- 1、本文档共24页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于高光谱技术的燕麦β-葡聚糖含量测定方法研究
基于高光谱技术的燕麦β-葡聚糖含量测定方法研究
李靖 王春光
内蒙古农业大学机电工程学院
X
关注成功!
加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知!
新浪微博
腾讯微博
人人网
开心网
豆瓣网
网易微博
摘????要:
为了实现燕麦β-葡聚糖含量的快速、准确、无损测定, 研究了一种基于高光谱技术的燕麦β-葡聚糖含量测定方法。采集燕麦4001 000nm范围的高光谱数据, 采用多元散射校正方法处理原始光谱, 使用分段线性回归分析方法对光谱数据进行降维, 将光谱按照全波段 (分1段) 、100nm间隔 (分3段) 、200nm间隔 (分6段) 进行划分, 共分成10段并分别计算出每段的特征拐点, 共提取出10个特征拐点波长;将光谱特征拐点波长的反射率作为BP神经网络的输入向量, 中间计算隐含层神经元的传递函数, 采用S型正切函数logsig, 输出向量是一维目标向量 (即燕麦β-葡聚糖含量) , 采用BP神经网络对燕麦β-葡聚糖含量进行预测。结果表明:燕麦β-葡聚糖含量的预测值与国标测定值之间的决定系数R2达到0.75, 预测均方根误差 (RMSEP) 达到0.009 8。将特征拐点波长与β-葡聚糖含量进行统计分析发现:燕麦β-葡聚糖含量的敏感波段在492、874、930nm附近, 采用高光谱技术对燕麦β-葡聚糖含量进行无损检测是可行的。研究结果为燕麦β-葡聚糖含量的快速无损检测提供了理论依据和实用方法。
关键词:
燕麦; β-葡聚糖; 高光谱; 分段线性回归;
作者简介:李靖 (1977-) , 男, 内蒙古巴彦淖尔人, 高级工程师, 博士, (E-mail) Lijing@126.com。
作者简介:王春光 (1959-) , 男, 内蒙古鄂尔多斯人, 教授, 博士生导师。
收稿日期:2017-02-13
基金:国家自然科学基金项目
Study on Determination Method of β-glucan Content in Oat Based on Hyperspectral Technology
Li Jing Wang Chunguang
College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University;
Abstract:
In order to achieve rapid, accurate and non-destructive determination of β-glucan content in oat, we study on a kind of determination method of β-glucan content in Oat based on Hyperspectral Technology. We acquired the hyperspectral of oat in the range of from 400 to 1000 nm, preprocessed the original spectral by using multiplicative scatter correction method, and processed the spectral data with dimension-reduction treatment by segmented linear-regression analysis. Next, we used the scatter plot of pattern spectrum as the input vector of BP neural network and the content of β-glucan in oat as the output vector of BP neural network. Then, we predicted the content of β-glucan in oat by BP neural network. The correlation coefficient R2 between the prediction value of the BP neutral network and the national standard measurement value was 0. 75, and the root-mean-square error reached 0. 0098. When will be the turning point band characteristics and β-glucan
文档评论(0)