亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        不同顏色冬棗可溶性固形物可見-近紅外光譜分析模型構(gòu)建

        2021-11-11 05:22:28杜嬌君張書敏王起明
        光譜學(xué)與光譜分析 2021年11期
        關(guān)鍵詞:模型

        郝 勇,杜嬌君,張書敏,王起明

        1.華東交通大學(xué)機(jī)電與車輛工程學(xué)院,江西 南昌 330013 2.南昌海關(guān)技術(shù)中心,江西 南昌 330013

        引 言

        冬棗又名凍棗、雁來紅或蘋果棗,是目前公認(rèn)的鮮食優(yōu)質(zhì)栽培品種。冬棗營養(yǎng)極其豐富,含有天門冬氨酸、蘇氨酸、絲氨酸等19種人體必需的氨基酸,且維生素C的含量尤其豐富,有“活維生素丸”之美譽(yù),營養(yǎng)價(jià)值為百果之冠[1]。冬棗的可溶性固形物(soluble solids content,SSC)是其重要的內(nèi)部品質(zhì)和成熟度評價(jià)指標(biāo)。冬棗生長環(huán)境的溫度、水分、光照、風(fēng)和土壤等因素均會對其采后轉(zhuǎn)紅指數(shù)產(chǎn)生影響,造成冬棗顏色和SSC差異,而消費(fèi)者常會將顏色與其SSC進(jìn)行關(guān)聯(lián)來判斷冬棗的口感。因此,對于不同顏色冬棗SSC含量的研究是非常必要的。

        SSC含量的測定方法主要分為折射法和光譜分析法,折射法的主要缺點(diǎn)是需破壞被測樣品;而可見-近紅外(visible and near-infrared spectroscopy,Vis-NIR)光譜技術(shù)是一種快速、無損、綠色的現(xiàn)代檢測技術(shù),根據(jù)全波段或者特征波長給出的信息與樣品屬性或含量間的相關(guān)關(guān)系對樣品進(jìn)行定性和定量分析。然而,由于Vis-NIR光譜常含有較多冗余信息及干擾,影響了模型的精度和穩(wěn)定性,因此,需要進(jìn)行光譜預(yù)處理及變量篩選,實(shí)現(xiàn)對干擾信息的抑制或?yàn)V除,從而提高后續(xù)模型的分析精度。李勇等討論了油菜籽樣品顏色對波長為700~2 500 nm譜區(qū)的近紅外光譜分析準(zhǔn)確度的影響,認(rèn)為樣品表面顏色越深, 吸光度越大, 在短波處最為明顯[2];姚鑫淼等研究了玉米子粒顏色對850~1 050 nm的光譜波段的淀粉含量的影響,結(jié)果表明樣品的外觀顏色是影響其分析精度的因素之一,采用平滑求導(dǎo)等光譜預(yù)處理方法可提高模型的預(yù)測性能[3]。郭成等采用無信息變量消除(UVE)方法對無花果SSC的PLS模型建模變量進(jìn)行優(yōu)選,其預(yù)測相關(guān)系數(shù)可達(dá)到0.89[4]。Tian等采用光譜預(yù)處理和隨機(jī)森林變量選擇方法對蘋果SSC在線預(yù)測模型進(jìn)行優(yōu)化,變量減少為原始變量的86%,而RMSEP減小了17%[5]。

        本工作采用Vis-NIR光譜結(jié)合Norris-Williams平滑(Norris-Williams smoothing,NWS)、連續(xù)小波導(dǎo)數(shù)(continuous wavelet derivative,CWD)、多元散射校正(multiplicative scattering correction,MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(standard normal variate,SNV)和NWS-MSC五種預(yù)處理方法[6-8]和蒙特卡羅無信息變量消除(Monte Carlo uninformative variable elimination,MCUVE)方法[8]對不同顏色(紅綠相間MJ,綠色GJ和紅色RJ)冬棗樣品的SSC進(jìn)行偏最小二乘(partial least squares,PLS)定量分析模型的構(gòu)建和優(yōu)化,以期實(shí)現(xiàn)不同顏色冬棗SSC的準(zhǔn)確分析[9]。

