該研究利用一維尺度不變特征變換(SIFT)算法尋找煙葉近紅外光譜(Near infrared spectroscopy,NIRS)的穩(wěn)定特征波長,根據(jù)樣品精密度測試光譜篩選的波長計算重現(xiàn)率和重現(xiàn)度,采用L₉(3³)正交表優(yōu)化SIFT算法中的相關(guān)參數(shù),使重現(xiàn)率和重現(xiàn)度盡可能高。基于優(yōu)化的參數(shù)和主機上10個代表性樣品的光譜,篩選出10個穩(wěn)定特征波長集合,以這些波長集合并集的光譜響應(yīng)為自變量,采用偏最小二乘(PLS)方法構(gòu)建煙葉總植物堿NIRS模型(簡稱SIFT-PLS)。該模型直接傳遞到3臺從機后,對3臺從機樣品總植物堿的平均相對預(yù)測誤差(MRE)均滿足小于6%的企業(yè)內(nèi)控要求,而全光譜模型(WW-PLS)直接轉(zhuǎn)移后僅1臺從機的MRE滿足要求,經(jīng)分段直接校正(PDS)方法校正從機光譜后,WW-PLS模型也僅對1臺從機的MRE小于6%。采用SIFT算法篩選穩(wěn)定特征波長建立的NIRS模型可在3臺從機直接共享,無需轉(zhuǎn)移集,不需對從機光譜或光譜模型進(jìn)行校正,實現(xiàn)了真正意義的無標(biāo)樣NIRS模型的直接轉(zhuǎn)移。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 算法與原理
    1.1 一維SIFT算法篩選穩(wěn)定特征波長
        (1)構(gòu)建尺度空間
        (2)進(jìn)行尺度空間極值檢測
        (3)高斯金字塔結(jié)構(gòu)參數(shù)的優(yōu)化
    1.2 近紅外光譜模型的建立與評價
2 實驗部分
3 結(jié)果與討論
    3.1 SIFT算法中的參數(shù)優(yōu)化
    3.2 煙葉樣品光譜及SIFT方法所篩選的穩(wěn)定特征波長
    3.3 不同煙葉總植物堿近紅外光譜模型結(jié)果的比較
4 結(jié) 論



本文編號：3797231