectral imaging technology Chlorpyrifos and carbendazim Characteristic wavelength selection Two-dimensional correlation spectroscopy Discrimination 
光谱学与光谱分析
2022, 42(12): 3789
作者单位
摘要
中国农业大学现代精细农业系统集成研究教育部重点实验室, 北京 100083
叶绿素是作物生长诊断的重要参数, 对其进行高效检测是农田精细化管理的基础。 PROSPECT模型是作物光谱学检测研究的重要工具, 可为建立高精度叶绿素诊断模型提供数据集基础。 为了建立具有普适性的田间玉米作物叶绿素含量检测模型, 使用PROSPECT模型输入叶片结构参数和生化参数模拟叶片400~2 500 nm波段反射率曲线10 650条。 在其他参数设置保持不变的情况下, 分析光谱反射率曲线对叶绿素含量参数的敏感性, 结果显示叶绿素含量仅在400~780 nm区间对光谱反射率曲线产生影响。 讨论了3种叶绿素检测特征波长筛选策略, 分别为: 根据敏感性分析结果, 选出548~610和694~706 nm区域共计76个波长, 记为SEN-BAND; 基于反向区间偏最小二乘法(Bi-PLS)筛选5个区间共计91个波长, 记为BP-BAND; 基于连续投影算法(SPA), 在叶绿素影响区域400~780 nm筛选10个特征波长, 记为SPA-BAND。 进而使用2019年、 2020年两年期田间实测玉米叶片光谱反射率曲线和叶绿素含量数据, 分别应用上述3种方法选取的特征波长构建玉米叶片叶绿素含量检测模型。 结果显示, 使用SPA-BAND特征波长构建的模型, 在两年期数据中均得到最佳结果。 2019年数据模型建模集决定系数(Rc2)为0.815 6, 建模集均方根误差RMSEC为2.908 6, 验证集决定系数(Rv2)为0.799 5, 验证集均方根误差RMSEV为2.997 7。 2020年数据模型建模集决定系数(Rc2)为0.949 2, 建模集均方根误差RMSEC为0.976 8, 验证集决定系数(Rv2)为0.910 2, 验证集均方根误差RMSEV为1.562 9。 表明, 基于PROSPECT模型筛选叶绿素含量特征波长建立的叶绿素诊断模型具有普适性。
PROSPECT模型 叶绿素 波长筛选 PROSPECT model Chlorophyll Wavelength selection SPA Bi-PLS PLSR SPA Bi-PLS PLSR 
光谱学与光谱分析
2022, 42(5): 1514
作者单位
摘要
宁夏大学食品与葡萄酒学院, 宁夏 银川 750021
可溶性蛋白和谷胱甘肽(GSH)是羊肉重要的生理生化指标, 是衡量机体抗氧化能力大小的重要因素, 传统检测方法程序复杂, 检测费时。 为此应用可见-近红外(400~1 000 nm)高光谱成像技术实现可羊肉可溶性蛋白和还原性谷胱甘肽(GSH)含量无损、 快速检测。 首先, 对采集的180个羊肉样本的原始光谱信息采用4种方法进行预处理, 再运用竞争自适应加权算法(CARS)、 区间变量迭代空间收缩算法-迭代和保留信息变量法(iVISSA-IRIV)进行特征波段的提取。 同时使用灰度共生矩阵法(GLCM)提取贡献率最高的主成分图像的纹理信息。 最后将优选出的预处理方法和特征波长信息作为光谱信息和光谱-纹理融合信息分别结合多元线性回归(MLR)、 最小二乘支持向量机(LS-SVM)模型建立羊肉可溶性蛋白和谷胱甘肽含量的预测模型。 结果显示未经预处理的原始光谱建立的羊肉可溶性蛋白含量PLSR模型效果最佳, 其RcRp分别为0.875 7和0.854 7; 采用SNV法预处理后光谱建立的羊肉GSH含量PLSR模型效果最佳, 其RcRp分别为0.804 8和0.826 5。 利用iVISSA-IRIV共筛选出31个特征波长, 建立的羊肉可溶性蛋白LS-SVM模型的RcRp最优, 分别为0.914 6和0.881 8; 同时利用iVISSA-IRIV筛选出29个特征波长, 建立的羊肉GSH-MLR模型的RcRp最优, 分别为0.844 6和0.870 5。 最终经光谱特征信息和图谱信息融合模型对比发现, 建立iVISSA-IRIV-LS-SVM模型对羊肉可溶性蛋白预测效果最佳, 其RcRp分别为0.914 6和0.881 8; 利用SNV-iVISSA-IRIV法提取的光谱特征信息与纹理信息融合建立的MLR模型为预测羊肉GSH含量的最优模型, 其RcRp分别为0.849 5和0.890 4。 利用最优iVISSA-IRIV-LS-SVM和iVISSA-IRIV-MLR模型和成像处理方法, 结合伪色彩图像直观的表示羊肉样本的可溶性蛋白和GSH含量的空间分布情况。 研究结果表明利用高光谱图像的光谱和纹理信息能够用来预测羊肉可溶性蛋白和GSH含量。
