CARS特征变量优选近红外光谱法测定初烤烟烟叶厚度

摘要：

烤烟烟叶厚度是烤烟烟叶分级和品质评价的重要指标之一,采用近红外光谱分析技术实现对烟叶厚度的快速测定具有一定的可行性.对比分析了采用竞争自适应重加权法(CARS)算法优选特征变量和采用全波长变量(1000 ～2500 nm)结合偏最小二乘法(PLS)建立初烤烟烟叶厚度近红外校正模型的效果.结果表明:模型的输入变量数由1543个降低到180个,决定系数由0.846提高到0.941;适宜主成分数由10降低到6,校正标准误差和交互验证均方根误差分别降低了0.0034和0.0103.采用30个外部样品对模型进一步进行验证,模型的验证标准误差和验证标准误差的偏差由0.0182降低到0.0011,在α=0.05显著水平,两个模型预测值与实测值间均不存在显著差异,采用CARS筛选特征变量近红外模型预测值与实测值间的差异性更小.CARS筛选特征变量提高了烟叶厚度近红外校正模型的稳定性和预测准确性.

关键词：初烤烟、厚度、近红外光谱法、模型集群分析、竞争自适应重加权法

所属期刊栏目：32

分类号：TS412(烟草工业)

资助基金：云南中烟工业有限责任公司科技项目HYHH2013YL06

在线出版日期：2017-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：288-293