基于遗传算法的苹果糖度近红外光谱.pdfVIP

第28卷，第lo期 光谱学与光谱分析 and Octobert 2008年10嚣 SpectroscopySpectralAnalysis 2008 基于遗传算法的苹果糖度近红外光谱分析 至加华，韩东海‘ 中国农业大学食品科学与营养工程学院，北京100083 摘要遗传算法(GA)应髑攘德最小二乘法(PLS)校正模型的波段优化选择中具有显著的效果。将遗传算 法霉予浚获选择，薤更抉这蘩簸砉荛舞，毒效摄囊溅蘩猿褒，藏步建搂黪攥交量。文章酝究了农运红终莩栗壤 度无损检测中，遗传算法俸为模块进行渡段选择，建立了GA-PLS横楚；为了说鼹遗传篱法优选渡段可行 性，另外建立了全谱和经骏谱区的PLS定量模型，并评价了模型的稳健性。首先对傅爨叶变换近红外光谱 1 550个数据点)和经验谱区 550减少到434个。然后采用一阶导数光谱建立GA-PLS模型，相比全谱PLS(1 RMSEP=0．797。结栗表暖，遗传算法霹震子PLS法建立苹栗穗蠹较豢镤鳖蒗懿数蘩捷纯露透，有效提高蘸 量精魔，并减少建模变量。 关键词遗传算法{傅里叶变换近红外光谱；波段选择；偏最小二乘法I糖度；苹果 中围分类号：0657．3文献标识码：A 大融]。对予遥缝外光谱分析，建纛PLS模鍪往往不嚣簧选 引言 择具体的波妖点，只需要选择浆燎波段，本文采用一种基于 遗传算法的避红外光谱波段选择方法(R-SGA)。 在多元校正分析中，波长选择方法主要有相关系数法、 采集苹果近红外漫反射光谱，研究了采用遗传算法对建 方差分析法、逐步强归法、无信息变黧漕除法(UVE)、闽黼模波段进掰傀他(R-SGA)后，建巍遗传优他谱区偏最小二乘 镶最枣二乘法(intervalPLS，i班S、蘧传算法(geneticalgo-法(GA-P嗡攒登，劳弱嚣建囊了全谱馕最夺二乘法(FS- rithras，GA)等，其中GA是应用较广泛的一种波长选取方 法。遗传算法[1]借鉴生物界自然选择和遗传机制，利用选 模型的稳健性及预测性，将遗传算法用于PLS法建激苹果糖 择、交换和突变等算子的操作，随着不断的遗传迭代，使目 度校正模型前的数据优化筛选，材效提高了测量精魔，并减 标函数值较优的变量被保留，较差的变量被淘汰，最终选到 少了建模变避。 search)算 最霞结果，是一静鑫适应寤发式全球搜索(Global 法。遗传算法已成凌建瘸予近薮终分褥中静渡长遥摄￡湖袋 1实验糖精耪方法 其谱图解析口】。 偏最小二乘法已广泛用于近靓外光谱检测水果糖 1．1实验材料 度睁”]。当建立光谱预测模型时，需黉确定特定组分的特征 供试榉晶为市售山东烟台级富±苹果，无明显外部缺 波段，减小建援和预测运算时阔，以及剽除噪声污染道火购 陷，颜色较均匀，直径范围为76．8～84．6锄，平均僮为 h(26 灌送等。在巍谱努爨孛，天纛将遗黪算法震予渡长选择(麓 豁。2蕊，糠疆镛差3。21。实验瓣褥苹果置于实验窒8 称W·SGA)帮谱激选择(篱称R_SGA)，提高了分析结果准确℃，辐jf季滠麓64％)，苹果样晶豹髭潜采集稻标准德溯定当 性r1”。W-SGA每个波长对应一个蒸因，对于P个波长，那天完成。总样品数为165个，其中124个样品作为建模集， 么染色体就有声个基因，如果波长数目较大时，遗传算法的 剩余样品作为预测集。 染色体的基因俄数就很多，从而使优化搜索空间十分匮