高光谱成像技术 特征波长筛选 可溶性蛋白和GSH含量 纹理特征 可视化 Hyperspectral imaging technology Characteristic wavelength selection Soluble protein and GSH contents Textural features Distribution visualization 
光谱学与光谱分析
2022, 42(1): 176
作者单位
摘要
1 桂林电子科技大学计算机与信息安全学院, 广西 桂林 541004
2 桂林电子科技大学商学院, 广西 桂林 541004
3 北京邮电大学人工智能学院, 北京 100876
4 中国食品药品检定研究院, 北京 100050
近红外光谱分析技术对检测样品无损伤且检测速度快、 精度高, 因此被广泛应用在了药品检测、 石油化工等领域, 尤其近年来机器学习和深度学习建模方法的深入应用使其具备了更准确的检测性能。 然而, 样品的近红外光谱数据具有比较高的维度且存在谱间重合、 共线性和噪声等问题, 对近红外光谱模型的性能产生消极影响, 此时样品有效特征波长的筛选极为重要。 为了提高近红外光谱定量和定性分析模型的准确性和可靠性, 提出了一种近红外光谱变量选择方法, 其结合了最小角回归(LAR)和竞争性自适应重加权采样(CARS)的优点, 具有更优的性能。 该方法利用LAR初步筛选样品全谱区的特征波长, 接着利用CARS对筛选出来的特征波长进一步选择, 从而有效去除无关特征波长。 为验证该方法的有效性, 从定量和定性分析两个方面评价该方法。 在定量分析实验中, 以FULL, LAR, CARS, SPA和UVE作为对比方法, 以药品样品数据集为实例建立PLS回归分析模型, 经LAR-CARS筛选出的变量建立的PLS模型在药品数据集表现出较高的预测决定系数和较低的预测标准偏差。 在定性分析实验中, 以SVM, ELM, SWELM和BP作为对比方法、 不同比例训练集的药品数据集为实例建立分类模型, 经LAR-CARS筛选出的变量建立的SVM分类模型精度最高达100%。 从实验结果可见, LAR-CARS可有效的筛选出表征样品特征的波长, 利用其筛选出的波长建立的定量、 定性分析模型具有更好的鲁棒性, 可用于样品光谱的特征波长筛选。
近红外光谱 波长筛选 最小角回归 自适应重加权采样 Near infrared spectroscopy Wavelength selection Least angle regression Competitive adaptive reweighted sampling 
光谱学与光谱分析
2021, 41(6): 1782
作者单位
摘要
江苏大学食品与生物工程学院, 江苏 镇江 212013
三文鱼是一种营养丰富且味道鲜美的海水鱼种, 近年来, 我国三文鱼消费市场需求旺盛, 进口量不断增加, 而进口方式主要包括冰鲜和冷冻两种。 相比于冷冻三文鱼, 冰鲜三文鱼能更好的保留其优良品质, 但同时成本更高, 售价更贵。 因此存在部分不法商贩将冷冻三文鱼解冻后作为冰鲜三文鱼售卖, 以此谋取更多利润。 这种欺诈行为不仅严重损害了消费者的利益, 也不利于我国三文鱼消费市场的健康发展。 为建立一种快速、 无损的三文鱼品质检测方法, 以冰鲜和冻融三文鱼为研究对象, 对冰鲜和冻融三文鱼的高光谱光谱差异和图像差异进行了分析, 并结合化学计量学方法对冰鲜和冻融三文鱼进行快速鉴别。 三文鱼在冷冻运输过程中, 受冷链条件等因素的影响, 可能存在多次冻融的情况。 因此为提高检测方法的通用性, 制备不同冻融次数的三文鱼作为冻融组。 首先通过高光谱成像系统采集样本的高光谱图像数据。 然后利用ENVI 4.5软件提取样本高光谱图像中感兴趣区域(ROI)的平均光谱, 同时利用灰度共生矩阵法(GLCM)对前三个主成分图像的纹理信息进行提取。 原始光谱信息经过多元散射校正(MSC)等方法预处理后, 利用主成分分析法(PCA)、 竞争性自适应重加权算法(CARS)、 连续投影算法 (SPA)和CARS-SPA对光谱进行降维和变量筛选。 最后基于光谱信息、 图像信息以及融合光谱-图像信息分别结合反向传播神经网络(BPANN)、 线性判别分析(LDA)、 极限学习机(ELM)和随机森林(RF)建立冰鲜与冻融三文鱼鉴别模型。 结果显示基于MSC预处理光谱的CARS-ELM模型对冰鲜与冻融三文鱼识别效果最佳, 其校正集和预测集的识别率分别为100.00%和95.00%。 此外, 在对三文鱼的冻融次数鉴别研究中, 基于MSC预处理光谱建立的CARS-ELM模型对三文鱼冻融次数识别效果最佳, 其校正集和预测集的识别率分别为97.50%和91.67%。 研究结果表明, 基于高光谱成像技术能够对冰鲜与冻融三文鱼进行快速鉴别。
