基于FastICA和神经网络的红酒主要品质参数红外检测

摘要

为实现红酒中酒精含量、pH值以及残糖量的快速检测,对44个红酒样品的红外光谱数据进行了分析.使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation,BP)构造了三层的神经网络结构,建立了ICA-NNR模型.利用此模型对红酒样品的酒精含量、pH值以及残糖量进行预测,根据预测相关系数(r)和预测标准偏差(RMSEP)来评价预测模型的性能,结果表明该模型对红酒酒精含量、pH值以及残糖最测定的相关系数r分别为0.953,0.983和0.994,RMSEP分别为0.161,0.017,0.181.此外,预测样品集中的22个样品ICA-NNR模型预测值与参考值相比,酒精含量、pH值以及残糖量的最大相对偏差均小于4%.这为进一步开发红酒成分红外在线分析仪奠定了基础.