食用油油酸近红外光特征谱区筛选与模型优化方法研究

1、食用油油酸近红外光特征谱区筛选与模型优化方法研究 1基于mwpls法的油酸近红外光模型优化 首先对41个食用油的原始光谱举行均值化处理，去除噪声。初始化窗口宽度为11个波长变量，窗口宽度增强的步长为10波长变量，依次建立了窗口宽度11481多个pls模型。其中在窗口宽度为111个光谱数据点时，9-1所示：横轴为波数点值，纵轴为rmsecv值，由re-secv随窗口位置变幻的关系图可以计算得到最小的rmsecv。波段选取结果9-2所示。对应的波数点范围是49565805 cm-1。 对之前按kennard-stone法划分好的样本举行建模，ipls法建模结果9-3所示。所建模型的主成分数为13时

2、，模型最佳，打算系数r2为0.9864, rmsecv为1.5533, rmsep为1.1728。 图9-1 rmsecv随窗口位置变幻的关系图 2基于ipls法的油酸近红外光模型优化 首先对41个食用油的原始光谱举行均值化处理，去除噪声。将原始光谱分成250个子区间，分离建模比较。其中将原始光谱分成39个区间，即窗口宽度大小为28个光谱数据点。图9-4所示为各个子区间模型的rmsecv的比较图，横轴为波数点值，纵轴为rmsecv值，条形图高度代表单个子区间的rmsecv的值。由图9-4可知在第27个区间得到最小的rmsecv-波段选取结果9-5所示。该区间对应的波数范围是57025966cm

3、-1。 图9-2 波段挑选图 图9-3 mwpls法油酸模型分析结果 图9-4 子区间模型的rmsecv的比较图 图9-5 波段挑选图 对上一节按kennard-stone法划分好的样本集举行建模，ipls法建模结果9-6所示。所建模型的主成分数为11时，模型最佳，打算系数r2为0.9826, rmsecv为1.7963, rmsep为1.0482。 图9-6 ipls法油酸模型分析结果 3基于bipls法的油酸近红外光模型优化 首先对41个食用油的原始光谱举行均值化处理，去除噪声。将原始光谱分成255个子区间，挑选每个划分区间下的最佳联合子区间分离建模比较。由于算法的计算量会随着划分区间数与

4、联合子区间数的增大而强烈增强，所以挑选的子区间数应小于5。综合考虑rmsecv及rmsep的值及联合子区间数，将原始光谱分成40个区间，3个子区间联合(27, 32, 35)，波段选取结果9-7所示，区间对应的波数范围为50415241 cm-1, 56665866cm-1、67076907cm-1。 图9-7 波段挑选图 对之前按kennard-stone法划分好的样本集举行建模，bipls法建模结果9-8所示。所建模型的主成分数为12时，模型最佳，打算系数r2为0.9894, rmsecv为1.3624, rmsep为1.1466。 图9-8bipls法油酸模型分析结果 4基于sipls法

5、的油酸近红外光模型优化 sipls法建立模型的精度由联合的子区间个数与划分区间打算，详细挑选的划分区间数与联合子区间个数由实验得出。首先对41个食用油的原始光谱举行均值化处理，去除噪声。将原始光谱分成4-50个子区间，分离挑选联合子区间个数为2,3,4，举行联合建模得到相对应的最佳模型，见表9-1。 表9-1 基于sipls法的子区间组合建模 综合考虑rmsecv及rmsep的值及联合子区间数，将原始光谱分成25个区间，4个子区间联合(10, 12, 17, 22)，波段选取结果9-9所示。区间对应的波数范围为50185349cm-1、67157046cm-1、84128743cm-1、942

6、29590cm-1。 图9-9 波段挑选图 对之前按kennard-stone法划分好的样本集举行建模，sipls法建模结果9-10所示。所建模型的主成分数为11时，模型最佳，打算系数厂为0.9918，rmsecv为1.2002，rmsep为 0.7258。 图9-10 sipls法油酸模型分析结果 5油酸定量模型比较 采纳上述4种办法筛选波长后建立的最佳pls模型见表9-2。从表中可以得出通过对划分区间数、联合区间数、区间选取等筛选得到的波长建立pls回来模型，4种模型预测精度均显然优于全光谱建模，其中sipls法(联合4个区间)所建模型指标最佳。 表9-2 特征谱区筛选后建模结果比较 观看利用4种特征波长选择办法优选的波数范围，4种办法建立的模型所对应波数范围的公共区域集中于50005500cm-1，而中的c=o的二级倍频正是在5260cm-1处有主要汲取峰。预测结果较好的sipls和bipls优选的波数范围在86048921cm-