基于偏最小二乘与广义回归神经网络的近红外光谱测定土豆中3种营养成分的研究

被引：9

作者：

刘波平 ^{[1
]}

秦华俊 ^{[2
]}

罗香 ^{[3
]}

曹树稳 ^{[2
]}

王俊德 ^{[1
]}

机构：

[1] 南京理工大学化工学院

[2] 南昌大学食品科学教育部重点实验室

[3] 江西省分析测试中心

来源：

分析试验室 | 2007年 / 09期

关键词：

近红外光谱; 土豆; 偏最小二乘; GRNN网络; 多组分检测;

D O I：

10.13595/j.cnki.issn1000-0720.2007.0257

中图分类号：

TS215 [薯类制食品];

学科分类号：

摘要：

偏最小二乘(partial least squares,PLS)与广义回归神经网络(generalizedregression neural networks,GRNN)联用对土豆样品建立起粗纤维、淀粉、蛋白质含量的预测校正模型,用PLS法将原始数据压缩为主成份,取前3个主成份的12个特征吸收峰输入GRNN网络,网络光滑因子iσ为0.1。PLS-GRNN模型对样品3个组分含量的预测决定系数(R2)分别为:0.945、0.992、0.938。结果表明,近红外光谱技术可以快速、准确地同时测定土豆中的粗纤维、淀粉、蛋白质,该方法可应用于果蔬产业的品质管理与控制。

引用

页码：38 / 41

页数：4