应用多种近红外建模方法分析梨的坚实度.pdfVIP

第27卷，第5期 光谱学与光谱分析 20O7年5月 and May，2007 SpectroscopySpectralAnalysis 应用多种近红外建模方法分析梨的坚实度 傅霞萍，应义斌。，陆辉山，于海燕，徐惠荣 浙江大学生物系统工程与食品科学学院，浙江杭州 310029 infrared 摘要近红外光谱(near spectroscopy，N限s)技术是一种快速、无损的仪器分析方法，在农产品 品质检测方面引起了广泛的关注，在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分 析中十分重要且有一定难度的过程，常见的多元校正方法有偏最小二乘回归(PLsR)、主成分回归(PcR)和 逐步多元线性回归(sMLR)等，该研究中除了常用的线性方法外，还采用了一种结合非线性方法的组合算法 [结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法，原 N，预 始光谱的PLsR模型的得到了较好的结果；校正集相关系数r—o．87，校正均方根误差RMsEc一3．88 测集r=o．84，预测均方根误差RMSEP一4．26N；组合算法的建模结果比SMLR和PCR的结果好，但比 PLsR的结果稍差：校正集r—o．85，RMSEC一4．15N，预测集r—o．82，RMSEP一4．67N。结果表明： NIRs可用于梨的坚实度检测，但是建模方法的选择值得进一步研究以提高预测的精度。 关键词NmS；多元建模方法；坚实度；梨 中图分类号：s37；TP216文献标识码：A 文章编号：1000—0593(2007)05一0911一05 1900 nrn附近的吸收使结果受到一定的影响。Cho等的研究 引 言 中只用到了1100～2400 究苹果和桔子果胶的近红外光谱，确证在980m左右有一 100 近期曾有过多种方法(例如文献[1，2])检测水果的坚实个果胶的吸收峰。McGlone等[1]应用800～1m的反射 度，但是仍存在了不少缺点。本文提出用多种近红外建模方 光谱建立了预测猕猴桃坚实度的多元模型，他们将较差的预 法分析梨的坚实度，取得很好的结果。 测结果归因于水果成分变化与坚实度没有直接的关系。Lu 700 500 NIRs[3]分析中最常用的多元线性统计方法主要有逐步等[13“1分别在800～1m和900～1m波长范围检 1inear 多元线性回归(stepwisemultipleregression，sMLR)、测甜樱桃和苹果坚实度，研究结果表明没有一个单一波长与 c啪pOnent 主成分回归(principal regression，PCR)和偏最小 距离法(mhalanobis 二乘回归(partialleastsquaresregression，PK泯)等，这些方 法在样品的被测参数和光谱吸光度之间建立起一个线性关 的坚实度，在进行MD分析方法分类苹果坚实度时他们研究