鲜枣品种和可溶性固形物含量近红外光谱检测

采用近红外光谱分析技术无损鉴别鲜枣品种和测定其可溶性固形物含量。对3个不同品种的鲜枣进行光谱分析,各获取30个样本数据。采用平滑法和多元散射校正方法对样本数据进行预处理,再用主成分分析法对光谱数据进行聚类分析并获得各主成分数据。将样本随机分成75个建模样本和15个预测样本,将建模样本的主成分数据作为BP神经网络的输入变量,鲜枣品种和可溶性固形物含量作为输出变量,建立3层人工神经网络鉴别模型,并用该模型对15个预测样本进行预测。结果表明,在阈值设定为±0.17的情况下该模型对预测集样本品种鉴别准确率达到100%,可溶性固形物含量预测值与实测值相对偏差小于10%。