油莎豆含油率的近红外光谱检测模型研究

作     者：魏海峰 时学双 党锡强 米玛顿珠 张梦媛 常唯 赤列措姆 张斌 高文伟 Wei Haifeng;Shi Xueshuang;Dang Xiqiang;Mimadunzhu;Zhang Mengyuan;Chang Wei;Tinley Tsomo;Zhang Bin;Gao Wenwei

作者机构：新疆农业大学农学院新疆乌鲁木齐830000 山东省农业科学院农作物种质资源研究所山东济南250100 日喀则市农牧业科学研究推广中心西藏日喀则857012 青州市农业农村局山东青州262500 日喀则市南木林县农业农村局西藏日喀则857100 

出 版 物：《山东农业科学》 (Shandong Agricultural Sciences)

年 卷 期：2025年第57卷第1期

页      面：166-173页

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0901[农学-作物学] 

基　　金：国家重点研发计划项目(2019YFD1002701) 山东省“渤海粮仓”科技示范工程升级版项目(2019BHLC002) 2003年日喀则市人才资源开发专项资金资助项目“日喀则市油莎豆新品种引种筛选及配套关键栽培技术研究与示范” 

主　　题：油莎豆 含油率 近红外光谱 偏最小二乘回归(PLSR) MLP神经网络 特征波长提取 

摘      要：为建立油莎豆块茎含油率的近红外光谱快速无损检测模型,提高育种材料的早代选择效率,本研究以109份油莎豆块茎样本为实验材料,采集波长范围为950~1650 nm、分辨率为1 nm的近红外光谱,并通过索氏提取法测定块茎粗脂肪含量,剔除异常样本后共得到103份样本,使用SPXY法将其按3∶1的比例划分为校正集与验证集。分别采用标准正态变换、多元散射校正、一阶导、二阶导、SG平滑以及混合方法对原始光谱进行预处理,并基于此建立偏最小二乘回归(PLSR)模型,通过对模型性能的对比分析,筛选出在校正集和验证集上预处理效果均较好的MSC+SG法,用于油莎豆含油率检测模型的构建;然后用竞争性自适应重加权采样(CARS)、无信息变量消除(UVE)算法以及MLP神经网络进行特征波长提取,并构建PLSR模型,结果显示,用CARS和UVE算法分别提取出115个和251个特征波段,建模效果均比全波段建模效果好,其中CARSPLSR模型预测性能最优,校正集交叉验证均方根误差(RMSE_(CV))、决定系数(R_(CV)^(2))分别为1.328、0.903,验证集RMSE_(P)、R_(P)^(2)分别为1.206、0.888,验证集相对分析误差(RPDP)为3.040;而MLP-PLSR模型的预测精度与CARS-PLSR模型接近,RMSE_(CV)、R_(CV)^(2)分别为1.387、0.903,RMSE_(P)、R_(P)^(2)分别为1.207、0.887,RPDP为3.040,但提取的特征波长仅77个,是3种方法中最少的,说明MLP法能够更有效地降低光谱信息重叠,滤除无关信息,MLP-PLSR更适合用于油莎豆含油率检测。综上,本研究初步建立了基于近红外光谱的油莎豆含油率快速无损检测模型,可为提高育种工作中的检测效率提供有效方法,并为油莎豆含油率无损检测提供技术支持。