基于SiPLS算法的近红外光谱检测梨可溶性固形物含量

摘要：

为了提高近红外光谱技术在梨的可溶性固形物含量(SSC)检测中的精度和稳定性,对采集的原始光谱进行标准归一化(SNV)预处理,采用联合区间偏最小二乘法(SiPLS)建立了SSC的预测模型；通过交互验证法确定了模型的主成分因子数,以预测时的相关系数(Rp)和预测均方根误差(RMSEP)作为评价指标对模型预测结果进行了分析,并与经典偏最小二乘(PLS)模型、间隔偏最小二乘(iPLS)模型进行了比较.结果表明,利用SiPLS所建的预测模型的最优组合包含21个光谱区间并联合4个子区间和15个主成分因子,其预测集的相关系数和预测均方根误差分别为0.9633和0.203;说明利用近红外光谱结合SiPLS算法可以准确、无损检测梨中可溶性固形物含量.

关键词：近红外光谱、联合区间偏最小二乘、梨、可溶性固形物含量

所属期刊栏目：30

分类号：O657.33;S123(分析化学)

资助基金：国家自然科学基金资助项目50775151

在线出版日期：2013-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：68-72