        1 實(shí)驗(yàn)部分

        1.1 材料

        樣品(大荔冬棗)來源于陜西某棗園,冬棗樣品如圖1所示。采集了同一批次、取大小均等且表皮顏色不同的三種冬棗(紅綠相間MJ,綠色GJ和紅色RJ)各45個樣品,共計(jì)135個。采用冷庫保鮮處理,用蓄冷箱送至實(shí)驗(yàn)室。

        1.2 光譜采集

        光譜采集裝置如圖2所示,采用透射方式進(jìn)行光譜的采集,Ocean Optics USB2000 Vis-NIR光譜儀(中國海洋光學(xué)公司)用于冬棗光譜的檢測,2盞100 W的飛利浦鹵素?zé)糇鳛楣庠?,光譜范圍為340~1 027 nm,光譜分辨率約為0.4 nm。

        圖2 光譜采集裝置示意圖

        光譜采集前,將三種顏色的冬棗樣品從冷藏室取出并置于室溫下8 h,相對濕度為25%~30%;采集距離為10 cm,隨機(jī)翻轉(zhuǎn)冬棗位置5次進(jìn)行光譜的采集,5次測量的平均光譜作為最終的分析光譜。采用SpectraSuite軟件進(jìn)行光譜數(shù)據(jù)的采集和存儲。

        三種顏色冬棗樣品原始光譜的平均光譜如圖3所示,從圖中可知,不同顏色的冬棗樣品光譜譜形相似,主要不同之處在于光譜響應(yīng)強(qiáng)度間的差異。此外,光譜圖不僅包含其組分信息,還包括光譜儀相關(guān)器件引入的噪聲、雜散光和樣品背景、顏色等干擾信息引起的光譜反射率的變化,因此,需要對光譜進(jìn)行預(yù)處理,以提高后續(xù)模型的分析精度。

        圖3 冬棗樣品平均光譜圖

        1.3 模型的建立與評價(jià)

        每個冬棗樣品均勻地選擇5個點(diǎn)進(jìn)行SSC的測試,其平均值作為該樣品的最終SSC的標(biāo)準(zhǔn)參考值。采用SSC均勻分布的方式將樣品集劃分為校正集和測試集,每種顏色冬棗樣品校正集和測試集樣品數(shù)量比為2∶1,即每種顏色的45個冬棗樣品中,30個樣品用于建模,15個樣品用于模型的測試。

        為研究不同顏色冬棗SSC構(gòu)建的PLS模型的分析精度,分別建立不同顏色冬棗SSC的單一模型和混合模型。單一模型即單種顏色冬棗SSC建模,混合模型即兩種或三種顏色冬棗SSC混合建模。為了描述方便,單一模型校正集MJc,GJc和RJc分別表示建模樣品集是為紅綠相間冬棗、綠色冬棗和紅色冬棗;混合模型校正集MJc-GJc和MJc-GJc-RJc分別表示建模樣品是由紅綠相間冬棗-綠色冬棗和三種顏色的冬棗組成;MJv,GJv,RJv和MJv-GJv-RJv分別表示測試樣品集是由紅綠相間冬棗、綠色冬棗、紅色冬棗和三種顏色冬棗組成;冬棗樣品SSC的統(tǒng)計(jì)信息如表1所示。

