基于玉米近红外光谱的植物油含量预测研究

摘要

为实现近红外光谱高维数据特征提取,提出一种基于局部线性嵌入(LLE)算法的光谱特征提取方法,以玉米光谱数据集为研究对象,构建植物油预测模型。在进行标准正态变量变换(SNV)以及一阶导数和卷积平滑光谱数据预处理的基础上,利用LLE算法对全光谱数据进行降维,再结合多层感知回归算法,建立植物油预测模型。实验结果表明:基于LLE算法的光谱数据的预测模型与基于主成分分析(PCA)算法的预测模型对比,测试集在相关系数r和决定系数R2上二者接近,而基于LLE的预测模型在测试集的均方根误差RMSE对比中更优。因此,LLE可实现对近红外光谱数据降维和构建预测模型,为近红外光谱数据分析提供了一种新的基于光谱数据的预测建模方法。