论文部分内容阅读
近红外光谱分析技术是弱信号的提取和分析技术,光谱中一般都包含有噪声,进行适当的光谱预处理和选择适当的建模谱区,可以有效的把有用信号与噪声背景分离,提高模型预测精度。
本文使用傅立叶变换近红外光谱法测定玉米籽粒的油份含量,研究了不同的光谱预处理方法、不同的建模谱区对模型预测效果的影响,比较了主成分回归、偏最小二乘以及局部偏最小二乘,这三种不同的化学计量学方法建立出的定量模型预测结果的差异。实验结果表明采用中心化和多元散射校正的预处理方法,在4000-6000cm-1谱区范围内,运用局部偏最小二乘方法建立出的模型效果最好,相关系数达到0.953,预测标准差1.49。
由于玉米籽粒本身的粒度并不均匀,每次扫描时装样条件也不易做到完全一致,易产生光谱的随机误差,对模型预测效果有很大影响,可以利用多次测量的平均光谱予以消除;仪器状态方面,由于仪器波长偏移和分辨率变化对模型的影响较大,应保持建模时的仪器状态与测量未知样品时的仪器状态的一致。
研究结果表明上述方法可以应用于玉米油份含量的实际预测工作。