近红外光谱玉米四种成分KSPCR定量模型研究.docVIP

近红外光谱玉米四种成分KSPCR定量模型研究 　　【摘 要】为了消除光谱数据间多重共线性，采用主成分回归（PCR）对玉米近红外光谱标准样本建立四种成分定量预测模型。在标准样本数量有限情况下，采用K/S算法优化抽样结果，寻求样本间差异最佳表达方式，选择有代表性质样本，使更多独立验证样本参与交互检验。采用固定样本集交互检验确定模型隐变量数，以保证预测模型之泛化能力。通过比较“K/S+PCR”与“随机抽样+PCR”法所建模型预测误差均方根（RMSEC）评价预测模型优劣。结果表明，在小样本情况下，采用“K/S+PCR”较“随机抽样+PCR”所建立模型具有更强泛化能力。 　　【关键词】玉米;主成分回归;近红外光谱;K/S 　　引言 　　 近年来利用近红外光谱进行作物成分含量分析已成为一个新兴方向。近红外光谱分析技术用于玉米成分含量检测，具有快速、高效、无污染、无需破坏样本等传统的化学鉴定法难以比拟的优势，因而被广泛应用于农产品定量分析。由于近红外光谱具有信息量大、有噪声干扰、波谱间相关度高等特点，不利于直接用于识别，需要对光谱数据进行预处理。目前常用的玉米种子光谱数据预处理方法有一阶导数、矢量归一化、窗口平滑、主成分分析等。李阳鹏等提出了基于离散傅里叶变换（DFT）的米品种特征分析新方法使波峰值提高到更利于特征提取范围。王徽蓉等，使用遗传算法进行特征光谱波段的选择，使用线性鉴别分析