柑桔叶片可溶性糖近红外检测非线性模型研究

为了监督柑桔叶片是否缺乏营养元素,对叶片可溶性糖进行分析。采用近红外光谱技术结合误差反馈神经网络(BPNN)和最小二乘支持向量机(LS-SVM)建立定量剖析非线性模型,运用主成分分析(PCA)进行数据压缩、无信息变量消除算法(UVE)和连续投影算法(SPA)进行有效波段筛选的方法来优化模型的输入变量,提高了模型检测精度。同时,利用Savitzke-Golay平滑(S-G)、多元散色校正(MSC)、导数和基线校正(Baseline)等预处理方法进行数据变换,来确定最佳建模方法。结果表明:波长筛选能优化模型,并提高运算速度,其中PCA优化效果最为明显,可溶性糖的相关系数Rp达到最大为0.91,均方根误差RMSEP最小为4.82,显著提高了模型的检测精度和稳健性,经过优化的输入变量所建模型,能够满足定量检测的要求,具有一定的可行性。