科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文通过动态采集小麦的可见/近红外漫反射光谱(600～1 600 nm),结合偏最小二乘法(PLS)和BP神经网络(BP-ANN)建模方法建立小麦的蛋白质、水分、湿面筋、硬度指数的定量预测模型，利用决定系数(R2)、均方根误差(RMSE)和验证集标准偏差与预测标准偏差的比值(RPD)作为评价指标进行验证，比较分析了3种不同预处理方式对建立的PLSR模型的影响，同时分析比较了4种不同训练算法对建立的BP-ANN模型的影响。2种不同的建模方法，虽有不同但都取得了较好的预测结果。试验表明，利用不同的预处理方法可以有效提高实验结果。利用深度学习的方法对小麦品质建模，在水分和硬度指数这2个品质参数上有效地提高了预测精度。结果表明利用动态光谱建立小麦品质模型是切实可行的，对近红外在线检测技术有一定的参考价值。
- 单位
