江西省科技支撑计划项目(2009BNA08500)
- 作品数：2 被引量：11H指数：2
- 相关作者：艾施荣吴燕吴瑞梅刘木华更多>>
- 相关机构：江西农业大学更多>>
- 发文基金：江西省科技支撑计划项目更多>>
- 相关领域：理学农业科学更多>>
- 遗传算法结合区间偏最小二乘法在草莓酸度近红外光谱检测的研究被引量：2
- 2010年
- 为探索近红外漫反射光谱技术快速无损检测草莓酸度的新方法,共采集了100颗草莓漫反射近红外光谱数据（波长范围1 000~1 800 nm）。通过采用标准正交变换（SNV）对原始光谱进行预处理后,将全光谱分为10个子区间,通过样本交互验证法优化每个子区间的最佳主成分数并计算区间对应的交互验证均方根误差（RMSECV）,得到第4个子区间（共80个特征波长）对应的预测均方根误差最小。采用遗传算法对第4子区间内的波数点进一步优选出1 483,1 482,1 485,1 460 nm 4个波数点,用这4个波长的光谱信息建立的草莓近红外酸度模型预测集相关系数为0.937 5,预测集均方根误差为0.072。结果表明：间隔偏最小二乘法结合遗传算法能筛选出最优波长并能减少建模所用变量,提高检测精度,保证模型的稳健性。
- 艾施荣刘木华
- 关键词：酸度遗传算法近红外漫反射光谱
- 基于BP神经网络近红外光谱鉴别茶饮料的研究被引量：9
- 2010年
- 提出了一种快速、准确鉴别茶饮料的新思路。采用美国ASD公司的可见-近红外光谱仪对3种茶原料(龙井茶、乌龙茶和铁观音茶)的饮料进行光谱分析。采用多元散射校正(MSC)方法对样本数据进行预处理,再用主成分分析法提取光谱数据的特征值。通过交互验证确定最佳主成分数为5,作为BP神经网络的输入变量,不同原料茶饮料作为输出变量,建立3层人工神经网络鉴别模型,并用模型对20个预测样本进行预测。模型的回判鉴别率达到100%,模型的预测鉴别率达到98.33%。结果表明,基于BP神经网络的近红外光谱鉴别不同原料茶饮料的方法是可行的。
- 艾施荣吴瑞梅吴燕
- 关键词：近红外光谱BP神经网络茶饮料