        表1 冬棗樣品及其SSC含量統(tǒng)計(jì)信息

        采用模型的校正相關(guān)系數(shù)(correlation coefficient of calibration set,Rc)和交叉驗(yàn)證均方根誤差(root mean square error of cross-validation,RMSECV)作為評價(jià)指標(biāo)對光譜的預(yù)處理方法和變量進(jìn)行優(yōu)選,采用測試集的預(yù)測相關(guān)系數(shù)(correlation coefficient of prediction set,Rp)和預(yù)測均方根誤差(root mean square error of prediction,RMSEP)作為模型預(yù)測精度的評價(jià)指標(biāo)。其中Rc越大,RMSECV越小,模型的精度越高;Rp越大,RMSEP越小,模型的預(yù)測能力越好。Matlab R2018a用于光譜數(shù)據(jù)的預(yù)處理、變量優(yōu)選以及PLS模型的建立。

        2 結(jié)果與討論

        2.1 不同預(yù)處理方法對冬棗SSC模型精度的影響

        樣品光譜采集時(shí)易受光譜儀噪聲和雜散光等因素的干擾,引起光譜反射率的變化。因此,需要對樣品光譜進(jìn)行預(yù)處理,抑制或?yàn)V除干擾信息以提高模型的分析精度。為了研究不同預(yù)處理方法對冬棗SSC模型精度的影響,分別采用NWS,CWD,MSC,SNV和NWS-MSC五種預(yù)處理方法對光譜進(jìn)行信息變換和提取,并計(jì)算其Rc和RMSECV對模型精度進(jìn)行評價(jià),PLS模型的校正結(jié)果如表2所示。由表可知,校正集為MJc,GJc,RJc,MJc-GJc,MJc-GJc-RJc建立的五種PLS模型分別選用NWS,CWD,NWS,NWS-MSC和SNV方法進(jìn)行預(yù)處理時(shí),模型的精度均有明顯提升。

        表2 不同預(yù)處理方法的冬棗可溶性固形物PLS模型的校正結(jié)果

        光譜的吸收主要反映了有機(jī)物中C—H,O—H和N—H等含氫基團(tuán)信息,而SSC主要是指可溶性糖類,包含重要的—OH基團(tuán)信息。在冬棗樣品Vis-NIR光譜中,波長725 nm處具有明顯的由于O—H鍵伸縮振動產(chǎn)生的吸收峰。圖4(a)為采集的三種顏色共135個冬棗樣品的原始可見-近紅外光譜圖,圖4(b)為采用優(yōu)選的SNV方法進(jìn)行預(yù)處理后的光譜圖。由圖可知,預(yù)處理后在一定程度上消除了原始光譜中的背景噪聲及其他影響。

        圖4 冬棗樣品的可見-近紅外光譜圖與SNV預(yù)處理后的光譜圖

        2.2 建模樣品集組成對冬棗SSC的PLS模型預(yù)測精度的影響分析

        2.2.1 單一顏色冬棗SSC模型分析

        由于三種顏色的冬棗樣品光譜譜形相似,可用不同顏色冬棗樣品的預(yù)測集對冬棗SSC模型進(jìn)行評價(jià)。分別對MJc,GJc和RJc樣品集進(jìn)行建模,采用MJv,GJv和RJv三個測試集樣品對模型的預(yù)測能力進(jìn)行評價(jià)。單一顏色冬棗樣品SSC的PLS模型的預(yù)測結(jié)果如表3所示。

        由表3可知,對于單一顏色冬棗的PLS模型,當(dāng)預(yù)測集樣品與建模集樣品的顏色性質(zhì)相同時(shí),其模型的預(yù)測結(jié)果較好,即校正集MJc中,MJv為預(yù)測集時(shí)預(yù)測結(jié)果最佳;校正集GJc中,GJv為預(yù)測集時(shí)預(yù)測結(jié)果最佳;校正集RJc中,RJv為預(yù)測集時(shí)預(yù)測結(jié)果最佳。

        表3 單一顏色冬棗樣品SSC的PLS模型的預(yù)測結(jié)果

        2.2.2 混合顏色冬棗SSC模型分析

        分別對混合顏色MJc-GJc和MJc-GJc-RJc樣品集進(jìn)行建模,采用MJv,GJv,RJv和MJv-GJv-RJv四個測試集樣品對模型的預(yù)測能力進(jìn)行評價(jià)?;旌项伾瑮棙悠稴SC的PLS模型的預(yù)測結(jié)果如表4所示。

