基于DPLS和LS-SVM的梨品种近红外光谱识别

摘要：

为了实现不同品种梨的快速光谱鉴别,采用主成分分析法(PCA)对光谱数据进行聚类分析,得到3种不同品种梨的特征差异,主成分分析表明,以所有建模样本主成分PC1和PC2做出的得分图,对不同种类梨具有很好的聚类作用.利用主成分分析得到的载荷图可以得到对于梨品种敏感的特征波段,用特征波段图谱作为输入建立偏最小二乘判别( DPLS)模型和最小二乘支持向量机(LS-SVM)模型.3个品种梨各70个共210个分别建立偏最小二乘判别(DPLS)模型和最小二乘支持向量机(LS-SVM)模型.对未知的24个样本进行预测,LS-SVM模型品种识别准确率达到100％,DPLS模型的校正及验证结果与实际分类变量的相关系数均大于0.980,交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)都小于0.100,品种识别率为100％.表明提出的方法具有很好的分类和鉴别作用,提供了梨的品种快速鉴别分析方法.

关键词：梨、近红外光谱、品种识别、主成分分析、偏最小二乘判别、最小二乘支持向量机

所属期刊栏目：43

分类号：O657.33(分析化学)

资助基金：江西省科技支撑项目2010BNB01200

在线出版日期：2012-12-17（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：160-164