高光谱成像技术 冰鲜与冻融三文鱼 冻融次数 波长筛选 模式识别 Hyperspectral imaging technology Chilled and frozen-thawed salmon Frozen-thawed times Wavelength screening Pattern recognition 
光谱学与光谱分析
2020, 40(11): 3530
李凯 1,2陈芸芝 1,2,*许章华 1,2,3黄旭影 4[ ... ]汪小钦 1,2
作者单位
摘要
1 福州大学卫星空间信息技术综合应用国家地方联合工程研究中心, 福建 福州 350116
2 空间数据挖掘与信息共享教育部重点实验室, 福建 福州 350116
3 福州大学环境与资源学院, 福建 福州 350116
4 南京大学国际地球系统科学研究所, 江苏 南京 210093
叶绿素作为参与植被光合作用最重要的色素, 是监测毛竹虫害的一项重要指标。 通过对不同光谱数据集进行波长筛选, 建立虫害胁迫下竹叶叶绿素含量的高光谱估算模型, 为利用高光谱遥感监测毛竹虫害提供理论依据。 试验在福建省毛竹生产基地顺昌县进行, 使用ASD FieldSpec 3光谱仪采集不同虫害程度竹叶光谱102条, 并利用SPAD-502叶绿素计测定相应叶片叶绿素含量。 通过对比不同虫害程度竹叶的光谱特征, 探测利用高光谱数据估算叶绿素含量的机理。 对竹叶原始光谱(OS)进行包络线去除(CR)、 一阶导数(FD)、 包络线去除一阶导数(CR-FD)变换, 分析不同光谱数据与叶绿素含量的相关性, 并利用连续投影算法(SPA)分别提取4种光谱的特征波长。 采用基于x-y距离结合的样本划分法(SPXY)和随机法对4种光谱数据集进行划分, 结合多元逐步回归(MSR)建立竹叶叶绿素含量估算模型, 分析光谱变换及样本划分对估算叶绿素含量的影响。 结果表明, 不同虫害程度竹叶光谱反射率差异明显, 主要表现为可见光波段范围内的“绿峰”和“红谷”的逐渐消失, “红边”斜率减小, 近红外波长反射率降低。 通过光谱变换可有效提升光谱与叶绿素含量的相关性, 其中CR-FD光谱与叶绿素含量在724 nm处的相关系数最大。 经连续投影算法提取的不同光谱数据集的特征波长集中分布在绿光、 红光、 “红边”位置, 多个被选择波长位于与叶绿素含量相关性较高的波长区(600~750 nm)。 基于SPXY样本划分法建立的MSR模型相比于随机样本划分法能显著提升叶绿素含量的估算精度, 其中R2和RPD平均提高0.1和0.5, RMSE平均降低0.7。 以CR-FD光谱特征波长结合SPXY样本划分法建立的多元逐步回归模型对竹叶叶绿素含量的估算精度最高, R2, RMSE和RPD分别为0.835, 2.604和2.364, 可对虫害胁迫下毛竹叶片叶绿素含量进行准确的估算。
叶绿素含量 高光谱 光谱变换 波长筛选 SPXY样本划分 Chlorophyll content Hyperspectral Spectral transformation Characteristic wavelengths SPXY algorithm 
光谱学与光谱分析
2020, 40(8): 2578
李跑 1,2申汝佳 1李尚科 1单杨 2[ ... ]杜国荣 1,4
作者单位
摘要
1 湖南农业大学食品科学技术学院食品科学与生物技术湖南省重点实验室, 湖南 长沙 410128
2 湖南省农业科学院湖南省农产品加工研究所, 湖南 长沙 410125
3 湖南省农业科学院湖南省农产品加工研究所, 湖南 长沙 410125、
4 上海烟草集团有限责任公司技术中心北京工作站, 北京 101121