        表4 混合顏色冬棗樣品SSC的PLS模型的預(yù)測結(jié)果

        由表4可知,當(dāng)預(yù)測集中只含有與校正集相同顏色的樣品時(shí),其預(yù)測結(jié)果較好,即校正集為MJc-GJc時(shí),模型對MJv和GJv的預(yù)測精度較RJv的好;用預(yù)測集為MJv-GJv-RJv評價(jià)模型時(shí),雖然校正集MJc-GJc中含有紅綠相間和綠色冬棗樣品,但無紅色冬棗樣品,因此,預(yù)測精度較差;當(dāng)在MJc-GJc中增加RJc組成MJc-GJc-RJc建模集,模型對MJv-GJv-RJv的預(yù)測誤差由1.378減小到0.946。

        圖5所示為采用不同顏色的冬棗樣品組成的五個校正集建立冬棗SSC的PLS模型對由三種顏色冬棗樣品組成的測試集進(jìn)行預(yù)測的RMSEP變化圖,由圖中可知,當(dāng)建模集樣品與測試集樣品性質(zhì)相同時(shí),模型均得到較好的預(yù)測結(jié)果,RMSEP均比較小。

        圖5 不同顏色樣品建模集建立的冬棗SSC的PLS模型的RMSEP變化圖

        2.3 變量篩選方法對模型預(yù)測精度的影響分析

        通過對校正集MJc,GJc和RJc的單一模型,及MJc-GJc,MJc-GJc-RJc的混合模型經(jīng)預(yù)處理方法優(yōu)選后采用PLS建模分析可知,當(dāng)測試集樣品與校正集樣品性質(zhì)相似時(shí),模型具有更好的預(yù)測能力。為了進(jìn)一步對模型進(jìn)行優(yōu)化,采用MCUVE方法進(jìn)行變量選擇后,應(yīng)用所篩選的特征變量建立PLS模型的結(jié)果如表5所示[10]。

        由表5中可知,冬棗樣品的Vis-NIR光譜包含有2 048個建模變量,選用MCUVE變量篩選后,模型的建模變量均減少,且精度得到不同程度的提高。對于冬棗校正集為MJc-GJc-RJc模型,優(yōu)化后的模型保留了200個有效建模變量。圖6是校正集為MJc-GJc-RJc時(shí)樣品經(jīng)過MCUVE選擇的波長信息,選擇的變量主要集中于近紅外短波光譜區(qū)域(770~1 100 nm),剔除大部分位于可見光譜區(qū)域(390~770 nm)的樣本點(diǎn),從而減少了表面顏色對分析模型的影響,大大提高了不同顏色冬棗混合建模時(shí)變量的相似性,從而使模型的精度及預(yù)測能力得以提高,模型的RMSECV從1.158降低到0.886,RMSEP從0.946降低到0.721。

        表5 變量優(yōu)選后模型的分析結(jié)果

        圖6 MCUVE方法選擇變量的分布

        2.4 冬棗SSC最優(yōu)光譜分析模型

        不同顏色的冬棗樣品進(jìn)行混合建模時(shí),通過光譜預(yù)處理和變量優(yōu)選方法可以得到預(yù)測精度較高的分析模型。圖7所示為利用優(yōu)選變量建立的混合冬棗PLS模型的RMSECV和RMSEP隨主成分?jǐn)?shù)的變化圖,從圖中可以,兩者相差較小且變化規(guī)律具有較好的一致性,表明模型擬合的較合理[11]。

        圖7 混合冬棗模型的RMSECV和RMSEP隨PLS因子數(shù)變化圖

        最優(yōu)混合模型對測試集樣品SSC的預(yù)測值和參考值的相關(guān)關(guān)系如圖8所示。由圖可知,冬棗SSC的參考值和模型預(yù)測值之間存在較好的相關(guān)關(guān)系,預(yù)測樣品集的Rp和RMSEP分別為0.922和0.721。

