近红外光谱结合极限学习机的榛子蛋白质含量检测

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.