论文部分内容阅读
糖度是砂糖橘品质检测方面的一个重要指标,糖度的传统检测方法是用糖度计对砂糖橘进行有损检测,因此研究砂糖橘糖度的无损检测显得越来越重要。本文提出了砂糖橘糖度的近红外光谱快速无损检测方法,利用近红外光谱数据对砂糖橘的糖度进行预测。
本研究选取了400个砂糖橘样品,分为两组,各200个。一组检测带皮砂糖橘的糖度,另外一组检测剥皮之后砂糖橘的糖度。比较并优选了8种常用光谱预处理方法,找出了适合带皮糖度和剥皮糖度近红外光谱最佳预处理方法和最优建模波段,建立了砂糖橘带皮糖度和剥皮糖度的PLS模型以及BP神经网络模型。主要研究结果如下:
(1)砂糖橘带皮糖度的近红外光谱无损检测模型的最佳预处理方法是多元散射校正,相关系数达到0.959778,校正均方根误差减小到0.265187。砂糖橘剥皮糖度的近红外光谱无损检测模型的最佳预处理方法是移动平均法(窗口宽度为3),相关系数达到0.958421,校正均方根误差减小到0.296980。
(2)利用相关系数法对砂糖橘带皮糖度和剥皮糖度的建模波段进行优选,选取包含信息量大的波段进行建模,从而减少计算量,提高模型的精度及稳定性。优选之后,带皮糖度模型和剥皮糖度模型的最佳建模波段都为100个。
(3) PLS模型校正
带皮糖度的PLS校正模型预测值与实际值的相关系数R为0.962,验证模型预测值与实际值的相关系数R为0.86;剥皮糖度的PLS校正模型的预测值与实际值的相关系数R为0.969,验证模型预测值与实际值的相关系数R为0.82。
(4) BP神经网络模型验证
带皮糖度的BP人工神经网络模型优化隐含层神经元数目为10,BP人工神经网络模型带皮糖度预测值与实际值的相关系数R为0.967,验证模型预测值与实际值的相关系数R为0.868,模型精度和稳定性较好。剥皮糖度的BP人工神经网络模型优化隐含层神经元数目为15,BP人工神经网络模型剥皮糖度的预测值与实际值的相关系数R为0.903,验证模型预测值与实际值的相关系数R为0.837,模型精度和稳定性很好。