        圖8 SSC實(shí)測值與模型預(yù)測值的相關(guān)關(guān)系

        3 結(jié) 論

        對不同顏色冬棗SSC的Vis-NIR光譜分析模型構(gòu)建進(jìn)行研究,采用不同的光譜預(yù)處理方法和MCUVE變量篩選方法對冬棗SSC的PLS定量分析模型進(jìn)行優(yōu)化,以期實(shí)現(xiàn)不同顏色冬棗SSC含量準(zhǔn)確分析的通用模型的構(gòu)建。結(jié)果表明,分別采用MJ,GJ和RJ的獨(dú)立樣品集進(jìn)行建模時(shí),模型僅僅對具有相同顏色的冬棗樣品的SSC實(shí)現(xiàn)了較好的預(yù)測;分別在MJ樣品中加入GJ和GJ-RJ樣品進(jìn)行MJ-GJ和MJ-GJ-RJ兩個混合樣品集的定量模型的構(gòu)建時(shí),MJ-GJ模型對MJ和GJ樣品的SSC具有較好的預(yù)測效果,而對RJ樣品的預(yù)測誤差較大;MJ-GJ-RJ模型對三種顏色的冬棗SSC均有較好的預(yù)測結(jié)果;采用Vis-NIR光譜對不同顏色冬棗的SSC進(jìn)行分析時(shí),當(dāng)校正集樣品與測試集樣品顏色屬性相似進(jìn)行模型構(gòu)建時(shí),模型具有更好的通用性和分析精度。采用MCUVE方法對模型進(jìn)行變量優(yōu)選后,模型的各項(xiàng)評價(jià)指標(biāo)均得到改善。

        猜你喜歡
        模型
        一半模型
        一種去中心化的域名服務(wù)本地化模型
        適用于BDS-3 PPP的隨機(jī)模型
        提煉模型 突破難點(diǎn)
        函數(shù)模型及應(yīng)用
        p150Glued在帕金森病模型中的表達(dá)及分布
        函數(shù)模型及應(yīng)用
        重要模型『一線三等角』
        重尾非線性自回歸模型自加權(quán)M-估計(jì)的漸近分布
        3D打印中的模型分割與打包
        波多野结衣的av一区二区三区| 人妻露脸国语对白字幕| 人妻精品久久一区二区三区 | 亚洲欧美日韩在线一区 | 在线a亚洲视频播放在线播放| 国产99久久久国产精品免费看| 日韩a∨精品日韩在线观看| 亚洲人成绝费网站色www| 青青草视频在线观看绿色| 国产播放隔着超薄丝袜进入| 亚洲欧美日本| 无码a级毛片免费视频内谢| 九一精品少妇一区二区三区| 777精品出轨人妻国产| 国产精品99久久久久久宅男| 久久91精品国产91久久麻豆| 亚州av高清不卡一区二区 | 一本一本久久久久a久久综合激情| 97激情在线视频五月天视频| 欧美乱妇高清无乱码免费| 亚洲精品92内射| 天天干夜夜躁| 丰满人妻被持续侵犯中出在线| 国产亚洲精品美女久久久m | 亚洲乱码国产乱码精品精| 欧美成人形色生活片| 青青青伊人色综合久久| 丝袜美腿国产一区精品| 中国农村熟妇性视频| 五月婷婷影视| 国产自拍视频免费在线观看| 18禁黄网站禁片免费观看女女| 精品丝袜人妻久久久久久| 日本一区二区三区资源视频 | 日日摸天天摸97狠狠婷婷| 亚洲另类精品无码专区| 国产精品人成在线观看| 亚洲综合第一页中文字幕| 国产精品自在线拍国产手机版| 日韩欧美国产亚洲中文| 国产精品国产三级国产专区50|