基于偏最小二乘与广义回归神经网络的近红外光谱测定土豆中3种营养成分的研究.pdf

Ξ 2 2 2 2 2 1 1 1 1 1 1 第 26 卷第 9 期 　　　　　　　　　　　　 分析试验室 　　　　　　　　　　　　Vol. 26. No. 9 2007 年 9 月 Chinese Journal of Analysis Laboratory 2007 - 9 Ξ 基于偏2 最2 小二乘与2 广2 义回归神经网络的近红外光谱 测定土豆中 3 种营养成分的研究 刘波平 1 ,2 , 秦华俊3 , 罗 　香2 , 曹树稳3 , 王俊德1 (1. 南京理工大学化工学院 , 南京 210094 ; 2. 江西省分析测试中心 , 南昌 330029 ; 3. 南昌大学食品科学教育部重点实验室 , 南昌 330047) 摘 　要 :偏最小二乘 (partial least squares , PLS) 与广义回归神经网络 (generalized regression neural networks , GRNN) 联用对土豆样品建立起粗纤维、淀粉、蛋白质 含量的预测校正模型 , 用 PLS 法将原始数据压缩为主成份 , 取前 3 个主成份的 12 个特征吸收峰输入 GRNN 网络 , 网络光滑因子σi 为 0. 1。PLS GRNN 模型对 样品 3 个组分含量的预测决定系数 ( R2 ) 分别为 : 0. 945、0. 992、0. 938。结果表 明 , 近红外光谱技术可以快速、准确地同时测定土豆中的粗纤维、淀粉、蛋白 质 , 该方法可应用于果蔬产业的品质管理与控制。 关键词 :近红外光谱 ; 土豆 ; 偏最小二乘 ; GRNN 网络 ; 多组分检测 中图分类号 :O657. 33 　　文献标识码 :A 　　　文章编号 :1000 0720(2007) 09 038 04 　　土豆的营养成分检测采用传统分析方法 , 存 就目前的研究文献来看 , G. P. Krivoshiev 等 (2000 在检测周期长、费用高等不足 , 不能满足现代社 年) [7] 做了土豆可溶性固形物 (SSC) 近红外光谱法 会的快节奏需要 , 所以研究快速简便的土豆营养 预测 , 此外 , 国内外均鲜见相关文献报道。本实验 成分检测技术显得很有必要。近红外光谱 (NIRS) 用 PLS 法将光谱数据压缩为主成份 , 输入 GRNN 分析技术借助化学计量学方法如主成份分析、多 网络 , 建立了同时预测土豆中 3 种营养组分的 元线性回归、逐步线性回归、偏最小二乘、人工神 PL