小波变换去噪应用于鲜枣糖度近红外光谱检测的研究

被引:15
作者
马毅
汪西原
雍慧
机构
[1] 宁夏大学物理电气信息学院
关键词
近红外光谱; 小波变换; 鲜枣; 糖度; 消噪;
D O I
10.16866/j.com.app.chem2011.03.012
中图分类号
TS255.7 [果蔬加工品标准与检验];
学科分类号
摘要
导数光谱可消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率;但在增强信号时,也使噪声得到增强。本研究依据小波变换消噪的基本原理和方法,在波数为3999.64~11995.06cm-1范围内采集鲜冬枣样品的光谱数据,分别采用Haar、Daubechies、Coiflets和Symlets,4种小波函数在默认阈值的情况下,结合平滑去噪方法,对12个鲜冬枣样品的一阶导数光谱数据进行消噪比较研究和分析。结果显示:采用db4小波函数、分解尺度为3时,去噪效果最好;结合平滑处理方法,单个样品的信噪比(SNR)和均方根误差(RMSE)分别达31.351和0.000011917;12个代表样品的去噪效果具有一致性。研究表明:小波变换能够有效去除导数光谱中的噪声,保留光谱中的有效信息,提高光谱信噪比,不失为1种有效的去噪方法,有助于提高光谱分析精度和后续预测模型的建模准确度。
引用
收藏
页码:303 / 306
页数:4
相关论文
共 9 条
[1]   基于小波变换的番茄总糖近红外无损检测 [J].
马兰 ;
夏俊芳 ;
张战锋 ;
王志山 .
农业工程学报, 2009, 25 (10) :350-354
[3]   小波变换结合多维偏最小二乘方法用于近红外光谱定量分析 [J].
褚小立 ;
田高友 ;
袁洪福 ;
陆婉珍 .
分析化学, 2006, (S1) :175-178
[4]   近红外光谱预处理中几种小波消噪方法的分析 [J].
郝勇 ;
陈斌 ;
朱锐 .
光谱学与光谱分析, 2006, (10) :1838-1841
[5]   基于小波变换的水果糖度近红外光谱检测研究 [J].
应义斌 ;
刘燕德 ;
傅霞萍 .
光谱学与光谱分析, 2006, (01) :63-66
[6]   基于小波变换的去噪方法 [J].
林克正 ;
李殿璞 .
哈尔滨工程大学学报, 2000, (04) :21-23+35
[7]   Wavelet Analysis of Signals in Agriculture and Food Quality Inspection [J].
Singh, Chandra B. ;
Choudhary, Ruplal ;
Jayas, Digvir S. ;
Paliwal, Jitendra .
FOOD AND BIOPROCESS TECHNOLOGY, 2010, 3 (01) :2-12
[8]  
Combined wavelet transform–artificial neural network use in tablet active content determination by near-infrared spectroscopy[J] . Pascal Chalus,Serge Walter,Michel Ulmschneider.Analytica Chimica Acta . 2007 (2)
[9]   Factoring wavelet transforms into lifting steps [J].
Daubechies, I ;
Sweldens, W .
JOURNAL OF FOURIER ANALYSIS AND APPLICATIONS, 1998, 4 (03) :247-269