咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >近红外光谱结合极限学习机的榛子蛋白质含量检测 收藏

近红外光谱结合极限学习机的榛子蛋白质含量检测

Determination of Hazelnut Protein Content by Near Infrared Spectroscopy Combined with Limit Learning Machine

作     者:张冬妍 周宝龙 张瑞 韩睿 赵思琦 ZHANG Dong-yan;ZHOU Bao-long;ZHANG Rui;HAN Rui;ZHAO Si-qi

作者机构:东北林业大学黑龙江哈尔滨150040 

出 版 物:《食品研究与开发》 (Food Research and Development)

年 卷 期:2021年第42卷第4期

页      面:175-179页

学科分类:0832[工学-食品科学与工程(可授工学、农学学位)] 081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 083203[工学-农产品加工及贮藏工程] 

主  题:近红外光谱检测 极限学习机 榛子 蛋白质 

摘      要:以毛榛与平榛作为研究对象,将去壳后的毛榛与平榛分别制成90组与60组试验样本,获取波长范围为900 nm~1700 nm的原始光,同时,通过凯氏定氮法测得其中蛋白质含量真实值,并通过对比研究一阶(1-der)导数、二阶(2-der)导数、多元散射校正(multiplicative scatter correction,MSC)以及标准变量变换(standard normal variate,SNV)等预处理方法对模型精度的影响,确定适合榛子光谱的预处理方法。并通过反向间隔偏最小二乘法(backward interval partial least squares,BiPLS)分别选出适用于蛋白质预测的特征波段,达到精简模型的效果。以极限学习机(extreme learning machine,ELM)为建模方法建立蛋白质含量预测模型,最终可以得出两种榛子的预测集的相关系数R与预测均方根误差(root mean square error of prediction,RMSEP)分别为0.8806和0.5993,0.8823和0.5984,模型精确度较高。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分