雷竹笋硬度的近红外光谱检测模型优化

摘要

为了提高应用近红外光谱技术无损检测雷竹Phyllostachys violascens竹笋硬度的精度,研究了雷竹笋硬度光谱检测模型的优化方法。首先对雷竹笋原始光谱进行正态变量变换（SNV）,然后采用后向间偏最小二乘法（bi PLS）去除部分与竹笋硬度无关的变量,随后进一步采用竞争性自适应权重法（CARS）剔除无关变量,最后采用连续投影算法（SPA）将光谱变量个数从1 557个减少为25个。最终,bi PLS-CARS-SPA模型的交叉验证相关系数（rcv）,预测相关系数（rp）,交叉验证均方误差（RMSECV）以及预测均方误差（RMSEP）分别为0.984,0.926,0.300 N·cm-2和0.625 N·cm-2,优于其他几种常见的变量选择方法及其组合。研究结果表明,bi PLS-CARS-SPA方法所选特征变量避开了水分强吸收峰的影响,具有实际的物理表征意义,为竹笋硬度在线快速检测、筛选和指导切削设备的研发提供了重要的理论依据。