简介概要

蚁群算法在苹果糖度近红外光谱分析波长选择中的应用

来源期刊:分析试验室2013年第10期

论文作者:陈鑫 刘飞

文章页码:50 - 54

关键词:苹果近红外光谱;糖度检测;波长变量选择;蚁群算法;

摘    要:针对苹果近红外光谱数据的特点,研究了蚁群算法(ACO)在近红外光谱波长选择中的应用,建立了一种基于串联双通路构建图的波长变量选择模型。首先采集了苹果表面的漫反射近红外光谱,进而采用蚁群优化算法优选出近红外波长的最佳变量,使用所选择的近红外光谱波长数据建立苹果糖度预测模型。与GAPLS、siPLS等波长选择方法进行了比较,新模型的变量数减少到580,模型校正均方根误差RMSEC为0.2712,验证均方根误差RMSEP为0.3059。实验结果表明,蚁群算法用于苹果漫反射近红外光谱波长变量的选择,有效地减少了波长的使用,降低了模型复杂度,同时提高模型的预测精度。

详情信息展示

蚁群算法在苹果糖度近红外光谱分析波长选择中的应用

陈鑫,刘飞

江南大学轻工过程先进控制教育部重点实验室,自动化研究所

摘 要:针对苹果近红外光谱数据的特点,研究了蚁群算法(ACO)在近红外光谱波长选择中的应用,建立了一种基于串联双通路构建图的波长变量选择模型。首先采集了苹果表面的漫反射近红外光谱,进而采用蚁群优化算法优选出近红外波长的最佳变量,使用所选择的近红外光谱波长数据建立苹果糖度预测模型。与GAPLS、siPLS等波长选择方法进行了比较,新模型的变量数减少到580,模型校正均方根误差RMSEC为0.2712,验证均方根误差RMSEP为0.3059。实验结果表明,蚁群算法用于苹果漫反射近红外光谱波长变量的选择,有效地减少了波长的使用,降低了模型复杂度,同时提高模型的预测精度。

关键词:苹果近红外光谱;糖度检测;波长变量选择;蚁群算法;

<上一页 1 下一页 >

相关论文

  • 暂无!

相关知识点

  • 暂无!

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号