油莎豆含油率的近红外光谱检测模型研究
魏海峰1
时学双2
党锡强3
米玛顿珠4
张梦媛5
常唯5
赤列措姆2
张斌6
高文伟5
1.新疆农业大学农学院,新疆乌鲁木齐 830000;山东省农业科学院农作物种质资源研究所,山东济南 2501002.日喀则市农牧业科学研究推广中心,西藏日喀则 8570123.青州市农业农村局,山东青州 2625004.日喀则市南木林县农业农村局,西藏日喀则 8571005.新疆农业大学农学院,新疆乌鲁木齐 8300006.山东省农业科学院农作物种质资源研究所,山东济南 250100;日喀则市农牧业科学研究推广中心,西藏日喀则 857012
摘要：为建立油莎豆块茎含油率的近红外光谱快速无损检测模型,提高育种材料的早代选择效率,本研究以109份油莎豆块茎样本为实验材料,采集波长范围为950～1 650 nm、分辨率为1 nm的近红外光谱,并通过索氏提取法测定块茎粗脂肪含量,剔除异常样本后共得到103份样本,使用SPXY法将其按3∶1的比例划分为校正集与验证集.分别采用标准正态变换、多元散射校正、一阶导、二阶导、SG平滑以及混合方法对原始光谱进行预处理,并基于此建立偏最小二乘回归(PLSR)模型,通过对模型性能的对比分析,筛选出在校正集和验证集上预处理效果均较好的MSC+SG法,用于油莎豆含油率检测模型的构建;然后用竞争性自适应重加权采样(CARS)、无信息变量消除(UVE)算法以及MLP神经网络进行特征波长提取,并构建PLSR模型,结果显示,用CARS和UVE算法分别提取出115个和251个特征波段,建模效果均比全波段建模效果好,其中CARS-PLSR模型预测性能最优,校正集交叉验证均方根误差(RMSECV)、决定系数(R2CV)分别为1.328、0.903,验证集RMSEP、R2P分别为1.206、0.888,验证集相对分析误差(RPDP)为3.040;而MLP-PLSR模型的预测精度与CARS-PLSR 模型接近,RMSECV、R2CV分别为 1.387、0.903,RMSEP、R2P分别为 1.207、0.887,RPDP为3.040,但提取的特征波长仅77个,是3种方法中最少的,说明MLP法能够更有效地降低光谱信息重叠,滤除无关信息,MLP-PLSR更适合用于油莎豆含油率检测.综上,本研究初步建立了基于近红外光谱的油莎豆含油率快速无损检测模型,可为提高育种工作中的检测效率提供有效方法,并为油莎豆含油率无损检测提供技术支持.
关键词：油莎豆含油率近红外光谱偏最小二乘回归(PLSR)MLP神经网络特征波长提取
分类号：S126(农业物理学)S565.9(经济作物)
资助基金：国家重点研发计划(2019YFD1002701)山东省渤海粮仓科技示范工程升级版项目(2019BHLC002)
论文发表日期：2025-01-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 166-173 )
英文信息