重庆市自然科学基金(CSTC2005BB2211)
- 作品数：6 被引量：87H指数：6
- 相关作者：祝诗平王刚阚建全郭静杨飞更多>>
- 相关机构：西南大学重庆大学中国农业大学更多>>
- 发文基金：重庆市自然科学基金国家自然科学基金更多>>
- 相关领域：理学农业科学机械工程电子电信更多>>
- 粉末样品颗粒大小对花椒挥发油近红外光谱定量预测的影响研究被引量：18
- 2008年
- 为了快速有效评定花椒质量等级,应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒样品粉碎成八种不同颗粒大小的粉末,对近红外光谱分别建立挥发油含量预测模型,当粉末样品颗粒大小为40目时,建立的模型最优,交叉验证测定系数r2141为0.9364,交叉验证误差均方根RMSECV141为0.421。使用105份40目粉末样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱预处理采用Meancentering＋vector normalization,谱区在6100.1~5774.2cm-1及4601.6~4424.2cm-1,则预测测定系数r326为0.9862,预测集验证误差均方根RMSEP36为0.192,预测相对标准差RSD36为4.95%,预测相对分析误差RPD36为8.517。研究结果表明,对花椒进行近红外光谱扫描前,粉碎到40目时所建立的近红外光谱模型最佳,使用近红外光谱技术快速有效检测花椒挥发油含量是可行的。
- 祝诗平王刚杨飞阚建全郭静邱青苗
- 关键词：近红外光谱分析花椒挥发油含量
- 花椒挥发油含量的近红外光谱无损检测被引量：29
- 2008年
- 应用近红外漫反射光谱技术,采用偏最小二乘法,针对118份完整花椒颗粒定标样品集,研究了扫描分辨率为4、8、16cm-1,扫描次数为32、64、128的9种扫描参数组合情况下的挥发油含量近红外光谱预测模型。扫描分辨率为16cm-1、扫描次数为128时,建立的预测模型最优。在最优参数组合情况下,定标集样品的内部验证决定系数R2为0.907,交互验证误差均方根为0.509,用20份样品作为预测集进行外部验证,外部验证决定系数R2为0.973,预测误差均方根为0.272,相对分析误差为6.28。结果表明,近红外光谱分析技术可以快速、无损地检测花椒颗粒中挥发油的含量。
- 王刚祝诗平阚建全杨飞郭静王一鸣
- 关键词：花椒挥发油含量近红外光谱分析无损检测
- DOSC在花椒挥发油含量近红外光谱分析中的应用被引量：11
- 2008年
- 应用近红外光谱分析技术,采用偏最小二乘法,对141份花椒粉末样品近红外光谱建立挥发油含量定量模型,交叉验证测定系数R2为0.936,交叉验证误差均方根RMSECV为0.421,经直接正交信号校正(DOSC)预处理后,相应的交叉验证测定系数R2提高到0.95,RMSECV减小为0.374。使用105份样品近红外光谱所建立的模型对36份样品的预测集进行预测,光谱采用DOSC预处理前后,预测测定系数R2由0.923提高到0.969,RMSEP由0.452减小到0.289,RSD由11.65%减小到7.44%,RPD由3.622增加到5.573。研究结果表明,使用DOSC预处理后的花椒挥发油含量近红外光谱定量模型的预测效果有较大的提高,且具有较好的稳定性和较强的预测能力,可用于实际的花椒挥发油检测。
- 祝诗平王刚尹雄兰雪冬任德齐
- 关键词：花椒挥发油近红外光谱
- 基于SVM与NIR的花椒挥发油快速检测方法被引量：6
- 2008年
- 应用近红外光谱分析(NIR)技术结合支持向量机(SVM)测定花椒挥发油的含量。以105份样品作为校正集,分别选取epsilon-SVR、nu-SVR两种SVM类型,并采用Linear、Poly、RBF与Sigmoid四种不同核函数进行SVM回归建模,以所建立的校正模型对36份样品的挥发油含量进行预测。结果表明:当SVM类型为epsilon-SVR,核函数为Sigmoid,惩罚参数取109,γ取1×10-6时,所建立的花椒挥发油SVM-NIR模型预测效果最好:R326=0.9317,RMSEP36=0.4268。同时对基于SVM-NIR、PLS-NIR、PCA-BP-NIR和PCA-RBF-NIR的花椒挥发油模型的预测性能进行比较分析,表明SVM-NIR模型具有较强的预测能力(或泛化能力),优于其余3种模型。
- 祝诗平王刚
- 关键词：花椒挥发油含量近红外光谱分析
- 人工神经网络NIR定量分析方法及其软件实现被引量：9
- 2007年
- 在VisualC++环境中采用面向对象技术,开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱(信噪比为14dB)与含水率所建立的PLS-NIR与PCA-MBP-NIR模型,对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明,对于含噪声的光谱,与PLS建模相比,使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数,更低的预测误差标准差。
- 祝诗平
- 关键词：农产品近红外光谱分析主成分分析人工神经网络
- 基于近红外光谱的花椒麻味物质快速检测方法被引量：35
- 2008年
- 针对传统方法测定花椒麻味物质含量耗时、费工的缺点,提出了应用近红外光谱分析技术,快速检测花椒麻味物质含量的新方法.对于141份粉碎到40目的花椒粉末样品,首先使用基于主成分得分与遗传算法的近红外光谱建模样品选择方法(PCA-SSGA)进行样品选择,优选出80份样品.然后应用偏最小二乘法(PLS),将其中60份样品的近红外光谱建立校正模型,并对其余20份样品组成的预测集进行预测.结果显示,测定系数(R220)为0.9004,预测标准差(RMSEP20)为0.8130,预测相对标准差(RSD20)为6.07%,预测相对分析误差(RPD20)为3.1670.说明模型对预测集样品具有一定的预测能力,基于近红外光谱技术快速检测花椒麻味物质是可行的.
- 祝诗平王刚杨飞阚建全郭静
- 关键词：近红外光谱分析花椒
