小麦质量指标可见/近红外光谱动态检测方法研究

本文通过动态采集小麦的可见/近红外漫反射光谱(600～1 600 nm),结合偏最小二乘法(PLS)和BP神经网络(BP-ANN)建模方法建立小麦的蛋白质、水分、湿面筋、硬度指数的定量预测模型,利用决定系数(R2)、均方根误差(RMSE)和验证集标准偏差与预测标准偏差的比值(RPD)作为评价指标进行验证,比较分析了 3种不同预处理方式对建立的PLSR模型的影响,同时分析比较了 4种不同训练算法对建立的BP-ANN模型的影响.2种不同的建模方法,虽有不同但都取得了较好的预测结果.试验表明,利用不同的预处理方法可以有效提高实验结果.利用深度学习的方法对小麦品质建模,在水分和硬度指数这2个品质参数上有效地提高了预测精度.结果表明利用动态光谱建立小麦品质模型是切实可行的,对近红外在线检测技术有一定的参考价值.