绿茶是我国饮用范围最广、 最受欢迎的一类茶叶。 不同品种绿茶叶外观上差别较小, 非专业人员难以直接用肉眼进行辨别。 传统化学方法操作复杂、 检测费用较高, 对样品具有破坏性, 无法实现快速无损分析。 近红外光谱技术是一种简便、 快速、 无损、 重现性好、 可直接用于在线定性定量分析的新型分析技术。 由于种植方式以及土壤、 气候等生长环境的差异, 不同品种绿茶叶中含氢基团有机物的种类和含量也不相同, 因此可以通过扫描样品的近红外光谱, 得到不同品种绿茶叶的特征信息, 实现对不同品种绿茶叶的快速鉴别。 研究提出了一种基于近红外光谱与化学计量学技术对不同品种绿茶的快速无损鉴别方法。 使用近红外光谱仪得到了八个品种绿茶样品的光谱图, 用主成分分析方法对不同品种绿茶样品数据进行了聚类分析。 使用连续小波变换方法消除了光谱信号中的基线干扰, 从而提升聚类效果。 利用基于标准偏差与相对标准偏差的变量筛选方法进一步提高了聚类结果的准确性。 结果表明: 主成分分析后样品的第一主成分和第二主成分的方差贡献率之和在90%以上, 可以选取前两个主成分进行聚类分析。 直接采用原始数据进行聚类分析的准确率较低, 难以满足应用需要; 连续小波变换可以有效地消除光谱信号中的基线干扰。 与直接使用原始光谱聚类结果相比, 采用连续小波变换后聚类效果有显著提升, 但依旧不能实现所有品种茶叶样品的准确鉴别。 为了进一步提高方法的稳健性和分类结果的准确性, 选取了标准偏差和相对标准偏差较大的波长数据进行聚类分析。 在符合平均值大于1%的波长范围内, 剔除标准偏差小于5‰的波长, 进一步选择较大相对标准偏差值对应的波长点进行聚类分析。 采用这种方式, 可以仅使用几十个甚至是几个波长即可实现绿茶样品品种的准确聚类分析。 波长筛选方法可以大大提高主成分分析结果的准确性, 采用近红外光谱分析技术与化学计量学方法可以实现对不同品种绿茶的快速鉴别。 经过对各个光谱吸收区域波长所对应官能团分析后, 初步得出多酚、 酰胺类以及氨基酸类物质的种类不同或含量差异是形成绿茶品种差异的重要原因。 所提出的基于近红外光谱与化学计量学技术的方法具有较强的鉴别能力, 为绿茶的快速无损分析提供了一种新手段。
近红外光谱 绿茶 连续小波变换 波长筛选 主成分分析 Near infrared spectroscopy Green tea Continuous wavelet transform Wavenumber selection Principal component analysis 
光谱学与光谱分析
2019, 39(8): 2584
作者单位
摘要
1 中国科学院 合肥智能机械研究所, 安徽 合肥 230031
2 合肥电子工程学院, 安徽 合肥 230037
可见/近红外光谱技术是土壤成分检测的有效工具。波长筛选对可见/近红外模型土壤属性的预测精度有重要影响。以宁夏吴忠地区75个水稻土样为研究对象, 利用可见/近红外光谱技术采集土壤样品光谱, 采用SPXY(Sample set partitioning based on joint X-Y distance)方法选取了校正集和预测集样本, 比较了分别采用 Savitzky Golay平滑(SG smoothing)、多元散射校正(Multiple scatter correction,MSC)、标准正态变量变换(Standard normal variate,SNV) 3种预处理方法对光谱数据处理后建立土壤碱解氮偏最小二乘法模型和原始光谱数据建模的效果。在此基础上, 分别采用遗传算法(Genetic gorithms,GA)、连续投影算法(Successive projections algorithm,SPA)、竞争性自适应重加权算法(Competitive adaptive reweighted Sampling, CARS)、随机蛙跳(Random frog, RF)进行波长筛选, 最后应用偏最小二乘法建立基于不同波长筛选方法的土壤碱解氮含量预测模型。研究表明, 由于仪器性能稳定, 样品的颗粒度比较小和均匀, 本次实验原始光谱数据建模效果最好; 各种波长筛选方法均可有效减少参与建模的波长数, 且连续投影算法优于全谱建模, 所选波长数仅为全谱波长数的1%, 其预测决定系数(R2)、预测均方根误差和相对分析误差值分别为0.726, 3.616, 1.906。这表明连续投影算法可以有效筛选水稻土碱解氮敏感波段, 为土壤碱解氮传感器开发提供技术支持。
土壤 可见/近红外光谱 碱解氮 光谱预处理 波长筛选 soil visible/near infrared spectroscopy(Vis-NIRS) available nitrogen spectral pretreatment wavelength selection 
发光学报
2018, 39(7): 1016

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!