基于CARS变量选择方法的小麦硬度测定研究

摘要

为满足快速测定小麦硬度的需求,实现对未知小麦样本硬度的快速、无损检测,建立了小麦硬度预测模型.利用蒙特卡洛交叉验证统计规律对小麦硬度光谱数据进行识别,剔除异常样本.为获得具有代表性的小麦硬度预测集和校正集,基于光谱理化值共生距离法对小麦光谱数据进行集合划分,并获得预测集样本.对光谱数据进行一阶导数预处理,消除获取的小麦光谱数据中包含的高频噪声、基线漂移、样本背景等无关信息,减弱了各非目标因素对检测模型的影响.基于竞争性自适应重加权算法,筛选对模型有用的波长变量,从而提高预测模型的稳定性和预测性.建立偏最小二乘法的小麦硬度预测模型(CARS-PLS模型),该模型评价参数预测相关系数(R)和预测均方根误差(RMSEP)分别达到0.884 3和0.543 6,表明基于近红外光谱的CARS-PLS预测模型能够准确预测小麦硬度.