近红外光谱品质检测方法研究

《近红外光谱品质检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、中国农业大学博士学位论文近红外光谱品质检测方法研究姓名：祝诗平申请学位级别：博士专业：农业电气化与自动化指导教师：王一鸣20030501中国农业大学博}+学位论文摘要在中国加入WTO后，利1日；3近红外光谱技术进行快速、准确的农产品品质检测技术与方法研究非常迫切。本文在这种背景r，研究了近红外光谱品质检测技术与方法。主要研究内容如下：1．针对剔除异常样品常采川的ODO方法具有将非异常样品错误地当作异常样品的局限性，提出了“二审”剔除法(ODT)，采_}1_

2、一次“回收”算子(CAO)，使最终模型保留了更多的样品。2．“二审”剔除法(ODT)仅给予了一次申诉，本文又提出了基丁遗

3、传算法的样品选择方法(SSGA)。遗传算法能够在每一代进化中以某种概率(变异率)，将已鉴定为异常的样品，重新标记为正常样品，给予了异常样品多次申诉的机会，保证了最后选出的校正集样品组合是虽佳的。3．针对LOO，CV的计算时间很睦，本文对使用拟合残差计算LOO．CV预测残差的PMR方法，进行了改进，提出以原始光谱A。。。的主成分得分矩阵s。。r代替原始光谱估算LOO．CV预测残差的PR／FR—PCA方法，大大缩短计算时间，也避免了A'A矩阵不满秩无法求逆的问题。4．钊1对以每个波长一个染色体基田的WSGA方法在波长数目较大时搜索空间太大的问题，本文提出了基于遗传算法的近红外光谱

4、波长区间选择方法(RSGA)，将全谱区间的预分子区间数作为染色体的位数，以R／(1+RMSPCn作为优化目标函数。经SSGA优化选择谱区后，不仅波氏点数减少，而且PLS．LOO-CV预测值与标准值的相关系数月得以提高，RMSPCV得以减少。5．系统研究和比较了小波及小波包与经典的PLS-NIR相结合的四种不同方法：WVTDR．PLS．NIR、WPTDR．PLS-NIR、WVACR．PLS-NIR、WVAC—PLS．NIR。相对丁．经典的PLS-NIR定量模型，该四种方法均有消除原始光谱噪声的作用，所建立模型均具有更好的预测能力。其中WVAC—PLS-NIR方法，算法最简单，进

5、行PLS—LOO．CV午¨建立晟终模型的时间最短。6．提出了以小波分解低频系数矩阵代替原始光谱矩降进行近红外光谱样品选择的思想，对ODO、ODT及SSGA进行了改进，形成三种新方法：WVAC，ODO、WVAC．ODT、WVAC—SSGA，大大减少了算法运算时间，提高了算法效率。7．提出了小波及小波包与经典的MBP-N1R神经网络定量分析方法相结合的五种不同方法：WVAC．MBP-NIR、＼WAC—PCA—MBP-NIR、WVACR-PCA．MBP-I'4IR、WVTDR-PCA．MBP-NIR、WPTDR-PCA．MBP-NIR。并给出了它们的算法原理。8，分别应用五种PLS

6、-NIR定量分析方法和六种MBP-NIR神经网络定量分析方法，对原始光谱和加噪光谱进行了实例比较分析。表明：十一种方法均可用作近红外光谱定量分析：对于含噪声光谱，经典PLS-NIR的预测效果最差；小波及小波包与PLS-NIR和MBP-NIR相结合，均有消除原始光谱中噪声的作用：使用小波低频系数的方法，可以压缩数据空间，计算量相应减小；建立非线性的MBP-NIR模型比建立线性的PL-S-NIR模型需要更多的建模训练样品。9．设计并实现了近红外光谱品质检测软件系统。该系统具有光谱文件管理，光谱显示，光谱预处理，光谱校正模型的建立与管理，未知样品的组分浓度预测等功能。关键词：近红外

7、光谱分析，遗传算法，小波，小波包，人工神经网络，品质检测中国农业大学博}‘学位论文AbstractAbstraotAftertheentranceofChinatoWTO，itbecomesmoreandmoreurgenttostudyonthefastandpreciseagriculturalproductqualitydetectiontechnologyandmethodbasedonN1RfNearInfraredSpectroscopyAnalysis)TheNIRqualitydetectiontechnologiesandmethodsarestudiedi

8、nthispaper．Thecontentsofthestudycanbebrieflysurrmrafizedasfollows：1．Becausesomenon—outliersamplesareoftenFalselyregardedasoutliersamples，whenusing“OutlierDetectingOncefODO)”methodAnewmethodusing“CallbackArithmeticOperator(CAO)”，namedas“OutlierDetectingTw